互联网广告活动的在线联合出价/日预算优化
机器学习
2020-03-04 v1 机器学习
摘要
按点击付费广告包含多种格式（例如搜索、上下文、社交），全球年总投资超过2000亿美元。广告主被给予一个日预算，需在数个甚至数千个广告活动间分配，这些活动主要区别于广告、目标或渠道。此外，发布商选择展示的广告并通过拍卖机制进行分配，其中广告主每天为每个广告活动设定对应于每次点击愿付最高金额的出价以及投入日预算的比例。本文研究多通道按点击付费广告活动的在线联合出价/日预算优化自动化问题。我们将该问题表述为组合半赌博机问题，需要每天求解多选择背包问题的一个特例。此外，对每个广告活动，我们通过高斯过程刻画点击次数对出价和日预算的依赖性，从而对这些函数的正则性仅需温和假设。我们设计四种算法，并证明它们以高概率遭受上界为O(sqrt{T})的遗憾，其中T为学习过程的时间范围。我们使用来自Yahoo!真实数据生成的合成设置对算法进行实验评估，并展示我们的算法在真实世界应用中的采用结果，该应用日均花费1000欧元，持续超过一年。
引用
@article{arxiv.2003.01452,
title = {Online Joint Bid/Daily Budget Optimization of Internet Advertising Campaigns},
author = {Alessandro Nuara and Francesco Trovò and Nicola Gatti and Marcello Restelli},
journal= {arXiv preprint arXiv:2003.01452},
year = {2020}
}