淘宝展示广告中的优化点击成本
计算机科学与博弈论
2019-01-30 v4 机器学习
摘要
淘宝作为全球最大的在线零售平台，每天为数百万广告主提供数十亿次在线展示广告曝光。出于商业目的，广告主对特定广告位和目标人群出价以竞争商业流量。平台需在数十毫秒内选择最合适的广告进行展示。常见的定价方法包括千次展示成本（CPM）和单次点击成本（CPC）。传统的广告系统以固定出价定向用户的特定特征和广告位，本质上被视为出价与流量质量的粗粒度匹配。然而，广告主为竞争不同质量的请求而设定的固定出价无法完全优化其关键需求。此外，平台必须对商业收入和用户体验负责。因此，我们提出了一种称为优化点击成本（OCPC）的出价优化策略，该策略自动调整出价，以实现出价与页面浏览（PV）请求粒度流量质量的更精细匹配。我们的方法优化了广告主需求、平台商业收入和用户体验，并整体提高了流量分配效率。我们已在淘宝展示广告系统的生产环境中验证了该方法。在线 A/B 测试表明，我们的算法相比先前的固定出价方式产生了显著更优的结果。
引用
@article{arxiv.1703.02091,
title = {Optimized Cost per Click in Taobao Display Advertising},
author = {Han Zhu and Junqi Jin and Chang Tan and Fei Pan and Yifan Zeng and Han Li and Kun Gai},
journal= {arXiv preprint arXiv:1703.02091},
year = {2019}
}
备注
Accepted by KDD 2017