在本文中，转换估计被定义为估计用户 点击广告（点击后转换，PCC）后会进行转换的概率。关键在于，PCC识别导致转换操作的点击事件（如 订阅电子邮件列表，预订或购买产品）。

为了建模，我们将转换事件归为有效的点击事件，因为这代表一个积极的PCC行为（与一个点击事件没有 任何转换的事件）。转换事件可能发生在几分钟，几小时或 甚至在点击事件之后的几天。将转换事件正确归于有效的点击事件，可以通过适当匹配点击和转换事件来完成 属性，对PCC预测和支付处理都是至关重要的。

一般来说，一些转化事件可能与广告主向用户显示一系列转换后的页面 的点击有关。在广告相关性，这种关联过程面临着一些实际的局限性 ，点击和转换之间经过的时间越长，越多日志需要记录和匹配。为了更好地了解点击转换 过程，以及有多少数据需要用于匹配，我们分析了转换事件的时间延迟。

我们计算了不同延迟时间的转化事件的百分比 ，如图1所示。从图中我们可以看出绝大多数 （86.7％）的转换事件在点击事件的10分钟内触发。 这些转换事件中约有一半（39.2％）发生在1分钟内 。如果我们进一步观察，我们观察到我们可以匹配95.5％的 点击后一小时内的转换事件。我们想去实现 在实际边界内召回的最大可能性，考虑各种各样的 延迟的日子，在点击后两天内，有98.5％的转化事件。

这些考虑对于建模是非常重要的，特别是生成适当的训练集合测试集。使用太短的时间窗口会产生不准确的 数据集，而使用太大的时间窗口是不切实际的，数据存储和匹配（点击转换）中可能会变得困难。基于上述实验和数据，我们将忽略1.5％的 转换事件以及将点击事件标记为不正确的结果 （无转换），设置点击后转换时间范围到2天。从实际成本上看，这被认为是足够的 和时间允许的。因此，我们在整篇文章中利用了这一设置。与转化相反，点击可以相对轻松地归于特定的点击 广告展示，因为点击与广告显示的页面之间存在直接关联。大多数广告点击（97％）在广告曝光的一分钟内。