在线广告中的平滑预算控制实时竞价优化算法

Real Time Bid Optimization with Smooth Budget Delivery in Online Advertising

Kuang-Chih Lee, Ali Jalali, Ali Dasdan

Turn Inc.

http://wnzhang.net/share/rtb-papers/budget-smooth.pdf

当前，通过实时竞价交易，可以每日购买数十亿的展示广告曝光。

广告主需要对每个选定的RTB和请求在毫秒级决定是否提交竞价。受限于预算，目标是需要购买一些广告曝光，可以得到尽可能多的定向用户。广告主可以指定期望的行动或者转化，比如购买商品，填写表单，注册邮箱等。

此外，广告主通常希望在每天随着时间推移平滑的花费预算，进而可以得到更大范围的可触达受众，并且得到可持续的影响。

然而，由于很少出现转化，而且事件反馈通常会延后，同时达到预算和效果的目标是比较有挑战性的。

这篇文章提出一种在线方法，可以平滑预算，同时可以优化转化效果。该算法旨在选取高质量的曝光，同时基于先验效果分布来调整竞价，随着时间的变化自适应分发预算。

实验结果表明了在实际广告投放中所提方法的有效性。

广告投放主要在于择人、择时、择场景，DSP可以提供实时竞价优化解决方案

实时竞价优化一般具有以下目标

背景描述如下

过早消耗完预算以及消耗波动都是需要尽量避免发生的

预算过早消耗完以及消耗波动图示如下

预算均匀消耗图示如下

基于流量的预算调控方式如下

基于效果的预算调控方法如下

所谓二价，简介如下

广告活动可以分为以下两类

控速率以及获胜率的定义如下

这里的控速是基于请求的，

相邻时间槽的控速率具有以下关系

基于效果的预算控制图示如下

竞价优化框架中广告请求流图示如下

均匀消耗控速图示如下

基于效果的预算控制图示如下

作者们所提方法在平滑cpm营销活动中的效果对比如下

作者们所提方法在动态cpm营销活动中的效果对比如下

---

              我是分割线

---

您可能感兴趣

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