点击率预估的核心是样本和标签。曝光未点击是负样本，点击是正样本。样本构造方式直接影响模型学到的分布，采样策略要慎重设计。
负采样能缓解样本不平衡，但会改变正负比例，导致预测概率偏高。需要做校准，把预估值还原到真实分布。直接拿采样后的模型输出做决策，会系统性高估。
位置偏差是另一个陷阱。排在前面的物品获得更多曝光和点击，模型会学到位置而非内容偏好。训练时引入位置特征或做无偏估计，能缓解这个问题。
标签延迟也常见。点击可能即时发生，转化却要等几天。过早把未转化当负样本会引入噪声。设置合理的标签观察窗口，是保证样本质量的关键。
