展示广告中的统计套利挖掘

我们研究并形式化了展示广告中的套利。实时竞价（RTB）模仿股票现货交易所，并利用计算机通过实时拍卖以算法方式按展示购买展示广告。尽管有了新的自动化，由于市场高度碎片化，广告市场仍然信息效率低下。具有相似或相同效果（例如，通过针对目标受众的转化或点击率衡量）的两个展示印象在不同细分市场或定价方案中可能售价差异很大。在本文中，我们提出一种称为统计套利挖掘（Statistical Arbitrage Mining, SAM）的新数据挖掘范式，专注于挖掘和利用两种定价方案之间的价格差异。本质上，我们的SAMer是一个元竞价者，它对基于CPA（每次行动成本）的活动和基于CPM（每千次展示成本）的广告库存之间的广告主风险进行对冲；它根据估计的转化率、竞价格局和从历史数据学到的其他统计信息，针对一组CPA活动组合统计评估 incoming CPM竞价请求的潜在利润和成本。在SAM中，（i）利用函数优化寻求最优竞价以最大化期望套利净利润，并且（ii）利用基于组合的风险管理解决方案在活动集之间重新分配竞价量和预算，以做出风险与回报权衡。我们提出以EM方式联合优化两个组件且高效率，以帮助元竞价者成功捕捉RTB中短暂的统计套利机会。在真实世界大规模数据集上的离线实验和商业平台上的在线A/B测试都证明了我们提出的解决方案在各种模型设置和市场环境中挖掘套利的有效性。