在线广告中停止的随机漫步的因果推断
机器学习
2026-02-06 v1 机器学习
统计方法学
摘要
我们考虑一种在线广告系统中经常遇到的因果推断问题：出版商（例如 Instagram、TikTok）通过偶发为每个用户显示通过拍卖选择的广告来进行交互。每一种处理对应于广告机制的一个参数值（例如拍卖保留价格），我们希望通过实验来估计其对应的长期处理效果（例如年度广告收入）。在我们的设置中，处理不仅影响显示广告的即时收入，还会改变每个用户的交互轨迹，以及每个广告主的出价策略——后者受有限预算的约束。具体而言，某种处理甚至可能影响人口规模，因为用户会与更可接受的广告机制交互更长时间。我们放弃经典的独立同分布假设，对实验测量值（例如广告收入）建模为停止的随机漫步，并使用预算分配实验设计、Anscombe 定理、Wald 类方程和中心极限定理来构建长期处理效果的置信区间。
引用
@article{arxiv.2602.05997,
title = {Causal Inference on Stopped Random Walks in Online Advertising},
author = {Jia Yuan Yu},
journal= {arXiv preprint arXiv:2602.05997},
year = {2026}
}