An Adaptive Unified Allocation Framework for Guaranteed Display Advertising
Xiao Cheng, Chuanren Liu, Liang Dai, Peng Zhang, Zhen Fang , Zhonglin Zu
Alibaba Group, The University of Tennessee
https://dl.acm.org/doi/pdf/10.1145/3488560.3498500
合约广告在电子商务市场中应用非常广泛,广告主会利用合约广告来约定好获取一定量的曝光,同时会限定定向受众。主要目标是在合同的约束下最大化合同分发率,从长期来看,对广告主和电商平台来讲,用户兴趣,比如点击率和转化率,对提升二者的投资回报率非常重要。
这篇文章提出一种自适应统一分配框架,AUAF,不仅考虑了请求级别的受众曝光的供给,而且可以避免受众曝光的过度分配。具体而言,这种分配模型同时优化了合同分发率,广告主和用户兴趣的匹配率,考虑了明确的约束条件,用于防止不必要的分配。
针对每天数十亿的请求量级的挑战,作者们开发了基于并行优化算法的参数服务器,如此一来,所提出的分配模型可以得到高效优化,同时可以分钟级别增量更新。在线服务时,离线优化结果和在线决策可以同步进行。这种方法可以自适应平滑,可以跟最优分配解决方案保持一致。
大量实验结果表明,作者们所提出的AUAF框架可以提升合同履约率,还可以提升平均点击率,平均点击率可以用来表征用户兴趣。点击率的提升相对现有方法在统计意义上是显著的。此外,自2020年三月以来,AUAF已经部署在阿里的合约广告展示系统中ÿ