背景
在線廣告中，廣告按照CPM排序，排在前面的廣告競爭有限廣告位（截斷）。其中，CPM=bid*pctr。注GSP二價計費的，按照下一位bid計費。適當調整bid，可以提高競價的排名，從而獲得展現的機會。OCPC就是調整廣告的出價，對優質流量出高價，劣質流量出低價，提高廣告主的ROI。其中，ROI=pcvr*revenue/bid。流量是否優質，用轉化率比值cvr/cvr_history區分。
架構圖
論文中介紹的ali在線廣告系統如下圖所示，其中，RTP模塊是pctr預估模塊，算法采用MLR。
算法總述
遍歷每條廣告A，1標准化pcvr,並且2計算邊界值；3排序；（大致分為3步）
1）准化calibrate：
現象：可以看出真實cvr越高，pctr值預估的越高，預估與真實值偏差隨cvr增長而增大。
方案：設置閾值tc，pcvr大於閾值tc做如下平滑。（tc=0.012）
2）計算邊界值
bid取上圖中灰色區域最佳，為了調價可接受設置閾值ra，具體調價如下：
cvr/cvr_history>1:優質流量，調高出價；
cvr/cvr_history<1:劣質流量，調低出價；
3）ranking排序
例子：
（1）算法3-5步：按照CPM f2(u(b*))排序，選擇下邊界最大的廣告a3，自頂向下選擇第一條上邊界大於下邊界的廣告a1。輸出a1
（2）算法6-11步：剔除廣告a1，重新計算剩余廣告的bid*，如公式9-10。更新衍生指標，上下邊界。
第二輪，選擇下邊界最大的廣告a3，自頂向下選擇第一條上邊界大於下邊界的廣告a3。輸出a3
（3）N=2，輸出最終排序列表。N個廣告位
備注: f(b)計算如下：
參考paper：Optimized Cost per Click in Taobao Display Advertising