贝叶斯平滑：小样本点击率的稳健估计方法

新内容只有几次曝光时，直接计算点击率噪声极大。一次点击就能让点击率达到百分之百，显然不可信。贝叶斯平滑用先验信息修正这类极端估计。

基本思路是给每个内容假设一个先验分布，通常用 Beta 分布，再用实际观测数据更新，得到后验估计。观测越多，先验影响越小。

先验参数可以由全局平均点击率估计。这样新内容在数据不足时会向全局均值收缩，避免因偶然点击被高估。

贝叶斯平滑计算简单、效果稳定，广泛用于排行榜和召回阶段的热度估计，是小样本场景的实用技巧。