该文探讨了在线定向广告中预算控制的重要性，针对贪婪式算法的不足，提出了新的预算控制方法，旨在优化广告主和媒体的收益。通过LinkedIn的实验，展示了算法在平滑消耗、提高用户体验和整体收益方面的有效性。文中详细介绍了算法实现、流量预估、参竞率调整以及实验设计等关键点，并展示了不同维度的评估指标和效果对比。
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
最低0.47元/天 解锁文章
2918
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
