AAAIJul, 2015

基于 Lift 的广告竞选

PDF
TL;DR本文提出一种新的投标策略，通过考虑广告对用户的实际影响来决定出价，并证明采用基于广告性能提升的投标策略可以使广告主获得更多的行动事件。并通过实际广告活动进行了盲目的 A/B 测试，证明了这一策略的实际性能提升，并探讨了归因模型与投标策略之间的关系。
real-time biddingonline advertisingbidding strategyperformance liftattribution models
发现论文，激发创造
  • 在线广告实时竞价：测量与分析

    本文提供对 RTB 新兴的印象销售基础架构的实证分析和测量，展示了其出价行为，并指出时间依赖模型、优化算法等问题未得到充分考虑。

    Jun, 2013

  • 在线广告中基于实时出价和平滑预算分配的优化

    本研究提出了一种在线方法，通过在时间范围内最优化地分配预算，并基于事前性能分布来选择高质量的广告展示和调整竞价，以实现顺畅的预算交付并优化转化表现。

    May, 2013

  • 实时竞价（RTB）和行为定向的展示广告

    本文概述了计算广告的新领域所涉及的基本基础设施、算法和技术解决方案，其中涵盖了实时竞价、数字营销、自动化、信息检索、广告欺诈检测等主题。

    Oct, 2016

  • 竞标机器：学习竞标直接优化展示广告收益

    本论文提出了一个综合的学习出价框架 Bidding Machine，能够联合优化估算广告效用、预测市场价值、制定最佳竞标策略三个挑战，大大提高了广告活动的效益和利润。

    Mar, 2018

  • 展示广告中强化学习实时竞价

    本文探讨了在实时竞价广告投放中，利用强化学习算法，通过状态空间表示广告拍卖信息和实时参数，在竞价过程中动态分配预算，学习最优的出价策略以最大化广告业绩，并通过神经网络解决了实际应用中的可扩展性问题。

    Jan, 2017

  • 展示广告投标风险管理

    本研究透過評估使用者行為不確定性和拍賣競爭中的成本不確定性來為 RTB 顯示廣告中的不確定性建立數學模型，推導出了兩種風險意識下的出價策略，此模型可有效提高广告投放的利润。

    Jan, 2017

  • 展示广告中带有预算限制的自适应风险感知竞标

    本研究提出了一种基于强化学习的新型自适应风险感知竞价算法，旨在同时考虑估计不确定性和 DSP 的动态风险倾向，并通过公共数据集的广泛实验表明，该算法在实际 setting 中优于现有的最佳方法。

    Dec, 2022

  • iPinYou 数据集实时竞价基准测试

    本文介绍了 iPinYou 在 2013 年发布的 RTB 广告竞赛数据集，并表示这是目前公开可用的第一个关于 RTB 广告的数据集。本文还提供了关于数据集的详细统计分析和针对竞赛提出的 RTB 竞价优化问题的简单但全面的评价方案以及一系列基准实验，包括 CTR 估计和竞价优化。

    Jul, 2014

  • 广告投放中的多变量控制竞价优化

    本研究研究了在 RTB 环境下，广告主如何在预算限制的情况下最大化转化量，作者们通过使用线性规划和基于反馈控制方法来推导出最优出价策略，同时提出了多变量控制系统来解决应用问题，并使用淘宝真实数据进行了验证。

    May, 2019

  • 展示广告领域的实时竞价策略：实证分析

    本文主要探讨了实时竞价广告中的投标策略优化问题及挑战，介绍了几种代表性的投标策略，重点讨论了基于强化学习的投标策略的研究进展和挑战，通过定量评估 iPinYou 数据集上几种代表性的投标策略的性能，总结了使用强化学习算法优化投标策略的一般步骤，并提出了建议。

    Nov, 2022