一种用于增强在线广告中预算约束自动出价的自适应预算规划器

在在线广告中，广告主通常利用自动出价服务来竞标曝光机会。自动出价器的一个典型目标是在指定的预算约束内优化广告主赢得曝光的累积价值。然而，由于不同广告主面临的复杂竞价环境，这一问题极具挑战性。为应对这一挑战，我们引入了 ABPlanner，这是一种少样本自适应预算规划器，旨在改进预算约束下的自动出价。ABPlanner 基于一个分层出价框架，该框架将出价过程分解为更短、更易管理的阶段。在此框架内，ABPlanner 在所有阶段之间分配预算，允许底层自动出价器根据预算分配计划进行出价。ABPlanner 的自适应性通过一种受上下文强化学习启发的顺序决策方法实现。对于每个广告主，ABPlanner 逐回合调整预算分配计划，利用先前回合的数据作为当前决策的提示。这使得 ABPlanner 能够利用少样本数据快速适应不同的广告主，提供了一种样本高效的解决方案。广泛的仿真实验和真实世界的 A/B 测试验证了 ABPlanner 的有效性，证明了其增强自动出价器所实现累积价值的能力。