ICDM2019|阿里提出大规模个性化分发实时平滑算法并用于合约展示广告

Large-Scale Personalized Delivery for Guaranteed Display Advertising with Real-Time Pacing

Zhen Fang, Yang Li, Chuanren Liu, Wenxiang Zhu, Yu Zhang, Wenjun Zhou

Alibaba Group, Drexel University, University of Tennessee

https://datamining.utk.edu/content/uploads/2020/02/Personalized_Delivery.pdf

合约广告在展示广告中是一种比较成功的模型。现有的解决方案通常是将合约广告服务建模成一个群体层面的供给分配问题。但是，这种方式，不仅忽略了群组中用户的多样性，而且很难跟个体层面的约束融合起来。

这篇文章中，提出一种大规模系统，可以用于合约广告服务中的个性化分发。特有的贡献是在个体层面对供给分配问题进行建模，进而可以解释用户广告之间的交互行为。

因此，该系统可以方便地将复杂约束条件融合进来，比如合约广告合同的优先级，广告的展示频率以及广告时段的高效分配。此外，作者们开发了一种实时平滑策略，来满足合约广告的合同，广告分发时进行平滑的分发，同时优化广告投放效果，比如每次点击成本以及每次转化成本。

该系统可以并行高效计算，利用数十亿决策变量来计算分发方案。基于离线评估和在线的ab实验，结果显示作者们所提出的方案效果优于先前的方法，不仅包含准确性还包含效率。

个性化合约广告分配系统图示如下