Рассмотрены проблемы использования социально-демографической информации о поль­зователях при прогнозировании кликов в рекламной сети методами машинного обучения. Предложены варианты предварительной подготовки социально-демографи­че­ских факторов для максимизации извлекаемой из них информации о кликах, среди которых использовались построение регрессии и кластеризация пользователей. Произведено сравнение предложенных вариантов с использованием метрики, основанной на правдоподобии обученной модели.

The present article considers the problems of exploiting the sociodemographic data about users in predicting clicks in a banner system via machine learning methods. Several variants of pre-processing sociodemographic data to maximize retrievable information about clicks are proposed, among which are: regression model and user clistering. Comparison of those is done using a metric based on the likelihood of the trained models.