AAAIDec, 2023

实时广告系统中广告和创意的并行排名

PDF
TL;DR广告服务中的创造力是其核心和灵魂。通过 AI 生成的内容，广告商能够以最小的成本创造大量的创意内容。本文首次提出了一种用于在线平行估计广告和创意排名的新架构，以及相应的离线联合优化模型。在线架构能够进行个性化的创意建模，同时降低总体延迟。CTR 估计的离线联合模型允许广告和创意之间进行相互感知和协同优化。我们对比了两种最先进的方法进行了广泛的实验。结果表明，我们的方法在离线评估和真实世界的在线广告平台中都具有响应时间、CTR 和 CPM 方面的有效性。
advertising servicesai-generated contentcreative contentonline parallel estimationctr estimation
发现论文，激发创造
  • 一种稳定扩散模型的点击率创新生成流程

    我们提出了一个新的自动化的点击率创意生成流水线（CG4CTR），旨在改进创意生成阶段的点击率。我们的贡献有 4 个方面：1）将填充模式应用于在线广告场景的创意生成任务。提出了一个自我循环生成流水线，以确保训练的收敛性。2）设计了提示模型，为不同用户群体生成个性化创意，进一步提高其多样性和质量。3）奖励模型的综合考虑图像和文本的多模态特征，以提高创意排序任务的有效性，也在自我循环流水线中起着重要作用。4）在线和离线实验中获得的显著优势验证了我们提出方法的重要性。

    Jan, 2024

  • 一种带视觉先验的混合赌博模型，用于在显示广告中进行创意排名

    本文提出了一种基于混合 bandit 模型的视觉优先级别判定方法，用于在电子商务中推荐商品创意设计，以提高 CTR，通过实验表明该方法的有效性。

    Feb, 2021

  • 实现超个性化：时尚电商自动广告创意生成和排序

    本研究提出了一种利用深度学习来自动创建电子商务主页广告横幅大量个性化的方法，并通过基因算法实现了对图像内容、设计约束等因素的最优横幅布局生成，并设计了一个排名方法来帮助选择正确的横幅，其主要贡献是提高了广告横幅的个性化和大量生成的效率，同时适用于印度一家时尚电子商务企业 - Myntra 的数据。

    Aug, 2019

  • 朝着更好的排名一致性迈进：用于早期广告排名的多任务学习框架

    我们提出了一个多任务学习框架，用于早期阶段排名以捕获多个最终阶段排名组件和它们的任务关系，实现广告召回率和排名一致性的改进。通过模型整合，我们不仅可以实现成本节约，还可以在大规模工业广告排名系统中实现显著更高的点击率、转化率、总价值和更好的广告质量效果。

    Jul, 2023

  • 联合学习推荐和广告

    本文提出了一种新的两级强化学习框架，用于联合优化推荐和广告策略，第一层生成推荐列表以优化用户体验，第二层将广告插入推荐列表以平衡广告客户的即时广告收入和广告对长期用户体验的负面影响。实验结果表明该框架的有效性。

    Feb, 2020

  • 为在线广告设计的一种面向一致性的预排名算法

    提出了一种面向在线广告的一致性预排名框架，包括使用基于块的采样模块和即插即用的等级对齐模块，显式地优化 ECPM 排名结果的一致性。

    Jun, 2023

  • 在线展示广告中视觉外观对用户反应的影响

    本文介绍了通过对右媒体系统中广告创意进行大规模数据分析，研究创意外观对展示广告点击率的影响关系，给出了可供实践应用的关键点，并提供了评估基准。

    Feb, 2012

  • 基于 CTR 的广告文案生成：具有控制的预训练和对比微调

    本研究提出了一种基于用户评论的 CTR 驱动广告文本生成方法，该方法使用在线 A/B 测试数据进行对比学习以达到生成更高 CTR 的广告文本的目的，并针对低资源问题设计了自定义自监督目标。实验结果表明，该方法显著优于当前的方法，并在主要在线度量标准上带来提升。

    May, 2022

  • 基于多智能 Agent 强化学习的实时竞价展示广告

    本文讨论了如何利用多智能体强化学习进行实时广告优化，提出了一种聚类算法分配策略代理，并通过行业实验表明，与单一代理和实验算法相比，基于聚类的竞价模型具有更好的效果。

    Feb, 2018

  • 通过贝叶斯赌博算法在线评估定向广告受众

    该论文介绍了一种在分割目标受众群体并在线实验中解决数字广告匹配问题的上下文强化学习算法，并在中国电商平台 JD.com 上实现

    Jul, 2019