【笔记】《Selection and Ordering of Linear Online Video Ads》

Selection and Ordering of Linear Online Video Ads

---

论文提出了一种为在线播放的流媒体选择广告的算法。
根据广告的价格和质量来分配广告，防止用户因为广告太难看而退出视频。

一个视频有三个部分可以插播广告，pre-roll、mid-roll、post-roll。

如图所示，统计发现用户看了位置j处的广告还继续看视频的 Completion Rate 在preroll是83%，在midroll由92%递减到postroll的19%

有N个广告要放到J个slot
第i个广告的CPM为b_i，并且至少要放$t_i$次。这两个值由厂商决定。
用户看完第i个广告以后继续看视频的概率为$c_i$，即因为广告太难看而关掉视频的概率为$1-c_i$，这个值由统计得到。

在作者的模型里，作者假设

• 每个视频以一个前置的广告开始，以一个后置的广告结束，中间有一个或多个广告
• 广告不可以跳过
• 每个slot里只有一个广告
• 用户看完广告还想继续看视频的概率为$c_i$
• 每个slot有一个slot-specifc continuation probabilities ($\lambda _j$)

表示表示广告i放在位置j时的continuation probalities和CPM。
论文中先假设slot-specifc probability λj线性递减，得到了一个动态规划算法。
之后又假设λj 从pre-roll到第一个mid-roll时增加，之后再递减。(如图1所示)
然后得到了一个接近最优的启发式算法。

动态规划：
状态转移方程


其中R[i,j]表示广告i+1到N已经放置在slot j+1到J中，而第i个广告放到位置j时的最大收益。
S[i,j]=1说明广告i放在了位置j上。

启发式算法分两步
第一步，解决子问题，利用mid-poll中的单调性。
第二部，找到适合pre-roll和post-roll的最佳广告。

考虑mid-poll中的子问题。

可以用之前的动态规划解决。

1. 设广告全集为N，解集为A={a2,a3…aj-1}
2. 用{N-A}再一次求解，解集为A’={a’2,a’3…a’j-1}

枚举a∈N，如果a∈A，在集合N-A’-{a}中找到最优的aj，选择广告{a,a’2,a’3…a’j-1,aj}，计算收益Ra
如果a∈A’，在集合N-A-{a}中找到最优的aj，选择广告{a,a2,a3…aj-1,aj}，计算收益Ra
从所有的结果中选择最大的收益R

结论
这是一个为在线视频分配广告的算法。
广告的价格和展现次数由广告主提供。
ad continuation rates 和 slot-specifc continuation rates由大数据统计得到。
采用本算法将会获得更多的收益，更少的观众流失。