面向受预算与 ROI 约束买家的定价学习
计算机科学与博弈论
2023-02-08 v2
摘要
互联网广告主（买家）反复从广告平台（卖家）采购广告曝光，旨在最大化总转化（即广告价值），同时遵守预算与投资回报率（ROI）约束以高效利用有限资金。面对此类旨在学习其获取曝光最优策略的受约束买家，我们从卖家视角研究如何通过重复挂牌定价机制学习并为广告曝光定价以最大化收益。针对此双边学习设定，我们提出一种卖家学习算法，利用分段二分搜索程序确定收益最优售价。我们证明当每段内受预算与 ROI 约束的买家对挂牌价近似最优响应时，此简单学习算法具有低卖家遗憾。我们给出简单而自然的买家竞价算法，使买家在满足预算与 ROI 约束下近似最优响应，从而令所提卖家定价算法遗憾低。我们的卖家算法设计动机在于：当买家在预算与 ROI 约束下对价格最优响应时，卖家收益函数呈钟形结构，使卖家算法能高效识别收益最优售价。
引用
@article{arxiv.2107.07725,
title = {Learning to Price against a Budget and ROI Constrained Buyer},
author = {Negin Golrezaei and Patrick Jaillet and Jason Cheuk Nam Liang and Vahab Mirrokni},
journal= {arXiv preprint arXiv:2107.07725},
year = {2023}
}