广告全链路算法栈：召回 → 粗排 / 精排（CTR/CVR）→ 出价优化（oCPX）→ 用户兴趣建模 → 增量建模（Uplift）→ 多任务 / 长序列 / 多模态 → 工程优化（压缩、推理加速）→ 数据问题处理（延迟反馈、选择偏差、稀疏）→ 价值预估（付费率、LT、LTV）

1. 广告召回（Retrieval）

定义：从海量广告库中，快速选出用户可能感兴趣的几百～几千条广告，送给后面排序模块。

• 目的：粗筛，保候选池，速度优先

• 常用：向量召回（Item2Vec、DeepFM 向量、双塔 DNN）、规则召回、热度召回、兴趣标签召回

2. pCTR / CTR / CVR 预估

• CTR（Click‑Through Rate）：点击率，用户会不会点广告

• pCTR：模型预估的预测点击率（prob CTR）

• CVR（Conversion Rate）：转化率，点击后会不会下单 / 付费 / 留资

• 模型：LR、FM、Wide&Deep、DeepFM、XGBoost、DIN、DIEN、SIM

传统 CTR/CVR 只看相关性，不看广告是否带来真实增量

3. oCPX（重点，必懂）

oCPX本身是一套出价策略机制，不是一个深度学习模型，但它极度依赖上游的预估模型，而且高阶oCPX内部还会叠加Uplift、多任务、LTV等模型。

核心一句话

oCPX = 优化转化目标的智能出价，X 代表优化目标（点击、转化、付费、表单、下载等）。

• oCPC：优化点击

• oCPM：优化曝光

• oCPA：优化转化（最常用）