KDDFeb, 2017

淘宝展示广告中的每次点击优化成本

PDF
TL;DR本研究提出一种优化共享商品在线广告的投标策略（OCPC），该策略可通过自动调整出价以实现广告与流量质量的细粒度匹配，从而优化广告主需求、平台业务收益和用户体验，并提高流量分配效率。在淘宝展示广告系统生产环境中进行的在线 A/B 测试表明，与之前的固定出价方式相比，OCPC 算法的效果显著更好。
taobaoonline advertisingbid optimizationoptimized cost per clicktraffic allocation efficiency
发现论文，激发创造
  • 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

  • 基于可解释深度学习技术的在线广告成本预测：竞价竞争环境中的洞见

    本文研究使用多种时序预测方法，通过竞争对手 CPC 发展的时间序列聚类识别得出外部影响变量，建立多变量模型来预测在线广告市场日均点击成本。研究表明，这种预测广告成本的方法比仅基于广告主收集数据的模型更具优势。

    Feb, 2023

  • 非静态自动竞标世界中的在线广告采购

    本文提出了一种在线学习框架，利用多维度的决策变量、赌博反馈和长期不确定性约束，帮助广告客户在非平稳采购结果的真实赌博反馈环境中动态优化广告平台的杠杆决策，取得低损失结果。

    Jul, 2023

  • 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

  • 深度自动化机制设计 --- 用于广告竞价和分配的新闻推送

    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

  • 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

  • AiAds：面向赞助搜索的自动智能广告系统

    本文介绍百度所开发的智能广告系统 - AiAds 系统的架构和模型技术，该系统利用机器学习技术，通过自动化竞标策略、智能定位和智能创意模型等将手动优化转换为多个自动化任务，并使用先进的方法进行优化。该系统可以显著提高广告主的广告 Kamp、用户体验和广告平台的收入，并提出了解决几个关键挑战的经验教训。

    Jul, 2019

  • 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

  • 展示广告的统计套利挖掘

    我们提出了一种新的数据挖掘范例，名为统计套利挖掘 (SAM)，旨在挖掘和利用基于 CPA (Cost Per Action) 的活动和基于 CPM (Cost Per Mille impressions) 的广告库之间的价格差异，同时结合功能最优化和基于组合的风险管理解决方案来实现广告投标操作的最优化和风险管理。我们的离线实验和在线 A/B 测试表明，在 RTB 的不同模型设置和市场环境中，我们的解决方案在充分利用套利方面非常有效。

    Jun, 2015

  • 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