Прогноз кліків на нові оголошення
8 травня 2007 року Метью Річардсон, Ева Доміновська і Роберт Раньо з Microsoft опублікували в збірнику конференції WWW модель, що передбачає частку кліків для пошукових оголошень, які ще не мають історії показів. Логістична регресія на ознаках оголошення, ключових слів і рекламодавця зменшила помилку оцінки на 30 % проти базової моделі, яка просто бере середню частку кліків.
Чому це важливо
Порядок оголошень у платному пошуку залежить від передбаченої ймовірності кліку, і стаття показала, що цю ймовірність можна навчити для нового оголошення, а не чекати, доки воно набере покази. Тут машинне навчання прямо визначає дохід пошукової системи; стаття Facebook 2014 року про прогноз кліків цитує саме цю роботу.
Дані — «10,000 advertisers, with over 1 million ads for over a half million keywords». Міра — середня KL-дивергенція між передбаченою і справжньою часткою кліків: ознаки частоти кліків за терміном дали 13 %, разом зі спорідненими термінами — майже 20 %, повна модель — 30 %. Запис не стверджує, що модель розгорнуто в рекламній системі Microsoft: висновок статті каже лише, що вона досить ефективна, щоб її могла використати будь-яка велика пошукова система. Ринок платного пошуку в 5,75 млрд доларів і 1,63 млрд рекламного доходу Google за III квартал 2006 року стаття цитує з преси; це не її вимір.