原生广告中基于转化的动态创意优化
信息检索
2022-11-22 v1 机器学习
摘要
Yahoo Gemini 原生广告市场每天提供数十亿次曝光，面向数亿独立用户，年营收达数亿美元。驱动 Gemini 原生模型以预测广告（ad）事件概率（如转化与点击）的是 OFFSET——一种特征增强的基于协同过滤（CF）的事件预测算法。预测概率随后用于 Gemini 原生拍卖中，以确定每次投放事件（曝光）展示哪些广告。动态创意优化（DCO）是 Gemini 原生近两年推出的一项产品，正日益受到广告主的关注。DCO 产品使广告主能为每个原生广告属性提供多个素材，为每个 DCO 广告创建多种组合。由于不同组合可能吸引不同人群，更频繁地展示某些组合而非其他组合，有助于在保持广告主与用户满意的同时最大化营收。最初的 DCO 方案是优化点击率（CTR），然而随着市场更多地转向基于转化的推广活动，广告主也要求一种基于转化的解决方案。为满足该需求，我们提出了一种拍卖后方案，根据 DCO 广告组合的预测转化率（CVR）对其进行偏好排序。预测由基于 OFFSET 的辅助组合 CVR 预测模型提供，并用于在投放时生成 DCO 广告渲染的组合分布。通过在线桶式 A/B 测试对该探索-利用方案进行评估，服务于 Gemini 原生 DCO 流量，结果显示相比均匀随机投放所有组合的控制桶，CVR 提升了 53.5%。
引用
@article{arxiv.2211.11524,
title = {Conversion-Based Dynamic-Creative-Optimization in Native Advertising},
author = {Yohay Kaplan and Yair Koren and Alex Shtoff and Tomer Shadi and Oren Somekh},
journal= {arXiv preprint arXiv:2211.11524},
year = {2022}
}
备注
Accepted to IEEE Big Data 2022 conference