頻次控制介紹
廣告中的頻次控制是指控制一個用戶最多在指定時間內看到一個廣告（或相似廣告）的次數，比如廣告主可以限制一個用戶最多只能一天看到一個廣告3次（頻次控制也可以讓publisher來指定，但本文不考慮publisher）。
本文所說的頻次控制不是硬性的，也就是說展示的次數多只會降低相同廣告出現的概率，而不是達到一定次數后徹底不出。兩者的區別是：前者廣告主需要自己去試到底多長的時間段最多出幾次合適，比較麻煩，但如果他得到了接近事實的次數，會對他有利。后者是廣告主省事了，代價是廣告平台只會去優化eCPM，不會去考慮廣告主的利益。
引入頻次控制有以下優點：
1. 增加觸達受眾數量。頻次控制可以讓更多的受眾看到廣告。因為頻次控制消除了廣告主有限的預算總是消耗在了不斷地向同一群人展示廣告上。
2. 提高CTR。頻次控制是提高廣告CTR的有效手段之一。CTR大約在相同廣告展示4次之后就很低了，因為用戶已經開始對這個廣告無視了。
3. 提高CVR（轉化率），與CTR相似，在第一次展示時轉化率最高，在展示4-6次后基本無轉化。
頻次控制原理
見上圖，橫坐標是展示次數，縱坐標是CPM，曲線是不同的廣告（是的，我知道圖和我說的不是一回事，但道理和數據真的差不多，因為我沒法把公司的數據拿出來講）。需要注意的是：
1. 所有的廣告都是隨着展示次數的增加，CPM減小。
2. 以藍線和紅線為例，藍色的廣告展示1次的CPM是高於紅色的展示一次的CPM，但藍色展示兩次后CPM是低於紅色展示一次的CPM。
3. 每個折線下降的速度是有差異的。
回憶一下公式：CPM = CTR * Bid，eCPM = pCTR * Bid。公式中的Bid是已知且固定的，那么也就是eCPM因為展示次數的變化是因為展示次數影響了pCTR，那么如果基於展示次數對pCTR進行了調整，那么eCPM就更加合理了。
考慮了已經展示的次數對pCTR進行調整，理想情況我們會收獲更高的CPM，也就是公司能賺到更多的錢了。（請問你能想象我打這句話時的心情嗎？）
實現頻次控制后的圖應該是這樣，紫色的線就是優化后的效果，如果你看不明白，最左邊其實少了一根黑化的豎線（我再強調一下，圖里的Ad Network把它想成廣告，如果你是SSP，那就不要想了）。可以看到紫色的線明顯高於藍線。
頻次控制實現
首先基於展示次數對pCTR進行調整是否本身就是pCTR自己的問題，這個我一直有點疑問，展示次數明顯可以作為一個特征加入到pCTR的模型中去，但我自己沒有試過。但無論展示次數是否作為特征加入，做法都差不多，重要的是如何得到數據。
數據分兩部分，一部分實時數據，另一部分離線數據。需要storm收集實時數據的原因是寫hive數據庫一般有小時級的延時。KV DB中保存的是聚合了實時數據和離線數據的結果，Key是user，value是[ad_n, count_n]的列表。
如果是展示次數作為特征放到pCTR學習中，那一切OK了，如果不這樣做，那就麻煩了，首先，要得到前面圖中的折線，得到展示次數對每個廣告pCTR的影響。這里就有問題了，廣告曝光不足怎么辦？點擊就幾十個，怎么統計？是維度向上計算推廣計划？曝光還不夠怎么辦？再向上到廣告類別？廣告主維度？還是更直接點，假裝沒看到這些數據，直接忽略，目標只去解決有統計意義的廣告。
想多一點還有更多的問題，人群A可能看過一次不點就不會再點了，人群B看過一次點擊的概率並和從未看過點擊概率差不多。人群的定義可以是無限多種。另外一個廣告被展示到了頂部廣告位，和底部廣告位，難道都認為被展示了一次？所以我雖然沒試過，但我認為展示次數放到pCTR模型里作為一個特征應該是最簡單合理的。
部分內部引自：
http://www.masternewmedia.org/online-advertising-management-frequency-capping-to-optimize-ad-revenues/