广告竞拍中利益相关者的优化平衡
该论文研究了在赞助搜索中,对于一定数量的广告位需要在竞争的广告商之间进行分配,提出了将拍卖机制与广告竞价相结合的策略,给出了一种基于线性效用的指派模型,在此基础上提出了 GSP 和 VCG 机制,并介绍了计算该模型中的拍卖结果的算法。
Jul, 2008
电子商务平台上的广告拍卖和分配过程对广告收入和总商品交易量有直接影响,存在两个问题:广告拍卖阶段不考虑外部因素(例如实际显示位置和上下文对广告点击率的影响),广告分配阶段无法实现广告的激励兼容性。以往的研究多关注其中一个阶段,忽视了这个两个阶段的问题,从而导致了次优的结果。
Jan, 2024
本文提出了一种名为 Deep GSP auction 的新拍卖机制,它利用深度学习在 GSP 拍卖框架下设计新的排名得分函数,实现了对多种、动态、难以估计、甚至矛盾的性能指标进行优化,并在领先的电子商务广告平台上进行了广泛的实验评估,证明了其效果优于现有的拍卖机制。
Dec, 2020
本文研究了广义第二价格 (GSP) 拍卖中的均衡状态空间,并量化了广泛来源的不确定性和完全信息设置下可能出现的低效均衡状态损失。通过贝叶斯博弈模型,得出了 2.927 的损失因子上限,证明了拍卖参与者关于其他参与者和广告质量因素的部分信息的贝叶斯模型中的效率损失。此外,在完全信息设置中,我们证明了对于三个广告商的情况下,纯纳什均衡的 “惩罚因子” 的上限接近于 1.282,同时我们展示了类似的低上限的结果适用于任何遵循无后悔策略的拍卖结果。
Jan, 2012
我们研究了在线广告中的买方定价、多次交互和卖方算法,包括买方价值分布推断、策略性遗憾和卖方长期收入最大化。我们定义了策略性遗憾的自然概念,介绍了卖方算法,分析了买方的贴现能力。该文阐述了任何卖方算法在没有贴现时都将遭受线性策略性遗憾。
Nov, 2013
研究了广告拍卖中的显示价格对机制设计的影响,提出了所有激励兼容的拍卖策略,并使用它来设计两种情景下的拍卖,结果表明显示价格确实影响拍卖的设计并且平台可以利用这些信息来优化广告投放的表现。
Mar, 2023
本研究提出并解决了在线广告分配的优化问题,探讨了在 Ad Exchanges 中确定合同预定广告和现场市场广告的分配方式,通过参数训练算法进行实验,获得了广告质量与收入的 Pareto 最优解。
Feb, 2011
本文针对在线广告中的自动竞价进行了研究,提出了一种拥有加速法的拍卖家族,以改善竞价市场中的福利和收入。实证研究结果表明,适当选择加速法的权重可以改善市场福利和收入。
Mar, 2021