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|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