基于多模态多任务神经生存网络的广告创意停用预测
信息检索
2022-04-26 v1 人工智能
计算与语言
计算机视觉与模式识别
机器学习
摘要
在适当时机停用广告创意是最重要的广告运营操作之一，可能对销售产生重大影响。相较于针对有效广告的运营支持，针对无效广告的此类运营支持研究较少。在预分析 1,000,000 个真实世界广告创意后，我们发现存在两类停用：短期（即 cut-out）与长期（即 wear-out）。本文提出一个实用的广告创意停用预测框架，采用受生存分析启发的基于风险函数的损失函数。我们的框架通过多模态深度神经网络预测停用，该网络以广告创意（如文本、类别、图像、数值特征）作为输入。为提升对两类不同停用及有助于销售的广告创意的预测性能，我们引入两项新技术：（1）基于多任务学习的两项估计技术；（2）针对损失函数的点击率加权技术。我们使用包含百亿级曝光规模的大规模广告创意数据集评估了框架。在一致性指数方面（短期：0.896，长期：0.939，整体：0.792），我们的框架显著优于传统方法（0.531）。此外，我们确认框架（i）在短期案例中表现出与人工操作同等的停用效果，（ii）准确预测了广告停用顺序，这对长期运行的广告创意在长期案例中十分重要。
引用
@article{arxiv.2204.11588,
title = {Ad Creative Discontinuation Prediction with Multi-Modal Multi-Task Neural Survival Networks},
author = {Shunsuke Kitada and Hitoshi Iyatomi and Yoshifumi Seki},
journal= {arXiv preprint arXiv:2204.11588},
year = {2022}
}
备注
23 pages, 5 figures. Accepted by Appl. Sci. on March 29th, 2022