在线定向广告中的预算控制算法
Budget Pacing for Targeted Online Advertisements at LinkedIn
Deepak Agarwal, Souvik Ghosh, Kai Wei, Siyu You
http://wnzhang.net/share/rtb-papers/linkedin-pacing.pdf
定向在线广告在很多互联网公司中是收益的主要来源。每次曝光广告时，工业界的常识是利用广义二价竞价机制对广告进行排序。
广告主预算有限时，这种贪婪式算法对广告主和媒体是次优的。这种贪婪式机制中，消耗比较快的广告主会较早离开竞价市场，这会影响广告主的体验，同时也会影响广告主收益。
这篇文章给出一种提升这种广告服务系统的方法，该方法包含了预算控制部分，能够感知全局的供应模式。该系统对广告主和媒体都有好处。
在linkedin的实验表明了这种方法的有效性。
贪婪式预算控制算法具有以下缺陷
作者们所提出的算法已经用于以下两种广告
下面是作者们所提平滑算法的简介
实现细节中，作者们采用的更新频率如下
关于流量预估，作者们采用了以下做法
参竞率的调整系数设置及原因如下
参竞率初始设置比较小，作者们称之为慢开始
为了防止消耗不完整，可以采用快速结束的策略
工程实现设计图如下
作者们采用的实验设计如下
广告主侧的评估指标有以下几个
媒体侧的评估指标有以下几个
用户侧的评估指标有以下几个
预算控制在直投广告的效果如下
每请求收益曲线对比如下
作者们所提算法在赞助状态更新中的效果如下
预算控制对消耗曲线的影响示例如下
计划消耗与实际消耗曲线对比如下
我是分割线
您可能感兴趣
KDD2021|清华联合雅虎|斯坦福大学|纽约大学提出竞价隐藏算法MEOW
在线广告中的平滑预算控制实时竞价优化算法
KDD2021|雅虎提出高效深层分布网络竞价策略用于一阶广告拍卖竞价隐藏
KDD2021|华为联合上交提出CTR预估数值特征embedding学习框架AutoDis(已开源)
KDD2021|腾讯联合中科院北航提出人群扩展算法MetaHeac并用于推荐和广告领域(已开源)
KDD2020|阿里提出多目标优化保量算法并用于优酷视频服务平台
KDD2020|腾讯联合中科大提出请求级别保量广告计划RAP
KDD2020|淘宝推荐中的特权特征蒸馏算法PFD
KDD2020|阿里联合香港理工大学提出多任务多视角图表示学习框架M2GRL(已开源)
KDD2020|字节联合密歇根州立大学提出推荐广告联合训练框架RAM(已开源)
KDD2020|阿里联合清华提出多兴趣框架ComiRec用于序列推荐(已开源)
KDD2020|京东提出图像类别卷积神经网络CSCNN用于视觉感知CTR预估
亚马逊联合纽约州立大学提出元学习算法MetaBridge用于电商有限标注数据情况下自动验证文本属性
KDD2020|腾讯基于app使用行为提出AETN用于构建通用型user-embedding(已开源)
KDD2020|阿里联合武大提出对偶异构图注意力网络DHGAT用于提升长尾商铺搜索效果
KDD2020|蚂蚁金服提出人群扩展算法Hubble用于智能营销
实时注意力lookalike模型RALM在推荐系统中的应用
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！