面向实时竞价广告活动的新优化层
计算机科学与博弈论
2018-08-10 v1 人工智能
机器学习
摘要
虽然启动一个在线广告活动相对容易，但获得较高的关键绩效指标（KPI）可能具有挑战性。关于该主题已有大量研究工作，市场上也有称为DSP的平台来处理此类优化。从广告主的角度来看，每个DSP都是一个不同的黑盒，各有优缺点，需要进行配置。为了利用每个DSP的优势，广告主在设置其广告活动时最好组合使用多个DSP。在本文中，我们提出了一种算法，使广告主能够在DSP之上添加一个优化层。我们引入的称为SKOTT的算法通过最优配置DSP并使其相互竞争来最大化所选KPI。SKOTT是一种高度专门化的迭代算法， loosely基于梯度下降，由三个独立的子例程组成，每个处理不同的问题：预算划分、设置所需平均出价以及防止投放不足。特别是，我们方法的新颖之处之一在于我们采取广告主而非DSP的视角。使用合成市场数据来评估SKOTT相对于改编自类似问题的其他最先进方法的效率。结果说明了我们的方案的优势，其大大优于其他方法。
引用
@article{arxiv.1808.03147,
title = {A New Optimization Layer for Real-Time Bidding Advertising Campaigns},
author = {Gianluca Micchi and Saeid Soheily-Khah and Jacob Turner},
journal= {arXiv preprint arXiv:1808.03147},
year = {2018}
}