无偏基于提升的竞价系统
机器学习
2020-07-10 v2 信息检索
机器学习
摘要
传统的在线展示广告拍卖竞价策略严重依赖点击或转化等观测到的性能指标。然而, naive 追求这些易观测指标的策略无法优化广告主的利润。相反,带来最大收益的竞价策略是追求向特定用户展示广告所带来的性能提升的策略。因此,从观测日志数据预测向每个用户展示广告对其目标变量的提升效应至关重要。然而,预测提升效应存在困难,因为由过往竞价策略收集的训练数据可能对获胜曝光有强烈偏置。在本研究中,我们开发了无偏基于提升的竞价系统 (Unbiased Lift-based Bidding System),它通过从有偏日志数据中准确预测提升效应来最大化广告主利润。我们的系统首次通过从理论上缓解日志中固有的偏置,实现了高性能的基于提升的竞价策略。真实世界的大规模 A/B 测试成功证明了所提系统的优越性与实用性。
引用
@article{arxiv.2007.04002,
title = {Unbiased Lift-based Bidding System},
author = {Daisuke Moriwaki and Yuta Hayakawa and Isshu Munemasa and Yuta Saito and Akira Matsui},
journal= {arXiv preprint arXiv:2007.04002},
year = {2020}
}