比如说小男孩一定会点游戏机，一定不会点其他的，而成熟女人一定会点高跟鞋，也一定不会点其他的商品。
所以这时候我们正确的预估应该是——当一个小男孩来访问的时候，我们就能精确的预估到他对游戏机这个广告的点击率是100%，而其他人的点击率这时候是0%，
这样预估的话，所有人的点击率就都是100%，这时候点击数就会变成4000，整个收益也会变成4000，比刚刚的1000翻四倍。
上面的例子告诉我们，我们要根据广告特征和用户特征来实时的预估点击率。
那么点击率需要哪些特征来预估，或者说点击率都和什么因素相关？
主要有三个方面会影响点击率——广告侧、用户侧和平台侧。
广告侧很容易理解广告主的行业广告，文案、广告、图片和广告的形式都会影响点击率。
而用户侧我们刚刚说的年龄、性别、地域、手机兴趣以及它的使用环境等等。
然后平台侧就是平台的频次控制时间、竞价策略和流量分配策略都会影响点击率。
点击率的预估其实是一个非常复杂的过程，它是互联网广告最核心的技术之一。
我们可以把点击率预估简化成两个步骤，第一步叫特征工程，第二步叫模型训练。
特征工程就是找到很多跟点击率相关的特征，通过模型训练我们就能够得出特定的点击率。
从这个意义上说，点击率预估其实是一个黑盒子，输入很多特征就能实时的输出预估的点击率。
点击率的预估应用非常的广泛，我们今天熟悉的今日头条、抖音的推荐系统的核心技术也是点击率的预估，平时咱们观察到的是——看过什么就给我推荐什么，非常的精准。
这背后其实是把所有可能投放给你的内容的点击率都进行一次预估，然后把点击率最高的推送给你。
广告比推荐排序会多一个步骤，推荐只需要知道谁排在前面就OK，而广告需要知道具体的数值，因为它需要和出价一起来综合排序。
理解点击率预估对广告排序的意义，我们就能够破除一个按效果付费的理解误区：
有人说按点击和成交去进行付费简直太爽，不点不要钱简直没风险！
那我能不能我出一分钱一个点击，同时我还没有时间去好好做广告素材，然后我还要点击一天给我来一百万个？
事实上是不会有这样的好事，你出一分钱一个点击，广告平台如果产生点击，它的确只扣你一分钱，不产生点击的确也不会扣你的钱。
但是最可能的结果就是你出价太低或者你的点击率太低，你被排在后面根本投放不出去，所以的确没有风险，但同样也没有收益。
OK，对这一小节做一个总结：如何通过竞价来提升广告投放的效率，按效果付费，的确是一个对广告组友好的计费方式，但是他也是一个公平的计费方式，想要获得更多的点击只有两个办法：
- 第一，提升出价，当然出价通常要考虑到自己的承受范围；
- 第二，我们提升我们的点击率和转化率，不断的优化自己的广告素材广告定向和广告投放的数据。
问题三：这个广告是如何被投放出来的？
OK，我们来看第三个问题，这个广告是如何被投放出来的，它对应的关键词叫自动化。学习完这一小节，我们就能知道如何利用自动化的工具来提升广告投放的效率。
广告，其实从一开始就很注重实验，在奥格威的时代，广告实验是这样进行的——在同一份报纸，同一个版面，同一个日期去刊登不同文案的广告，然后去观察两份文案带来的免费样品索取量的差异。
那么在今天，广告的实验是怎么做的？
Facebook开发一个创意实验系统，输入不同的图片，普通的标题和不同的描述，系统就会自动的生成多个广告创意去进行广告实验。
