基于流量预测的直播广告轻量级自动出价
机器学习
2025-08-11 v1 机器学习
摘要
互联网直播广泛应用于在线娱乐和电子商务，其中直播广告是主播的重要营销工具。广告活动希望在约束条件（如预算和单次点击成本）下最大化效果（如转化量）。主流的广告活动控制方式是自动竞价，其性能取决于竞价算法在每次请求中的决策。最广泛使用的自动竞价算法包括比例-积分-微分（PID）控制、线性规划（LP）、强化学习（RL）等。现有方法要么未考虑整个时间流量，要么计算复杂度过高。在本文中，直播广告对实时竞价（秒级控制）有很高要求，并面临未来流量未知的困难。因此，我们提出了一种轻量级竞价算法——二元约束竞价（BiCB），它巧妙地将数学分析给出的最优竞价公式与未来流量估计的统计方法相结合，并通过低复杂度求解获得对最优结果的良好逼近。此外，我们补充了传统自动竞价建模中上下界约束的形式，并给出了 BiCB 的理论分析。充分的离线和在线实验证明了 BiCB 的良好性能和低工程成本。
引用
@article{arxiv.2508.06069,
title = {Lightweight Auto-bidding based on Traffic Prediction in Live Advertising},
author = {Bo Yang and Ruixuan Luo and Junqi Jin and Han Zhu},
journal= {arXiv preprint arXiv:2508.06069},
year = {2025}
}