揭开广告投放竞价推荐的神秘面纱：一种约束目标 CPA 目标优化方法
信息检索
2022-12-29 v1 人工智能
机器学习
摘要
在按点击付费（CPC）或按展示付费（CPM）的广告投放活动中，广告主始终面临预算耗尽却未能获得足够转化的风险。此外，广告库存的竞价与能够达到目标获客成本（tCPA）目标的倾向之间联系甚少。为解决该问题，本文提出了一种竞价优化场景，以帮助广告主实现期望的 tCPA 目标。具体而言，我们构建了优化引擎，通过求解严格形式化的约束优化问题来进行决策，该问题利用了基于丰富历史拍卖数据、采用非参数学习得到的竞价景观模型。所提模型能够通过推断广告主的历史拍卖行为，自然地推荐满足广告主预期的出价，这从根本上应对了竞价景观建模中普遍面临的数据挑战：拍卖中的不完整日志，以及由广告竞价行为的变化与波动带来的不确定性。该竞价优化模型在真实投放活动上优于基线方法，并已应用于广泛的场景以实现效果提升与收入增长。
引用
@article{arxiv.2212.13915,
title = {Demystifying Advertising Campaign Bid Recommendation: A Constraint target CPA Goal Optimization},
author = {Deguang Kong and Konstantin Shmakov and Jian Yang},
journal= {arXiv preprint arXiv:2212.13915},
year = {2022}
}