Fair Equilibria in Sponsored Search Auctions: The Advertisers' Perspective
在这项工作中,我们引入了一类新的机制组成的一个传统的广义第二价格(GSP)拍卖和公平的划分方案,以达到一些所需的水平之间的贝叶斯策略广告客户群体的公平性。我们提出了两种机制,$β$ -公平的GSP和GSP-EFX,组成GSP,分别与一个envy-free多达一个项目,和一个envy-free多达任何项目公平划分计划。调整普惠制的付款,以补偿因公平划分阶段而遭受效率损失的广告客户。我们调查的战略学习的影响,部署赞助搜索拍卖机制,遵守这样的公平标准。我们证明,对于这两种机制,如果投标人发挥,以尽量减少他们的外部遗憾,他们保证达到一个均衡与良好的社会福利。我们还证明了预算平衡的机制,使传统的普惠制机制收取的费用是一个很好的代理提供给广告商的总报酬。最后,我们通过对真实数据的实验来评估分配的质量。
2022-10-18 cs.GT
Strategic Budget Selection in a Competitive Autobidding World
本文研究在线广告中广告商战略选择预算约束的元博弈,证明纯纳什均衡下流动性福利至少为最优的一半且界紧,混合均衡为4近似,并强调预算声明能力对均衡效率的关键作用。
2023-11-13 cs.GT econ.TH
The Strange Case of Privacy in Equilibrium Models
我们研究隐私技术如何影响用户和广告商的行为在一个简单的经济模型的有针对性的广告。在我们的模型中,消费者首先决定是否购买商品,然后广告商选择广告向消费者展示。消费者对商品的价值与她的类型相关,这决定了广告商更愿意向她展示哪个广告-因此,广告商希望使用有关消费者购买决定的信息来定位他展示的广告。在我们的模型中,广告商只得到一个关于消费者行为的差异隐私信号-随着我们改变差分隐私参数,其范围可以从根本没有信号到完美信号。这使我们能够研究均衡行为作为一个功能的隐私提供给消费者。我们表明,这种行为可能非常违反直觉,并且在均衡中添加隐私的效果可能与我们忽略均衡激励时所期望的完全不同。具体而言,我们表明,增加隐私的水平,实际上可以增加的信息量的消费者的类型包含在广告商收到的信号,导致效用降低的消费者,并增加利润的广告商,一般这些数量可以是非单调的,甚至不连续的隐私级别的信号。
2015-08-12 cs.GT
An Adaptive Online Ad Auction Scoring Algorithm for Revenue Maximization
赞助搜索成为一个简单的平台,以匹配潜在消费者的意图与商家的广告。广告客户表示愿意支付的出价方面的每一个关键字的搜索引擎。当用户的查询与关键字匹配时,搜索引擎评估出价并向广告商分配与未付费算法搜索结果一起显示的位置。广告商只在用户点击其广告时向搜索引擎付费,每次点击的价格由其他竞争广告商的出价决定。
2012-07-19 cs.GT cs.IT math.IT
A novel auction system for selecting advertisements in Real-Time bidding
Technological University Dublin(都柏林理工大学);University of Murcia(穆尔西亚大学)
实时的【形】竞价是近年来非常流行的一种新的互联网广告系统。这个系统的工作原理就像一个全球拍卖,广告商出价显示他们的印象在出版商的广告位。最流行的选择哪个广告商赢得每次拍卖的系统是广义第二价格拍卖,其中提供最多的广告商赢得赌注,并收取第二大赌注的价格。在本文中,我们提出了一种新的方法,不仅考虑了经济方面,但也为广告系统的运作其他相关因素的替代投注系统。我们考虑的因素包括,可以给每个广告商带来的好处,广告转换的概率,访问是欺诈性的概率,参与RTB的网络的平衡程度以及广告商是否没有支付超过市场价格的费用。此外,我们提出了一种基于遗传算法的方法来优化每个广告客户的选择。我们还进行了一些实验,以比较所提出的模型与著名的广义第二价格方法的性能。我们认为,这种新方法考虑了除价格之外的更多相关方面,在中长期内为RTB网络提供了更大的好处。
2020-10-22 cs.DS cs.GT cs.LG
Optimized Cost per Click in Taobao Display Advertising
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的在线展示广告展示。出于商业目的,广告商对特定的广告点和目标人群进行投标,以争夺商业流量。该平台在几十毫秒内选择最合适的广告显示。常见的定价方法包括每千次成本(CPM)和每次点击成本(CPC)。传统的广告系统针对用户的某些特征和具有固定出价的广告位置,本质上被认为是出价和流量质量的粗粒度匹配。然而,由竞争不同质量请求的广告主设置的固定出价不能完全优化广告主的关键需求。此外,平台还必须对业务收入和用户体验负责。因此,我们提出了一个出价优化策略称为优化每次点击成本(OCPC),自动调整出价,以实现更精细的匹配出价和流量质量的页面浏览(PV)请求粒度。我们的方法优化了广告主需求、平台业务收入和用户体验,整体上提高了流量分配效率。我们已经在淘宝展示广告系统的制作中验证了我们的方法。在线A/B测试表明,我们的算法产生了显着优于以往的固定出价方式。
2019-01-29 cs.GT stat.ML
Multi-keyword multi-click advertisement option contracts for sponsored search
在赞助搜索中,广告(缩写为ad)位通常由搜索引擎通过广告商对关键词进行竞价的拍卖机制出售给广告商。理论上,拍卖机制具有许多理想的经济性质。然而,关键词拍卖有许多局限性,包括:广告客户支付价格的不确定性;搜索引擎收入的波动性;以及广告客户和搜索引擎之间的忠诚度较低。在本文中,我们提出了一个特殊的广告选项来缓解这些问题。在我们的建议中,广告客户可以通过支付预付费(称为期权价格)提前从搜索引擎购买期权。然后,他有权利,但没有义务,在指定的时间段内以固定的每次点击成本(CPC)为指定的点击次数在预先指定的关键字集合中购买。建议的期权与金融中的一种特殊的奇异期权密切相关,该期权包含多个基础资产(多关键字),并且也是多个可执行的(多次点击)。这种新颖的结构具有许多好处:广告商可以减少广告中的不确定性;搜索引擎可以提高广告商的忠诚度以及随着时间的推移获得稳定且增加的预期收入。由于建议的广告选项可以与现有的关键字拍卖一起实施,因此必须设置选项价格和相应的固定CPC,以便在两个市场之间没有套利。期权定价方法进行了讨论,我们的实验结果验证了发展。与关键字拍卖相比,搜索引擎可以通过出售广告选项来增加预期收入。
2015-12-09 cs.GT cs.IR
Contextual Standard Auctions with Budgets: Revenue Equivalence and Efficiency Guarantees
互联网广告市场是一个价值数十亿美元的行业,广告商每天通过反复参与拍卖来购买数千个广告位。这些拍卖的一个重要且普遍存在的特征是存在活动预算,其指定广告商在指定时间段内愿意支付的最大金额。在本文中,我们提出了一个新的模型来研究均衡投标策略在标准拍卖,一个大类的拍卖,包括第一和第二价格拍卖,广告客户平均满足预算约束。我们的模型摒弃了常见的,但不切实际的假设,即广告客户的价值是独立的,而是假设一个上下文模型,广告客户使用一个共同的特征向量来确定他们的价值。我们证明了在非常温和的假设下存在一个自然的基于价值步调的贝叶斯-纳什均衡。此外,我们证明了一个收入等价表明,所有的标准拍卖产生相同的收入,即使在预算约束的存在。利用这种等价性,我们证明了无政府代价的流动福利和结构性质的起搏为基础的均衡,所有标准拍卖的界限。近年来,互联网广告市场已经采用第一价格拍卖作为销售广告位的首选范例。因此,我们的工作采取了重要的一步,通过研究销售机制的选择如何影响收入,福利和广告商的投标策略,了解在互联网广告市场转向一价拍卖的影响。
2022-10-09 cs.GT econ.TH
How Do Digital Advertising Auctions Impact Product Prices?
本文提出了一个包含平台内外触达、数据增强匹配和拍卖机制的数字广告模型,对比了数据增强型拍卖与托管活动机制,发现平台最优的托管活动机制虽能实现平台内高效分配和纵向整合利润,但会推高平台外产品价格并降低消费者剩余。
2024-04-23 cs.GT econ.TH
Online Ad Procurement in Non-stationary Autobidding Worlds
Massachusetts Institute of Technology(麻省理工学院);The University of Chicago(芝加哥大学)
针对自动出价平台信息有限且采购结果非平稳的问题,本文提出带长期约束的在线学习原始-对偶算法,在多种未知数据生成过程下实现低遗憾。
2023-07-10 cs.GT cs.IR cs.LG
If you are not paying for it, you are the product: How much do advertisers pay to reach you?
在线广告正逐步走向程序化模式,在这种模式中,广告与个人浏览网页时收集的实际兴趣相匹配。撇开围绕隐私的巨大争论不谈,在这一领域,一个非常重要的问题,对此知之甚少,是:广告商支付多少钱来接触个人?在这项研究中,我们开发了第一种方法来精确计算广告生态系统为网络用户支付的价格,我们实时的。我们的方法是基于利用实时的竞价(RTB)协议来收集广告商支付的中标的明文和加密价格,以便投放有针对性的广告。我们的主要技术贡献是一种即使在加密的情况下也能计算中标的方法。我们通过训练一个模型来实现这一点,该模型使用通过运行我们自己的“探测”广告活动获得的地面真实价格。我们通过一个浏览器扩展和一个后端服务器来设计我们的方法,后端服务器为加密出价提供了新的模型。我们验证了我们的方法,使用一年之久的跟踪1600移动用户,并证明它可以估计用户的广告价值超过82%的准确性。
2017-09-24 cs.CY cs.GT cs.IR
Hybrid Keyword Search Auctions
搜索拍卖已成为互联网上创收的主要来源。这类拍卖通常使用按点击出价和定价。我们建议使用的混合拍卖,广告客户可以使每印象,以及每点击出价,拍卖师,然后选择两者之一的定价机制。我们假设广告商和拍卖商对广告的点击概率都有不同的信念(称为先验)。我们首先证明了混合拍卖是真实的,假设广告客户是风险中性的。然后,我们表明,这种拍卖是优于现有的每次点击拍卖在多个方面:1)它考虑了广告客户的风险特征。2)对于模糊的关键字,拍卖师不太可能有一个非常尖锐的点击概率先验。在这种情况下,混合拍卖可以导致显著更高的收入。3)如果广告商认为自己的点击概率比拍卖师的估计高得多,则可以使用每次展示出价来纠正拍卖师的先验,而不会产生任何额外成本。4)混合拍卖可以允许广告商和拍卖商实施复杂的动态规划策略。随着互联网商业的成熟,我们需要更复杂的定价模型来利用每个参与者所掌握的所有信息。我们认为,混合拍卖可能是朝着这个方向迈出的重要一步。
2009-01-26 cs.DS cs.GT cs.IR
For-profit mediators in sponsored search advertising
中介者是博弈论中一个著名的结构,它是一个实体,代表一些选择使用其服务的代理人,而其余的代理人直接参与博弈。我们发起了一个游戏理论研究赞助搜索拍卖,如谷歌和雅虎使用,涉及{ \em激励驱动}中介。我们把这种中介称为{ \em营利性}中介,以区别于先前工作中介绍的中介,后者没有金钱激励,并由实现某些期望结果的利他目标驱动。我们表明,在我们的模型中,(i)球员/广告商可以提高他们的收益,通过选择使用中介的服务,相比直接参与拍卖;(ii)中介可以获得金钱利益,通过管理广告负担的广告客户组;以及(iii)中介者和它所服务的广告主的收益与不使用其服务的广告主的激励约束是相容的。上述结果背后的一个简单直觉来自于观察,即调解人比任何个人广告商拥有更多关于出价概况的信息和更多对出价概况的控制,使她能够减少向拍卖师支付的款项,同时仍然保持激励约束。此外,我们的研究结果表明,在互联网经济中存在重大的多元化机会,我们应该期待它继续发展更丰富的结构,为不同类型的代理人共存的空间。
2007-09-03 cs.GT
A Novel Bid Optimizer for Sponsored Search Auctions based on Cooperative Game Theory
在本文中,我们提出了一个出价优化赞助关键字搜索拍卖,从而导致更好地保留广告客户产生有吸引力的实用程序的广告客户,而不会减少收入的搜索引擎。出价优化器被定位为搜索引擎提供给广告商的关键增值工具。建议的出价优化算法转换成一个相关的出价配置文件使用合作博弈论的许多想法的广告客户的关键字的报告值。该算法是基于一个特征形式的游戏,涉及搜索引擎和广告客户。纳什讨价还价理论的思想被用来制定的特点形式的游戏,提供一个公平的份额盈余之间的参与者。该算法然后计算的核仁的特征形式的游戏,因为我们发现,核仁是一个适当的方式分配之间的合作收益的搜索引擎和广告客户。该算法接下来使用线性规划公式将核仁转换成相关的出价概况。该投标简档被输入到标准的通用第二价格机制(GSP),用于确定赞助时段的分配和获胜者要支付的价格。我们所确定的相关出价曲线是一个局部的无嫉妒均衡,也是一个相关的基本博弈均衡。通过详细的模拟实验,我们表明,建议的出价优化保留更多的客户比一个普通的GSP机制,也产生更好的长期效用的搜索引擎和广告客户。
2009-06-30 cs.GT cs.MA
Optimizing Your Online-Advertisement Asynchronously
Tsinghua University(清华大学);Institute for Interdisciplinary Information Sciences, Tsinghua University(清华大学交叉信息研究院)
本文提出一种异步贪心策略,用于单个广告商在多个搜索引擎站点上优化广告投资,以在预算限制下最大化平均收入,并证明其在动态估计不准确时的鲁棒性。
2014-03-23 cs.GT cs.SY eess.SY
Optimizing Ad Allocation in Social Advertising
社交广告(或社交推广)是一种有效的方法,通过在线社交网络中的影响力产生大量的采用。这项工作的目标是从平台的角度优化广告分配。一方面,平台希望通过向尽可能多的人展示广告来最大限度地提高每个广告主的收入,另一方面,平台希望减少搭便车,以确保广告主的真实性。为了获得这种折衷,我们采用\emph{regret} \citep{viral2015social}的概念来测量广告分配方案的性能。特别是,我们研究了两个社会广告问题:\emph{budgeted social advertising problem}和\emph{unconstrained social advertising problem}。在第一个问题中,我们的目标是为每个广告客户选择一组种子,最大限度地减少遗憾,同时设置预算约束的注意力成本;在第二个问题中,我们建议优化的遗憾和注意力成本的线性组合。我们证明了这两个问题都是NP-困难的,然后对每个问题提出了一个常数因子近似算法。
2015-05-13 cs.GT cs.SI
Multi-Agent Cooperative Bidding Games for Multi-Objective Optimization in e-Commercial Sponsored Search
Xidian University(西安电子科技大学);Alibaba Group(阿里巴巴集团)
从单个广告主的角度对在线广告的竞价优化进行了深入的研究,在学术研究和工业实践中。然而,现有的工作通常假设竞争对手不改变他们的出价,即,获胜价格是固定的,导致导出的解决方案的性能差。虽然有一些研究使用多智能体强化学习来建立合作博弈,但它们仍然存在以下缺点:(1)它们无法避免共谋解决方案,即所有参与拍卖的广告商故意串通以极低的价格出价。(2)以往的研究不能很好地处理复杂的投标环境,导致模型收敛性差。这个问题可能会被放大时,处理多个目标的广告客户,这是实际需求,但没有考虑到以前的工作。在本文中,我们提出了一种新的多目标合作投标优化公式称为多代理合作投标游戏(MACG)。MACG建立了一个精心设计的多目标优化框架,其中包含了广告主的不同目标。增加了一个使所有广告的总利润最大化的全球目标,以鼓励更好的合作,并保护自行投标的广告客户。为了避免共谋,我们还引入了额外的平台收入约束。我们从理论上分析了报价公式的最优函数形式,并据此设计了一个策略网络来生成拍卖级报价。在此基础上,设计了一种有效的多智能体进化策略。在淘宝平台上进行的离线实验和在线A/B测试表明,与最先进的方法相比,单个广告主的目标和全球利润都有显着提高。
2021-06-08 cs.AI cs.GT cs.MA
The Power of Media Agencies in Ad Auctions: Improving Utility through Coordinated Bidding
数字广告的竞争日益激烈,导致媒体机构在广告商和销售广告位的平台之间扮演中介角色。当一组相互竞争的广告客户由一个共同的机构管理时,许多形式的串通,如操纵投标,可以通过协调投标策略来实施,从而大大增加广告客户的价值。我们研究的问题,发现投标和货币转移的效用最大化的一组共谋者,在普惠制和VCG机制。首先,我们介绍了一个抽象的投标优化问题-加权效用问题(WUP)-,这是有用的证明我们的结果。我们证明了投标策略的效用与有向无环加权图中路径的长度有关,其结构和权重取决于所研究的机制。这允许我们通过找到图的最短路径来在多项式时间内求解WUP。接下来,我们转向最初的问题,关注两种不同的激励设置。激励约束确保共谋者不会离开广告机构,并且可以通过在广告机构和广告商之间实施货币转移来实施。特别是,我们研究的任意转让设置,其中任何形式的货币转移到和从广告商是允许的,和更现实的有限责任设置,其中没有广告商可以支付的机构。在前者中,我们投的问题作为一个WUP实例,并解决它由我们的基于图形的算法,而在后者中,我们制定了一个线性规划与指数多变量有效地解决通过应用椭球算法,其对偶。这需要在多项式时间内解决一个合适的分离问题,这可以通过将其简化为WUP实例来完成。
2022-04-28 cs.GT
The Pollution Effect: Optimizing Keyword Auctions by Favoring Relevant Advertising
大多数搜索引擎通过关键字拍卖出售在搜索结果页面上放置广告的位置。当有人输入搜索查询,看到搜索结果,然后点击他们的广告时,广告商会出价多少。搜索引擎通常通过出价和每个广告的预期点击率的组合来对查询的广告进行排序。在本文中,我们扩展了雅虎和谷歌的广告拍卖模型,包括一个效果,反复显示不太相关的广告对所有广告的搜索引擎,我们指定的污染效应的影响有持续的影响。在蒙特卡洛模拟使用分布拟合雅虎数据,我们表明,一个温和的污染效应是足以显着改变的广告排名顺序,产生最佳的广告收入的搜索引擎。此外,如果存在污染效应,则可以最大化收入,同时还增加广告商和出版商效用。我们的研究结果表明,搜索引擎可以受益于使相关的广告更便宜,不相关的广告更昂贵的广告客户比目前的做法。
2011-09-28 cs.CY cs.GT cs.IR
Optimized Cost Per Click in Online Advertising: A Theoretical Analysis
本文首次从经济学视角构建模型,比较OCPC与CPC、CPA在站外场景和外部选择影响下的表现,揭示OCPC可替代CPA并可能超越CPC,为平台定价模型选择提供理论依据。
2024-05-23 cs.GT econ.TH
A New Optimization Layer for Real-Time Bidding Advertising Campaigns
Skylads
虽然启动在线广告活动相对容易,但获得高关键绩效指标(KPI)可能具有挑战性。关于这个主题的大量工作已经完成,并且市场上可以获得处理这种优化的称为DSP的平台。从广告商的角度来看,每个DSP都是一个不同的黑盒子,有其优点和缺点,需要进行配置。为了利用每个DSP的优点,广告商在设置广告活动时最好使用它们的组合。在本文中,我们提出了一种算法,广告客户添加一个优化层的DSP上。我们介绍的算法,称为SKOTT,最大限度地提高了所选择的KPI的最佳配置的DSP,并把它们在相互竞争。SKOTT是一种高度专业化的迭代算法,松散地基于梯度下降,由三个独立的子例程组成,每个子例程处理不同的问题:划分预算,设置期望的平均出价,以及防止交付不足。特别是,我们的方法的新颖之处在于我们采取的角度来看,广告商,而不是DSP。综合市场数据用于评估SKOTT与其他针对类似问题的最先进方法的效率。结果表明,我们的建议,大大优于其他方法的好处。
2018-08-07 cs.AI cs.GT cs.LG
CIA-Towards a Unified Marketing Optimization Framework for e-Commerce Sponsored Search
作为最大的电子商业平台,淘宝每天通过赞助搜索帮助广告主达到数十亿次搜索查询,这也为平台贡献了可观的收入。一个有效的投标策略,以满足不同的广告客户的需求,同时平衡平台收入和消费者体验是一个健康和可持续的营销生态系统的重要。在本文中,我们提出了\emph{Customer Intelligent Agent (CIA)},出价优化框架,实现了印象级出价,以反映广告客户的转换意愿和预算控制。通过这种方式,CIA能够满足各种电子商业广告客户在不同层面上的需求,如总广告量优化,风格比较等。此外,基于重放的模拟系统被设计为预测不同的拍摄率的性能。CIA在不改变广义第二价格机制的前提下,统一了营销生态系统中三方的利益。我们在\emph{Taobao Search Advertising (TSA)}平台上进行了大量的离线模拟和大规模的在线实验,验证了CIA框架的高效性。此外,CIA已被部署在网上作为TSA的主要投标工具。
2019-03-11 cs.CE cs.GT
Utility Maximizer or Value Maximizer: Mechanism Design for Mixed Bidders in Online Advertising
数字广告是在线平台的主要收入来源之一。近年来,一些广告主倾向于采用自动竞价工具来促进广告效果的优化,使得拍卖理论中经典的\emph{utility maximizer}模型不能很好地拟合。最近的一些研究为具有投资回报率(ROI)约束的自动竞价广告商提出了一种名为\emph{value maximizer}的新模型。然而,无论是效用最大化还是价值最大化模型,都只能刻画真实世界广告平台中的部分广告主。在效用最大化者和价值最大化者共存的混合环境中,真实的广告拍卖设计将是具有挑战性的,因为投标人可以操纵他们的价值和所属类别,导致多参数机制设计问题。在这项工作中,我们解决这个问题,提出了一个支付规则,结合了相应的经典VCG和GSP机制在一个新的方式。基于这一支付规则,我们提出了一个真实的拍卖机制与社会福利的$2$的近似比率,这是接近的下限至少$\frac{5}{4}$,我们也证明。所设计的拍卖机制是对效用最大化者的向量协商模型和对价值最大化者的广义一般协商模型的推广。
2022-11-30 cs.GT
Toward Controlling Discrimination in Online Ad Auctions
Yale University(耶鲁大学);Indian Institute of Technology, Kanpur(印度理工学院坎普尔分校)
在线广告平台之所以蓬勃发展,是因为它们为广告商提供了可定制的受众。然而,最近的研究表明,广告可能对看到广告的受众的性别或种族具有歧视性,并且可能无意中跨越道德和/或法律界限。为了防止这种情况,我们提出了一个受约束的广告拍卖框架,最大限度地提高平台的收入,条件是确保观众看到广告客户的广告是适当地分布在敏感类型,如性别或种族。基于迈尔森的经典工作,我们首先提出了一个最优的拍卖机制的一大类公平性约束。然而,找到这个最优拍卖的参数,原来是一个非凸问题。我们表明,这个非凸问题可以重新制定为一个更结构化的非凸问题,没有鞍点或局部最大值,这使我们能够开发一个基于梯度下降的算法来解决它。数据集表明,我们的算法可以在平台收入的微小损失下为每个广告客户获得不同用户类型的均匀覆盖,并且每个广告客户达到的受众规模发生微小变化。
2019-05-22 cs.GT cs.LG
Autobidding Equilibria in Sponsored Shopping
Google(谷歌);Columbia University(哥伦比亚大学)
本文研究了赞助购物拍卖中的自动出价均衡,证明了两种常见拍卖机制下自动出价均衡的普遍存在,并证明了其价格无序为2。
2026-02-26 cs.GT
AiAds: Automated and Intelligent Advertising System for Sponsored Search
Baidu Inc.(百度公司)
赞助搜索已经有20多年的历史,它已经被证明是一种成功的在线广告商业模式。基于点击付费定价模型和关键字定位技术,赞助系统运行在线拍卖来确定搜索广告的分配和价格。在传统的设置中,广告商应该手动创建大量的广告创意,并对一些相关的关键字进行出价,以瞄准他们的受众。由于搜索流量巨大,广告创意种类繁多,广告主人工优化的局限性成为提升该市场效率的主要瓶颈。此外,随着许多新兴的广告形式和供应不断增长,赞助搜索平台更加关注广告的ROI指标,以获得广告主的营销预算至关重要。在本文中,我们介绍了在百度开发的AiAds系统,它使用机器学习技术来构建一个自动化和智能化的广告系统。AiAds系统通过设计和实现自动竞价策略、智能目标定位和智能创建模型,将人工优化转化为多个自动化任务,并采用先进的方法对这些任务进行优化。AiAds是一种全新的赞助搜索系统架构,它改变了竞价语言和分配机制,打破了端到端广告检索框架的关键字定位限制,提供了广告创作的全局优化。该系统可以同时且显著地增加广告主的活动表现、用户体验和广告平台的收入。我们提出了系统的每个模块的整体架构和建模技术,并分享我们在解决几个关键挑战的经验教训。
2019-07-28 cs.GT cs.LG
Multi-Platform Budget Management in Ad Markets with Non-IC Auctions
MIT(麻省理工学院);Meta Platforms, Inc.(Meta平台公司)
针对在线广告市场多平台非激励相容拍卖下的预算约束出价问题,提出最优出价策略与在线学习算法,实现期望效用最大化与$O(T^{3/4})$悔值,在合成及真实数据集上表现优于现有自适应步速算法。
2023-06-12 cs.GT cs.LG math.OC
Real Time Bid Optimization with Smooth Budget Delivery in Online Advertising
Turn Inc(Turn公司)
如今,每天都有数十亿的展示广告展示通过实时的竞价(RTB)交易所主办的公开拍卖进行购买。广告商必须在毫秒内做出决定,为每个选定的RTB广告请求提交出价。受预算限制,目标是购买一组广告展示,以达到尽可能多的目标用户。广告主特定的期望动作(转换)包括购买产品、填写表格、注册电子邮件等。此外,广告主通常更喜欢随着时间的推移平稳地花费他们的预算,以便在一天中接触到更广泛的受众,并产生可持续的影响。然而,由于转换很少发生,并且发生反馈通常延迟,因此同时实现预算和性能目标非常具有挑战性。在本文中,我们提出了一种在线方法,以顺利交付预算,同时优化转换性能。我们的算法试图选择高质量的印象,并调整投标价格的基础上,在一个自适应的方式,通过分配预算最佳跨时间的先验性能分布。我们从真实的广告活动的实验结果表明,我们所提出的方法的有效性。
2013-05-14 cs.GT cs.LG
Characterizing Truthful Multi-Armed Bandit Mechanisms
Microsoft Research Silicon Valley(微软研究院硅谷分院);Cornell University(康奈尔大学);Facebook(脸书)
我们考虑一个多轮拍卖设置为互联网广告的点击付费拍卖的动机。在每一轮拍卖中,拍卖人选择一个广告客户并展示她的广告,然后点击或不点击。广告商从点击中获得价值;点击的价值是她的私人信息。最初,拍卖商和广告商都没有关于点击广告的可能性的任何信息。拍卖人的目标是设计一个(优势策略)真实机制,(近似)最大化社会福利。如果广告商出价的是他们真正的私人价值,我们的问题就相当于“多臂强盗问题”,因此可以看作是后者的一个策略版本。特别地,对于这两个问题,算法的质量可以通过“遗憾”来表征,即算法与总是选择相同的“最佳”广告的基准之间的社会福利的差异。我们研究了多臂强盗算法的设计是如何受到限制,所产生的机制必须是真实的。我们发现,真实的机制有一定的强结构属性-本质上,他们必须分离的探索和剥削-他们招致更高的遗憾比最佳的多臂强盗算法。此外,我们提供了一个真实的机制,(基本上)与我们的遗憾下限相匹配。
2013-06-03 cs.DS cs.GT cs.LG
Real-time Bidding Strategy in Display Advertising: An Empirical Analysis
University of Electronic Science and Technology of China(电子科技大学)
随着越来越多的广告展示通过实时的【形】竞价系统出售,帮助广告主确定竞价价格的竞价策略正受到越来越多的关注。本文首先描述了在实时的【形】竞价显示广告中优化单个广告主的竞价策略的问题和挑战。然后,介绍了几种具有代表性的竞价策略,特别是基于强化学习的竞价策略的研究进展和面临的挑战。此外,我们定量评估了iPinYou数据集上几种代表性投标策略的性能。具体来说,我们研究了状态,行动和奖励功能的性能的强化学习为基础的投标策略的影响。最后,我们总结了使用强化学习算法优化投标策略的一般步骤,并提出了我们的建议。
2022-11-30 cs.AI cs.GT cs.LG
Towards Global Optimization in Display Advertising by Integrating Multimedia Metrics with Real-Time Bidding
实时的【形】竞价(RTB)已经成为显示广告中的新规范,其中发布者使用拍卖模型将在线用户的页面视图出售给广告商。在RTB中,具有最高出价的广告将显示给用户。这个广告展示过程偏向于发布者。事实上,广告主和用户的利益很少被讨论。对于全局最优化,我们认为,所有利益相关者的利益都应该考虑。为此,我们提出了一个新的计算框架,多媒体技术和拍卖理论相结合。本博士研究主要集中在1)找出影响在线广告效果的多媒体指标; 2)将发现的指标集成到RTB框架中。我们已经提出了一些初步的结果,并讨论了未来的发展方向。
2018-05-21 cs.GT cs.MM
Individually-Fair Auctions for Multi-Slot Sponsored Search
我们设计了公平的赞助搜索拍卖,实现公平性和质量之间的接近最优的权衡。我们的工作建立在Chawla和Jagadeesan \cite{CJ22}的模型和拍卖设计的基础上,他们考虑了单个插槽的特殊情况。我们认为赞助商的搜索设置与多个插槽和标准模型的点击率是乘法分离成一个特定的组件和插槽特定的组件。当相似的用户具有相似的特定于拍卖商的点击率时,我们的拍卖实现了与\cite{CJ22}中相同的公平性和质量之间的接近最优的权衡。当相似的用户可以有不同的特定于搜索者的偏好时,我们证明了基于偏好的公平性保证。最后,我们提供了一个计算效率高的算法计算支付我们的拍卖,以及在以前的工作,解决另一个开放的方向从\cite{CJ22}。
2022-04-08 cs.GT
The Parity Ray Regularizer for Pacing in Auction Markets
预算管理系统是现代拍卖市场的关键组成部分之一。互联网广告平台通常为广告商提供通过快速调整机制来调整其预算耗尽的速度的可能性。我们专注于乘法起搏机制在一个在线设置中,投标人反复面临着一系列的广告机会。在收集出价后,每个项目然后通过单一项目,第二价格拍卖分配。如果没有预算限制,真实地投标将是广告商的最佳选择。然而,由于他们的预算是有限的,广告商可能想要降低他们的出价,以便为未来的机会保留他们的预算,并随着时间均匀地分散支出。在线节奏问题的文献主要集中在设置中,投标人优化一个可分离的目标,如总点击率或收入的分配。然而,在许多情况下,投标人也可能关心其他目标,这些目标通常是不可分离的,因此不适合传统的在线学习技术。基于最近的工作,我们研究了常见的情况下,广告商寻求达到一定的分布的印象超过目标人群的用户。我们引入了一种新的正则化子来实现这一愿望,并展示了如何将其整合到一个在线镜像下降计划中,以实现次线性遗憾的最佳顺序相比,在事后的最佳分配时,输入独立绘制,从一个未知的分布。此外,我们表明,我们的方法可以很容易地纳入标准现有的起搏系统,通常不是为了这个目标。我们的算法在互联网广告应用中的有效性,证实了真实世界数据的数值实验。
2021-06-17 cs.GT
Sponsored Search Auctions with Markovian Users
赞助搜索涉及在广告客户之间进行拍卖,这些广告客户出价以使他们的广告显示在特定关键字的搜索结果旁边。目前,赞助搜索最流行的拍卖是“通用第二价格”(GSP)拍卖,其中广告客户按其“得分”的降序分配到广告位,“得分”被定义为他们的出价和点击率的乘积。在过去的几年里,已经有显着的研究中出现的广告客户的互动机制,以及可能的重新设计的机制的博弈论问题,但这种排名顺序仍然是标准的。从搜索引擎的角度来看,最根本的问题是:什么是广告客户的最佳分配插槽?这里的“最佳”可以指“最大化用户满意度”、“最高效”、“收入最大化”、“最简单的交互”或这些的组合。要回答这个问题,我们需要了解搜索引擎用户在看到显示的广告时的行为,因为这定义了广告商正在竞标的商品及其价值。大多数先前的工作都假设用户点击广告的概率与页面上显示的其他广告无关。我们提出了一个简单的马尔可夫用户模型,不做这个假设。然后,我们提出了一个算法,以确定最有效的分配在这个模型下,这原来是不同的GSP。一个真实的拍卖,然后从维克雷-克拉克-格罗夫斯(VCG)机制的应用。此外,我们表明,我们的分配有许多可取的属性的GSP,使投标直观。在我们的结果的技术核心是一些见解的结构的最优分配。
2008-05-06 cs.GT
Bid Optimization in Broad-Match Ad auctions
赞助搜索中的广告拍卖支持“广泛匹配”,允许广告客户瞄准大量查询,同时只对有限的数量进行出价。在为广告商提供更多表现力的同时,此功能使优化出价以最大化其回报具有挑战性:选择对查询进行出价作为广泛匹配,因为它提供高利润,而对相关查询的一次出价可能产生低利润甚至负利润。我们抽象和研究的{ \em出价优化问题},这是确定一个广告客户的关键字的子集上的出价(可能使用广泛的匹配),使她的利润最大化的复杂性。在查询语言模型中,当广告商被允许对所有的查询作为广泛的匹配出价时,我们提出了一个基于线性规划(LP)的多项式时间算法,以获得最佳的利润。在广告商只能对关键词出价的模型中,一个子集的关键字作为一个确切的或广泛的匹配,我们表明,这个问题是不可近似的任何合理的近似因子,除非P=NP。为了处理这个困难的结果,当最佳利润显着超过成本时,我们提出了一个常数因子近似。该算法是基于舍入的自然LP制定的问题。最后,我们研究了预算的问题的变体,并表明,在查询语言模型中,可以找到两个预算约束的广告活动在多项式时间,实现最优的投标策略。我们的研究结果是第一个解决出价优化下的广泛匹配功能,这是常见的广告拍卖。
2009-01-23 cs.DS cs.GT
A lattice framework for pricing display advertisement options with the stochastic volatility underlying model
广告(简称广告)选项是在线广告的最新发展。简单地说,广告选项是一种先看合同,在这种合同中,发布商或搜索引擎授予广告商权利,但没有义务进入交易,以在特定交付日期以预先指定的价格购买特定广告位的展示或点击。这种结构为广告商提供了更大的保证交付灵活性。广告期权的定价是一个重要的研究课题,以往对广告期权定价的研究大多局限于价格服从几何布朗运动的情形。这一假设对于赞助搜索是合理的;然而,一些研究也表明,它对显示广告无效。在本文中,我们解决这个问题,采用随机波动率(SV)模型,并讨论了一个格子框架,以近似建议SV模型在期权定价。通过对真实广告数据的实验验证了我们的发展:(i)我们发现SV模型比GBM模型具有更好的适应性;(ii)我们通过两种顺序蒙特卡罗模拟方法验证了所提出的格模型;(iii)我们证明广告商能够通过使用所提出的选项来灵活地管理他们的保证交付,并且当出版商的一些库存通过广告选项出售时,出版商可以具有增加的收入。
2015-12-09 cs.GT q-fin.CP
Sponsored Question Answering
本文首次形式化分析赞助型问答平台,提出融合自然答案与广告的赞助答案机制,并证明该机制能激励广告主真实出价且具备VCG拍卖的稳定性。
2024-07-05 cs.GT
Multi-Armed Bandit Mechanisms for Multi-Slot Sponsored Search Auctions
在当前被搜索引擎广泛使用的按点击付费赞助的搜索拍卖中,针对关键字的拍卖涉及一定数量的广告商(例如k)竞争可用的位置(例如m)以显示他们的广告。这种拍卖通常进行多轮(比如T轮)。存在与每个座席-时隙对相关联的点击概率mu_ij。搜索引擎的目标是广告主的社会福利最大化,即广告主的价值总和。搜索引擎不知道广告商对于点击他们各自的广告所具有的真实值,并且也不知道点击概率mu_ij s。因此,搜索引擎的关键问题是在拍卖的T轮期间学习这些点击概率,并且还确保拍卖机制是真实的。最近已经引入了用于解决这种学习和激励问题的机制,并且被恰当地称为多武装强盗(MAB)机制。当m = 1时,真实MAB机制的特征在文献中可用,并且已经表明,这种机制的遗憾将是O(T^{2/3})。在本文中,我们试图在现实的,但非平凡的一般情况下,当m > 1,得到一个特征,并得到几个有趣的结果。
2010-01-17 cs.GT
Truthful Mechanisms for Competing Submodular Processes
出于应用程序的口碑广告,我们考虑了一个博弈论的情况下,竞争的广告客户希望在社交网络中的目标最初采用者。每个广告客户都希望最大限度地发挥影响力,这是一个一般的网络扩散过程。然而,产品之间的竞争可能会对任何特定公司的采用率产生不利影响。由此产生的框架产生了复杂的偏好,依赖于随机扩散模型和网络拓扑结构的细节。我们从一个中心机制的角度研究这个模型,例如社交网络平台,它可以优化种子投放作为广告商的服务。我们要问:给定竞争企业报告的需求,一个机制应该如何选择种子以最大限度地提高整体效率?除了算法问题,竞争还引发了战略行为问题:理性的代理人不应该被激励少报他们的预算需求。我们表明,当有两个球员,社会福利可以$2$ -近似的多项式时间strategyproof机制。我们的机制是递归定义的,根据特定的贪婪方法随机分配种子的顺序。对于三个或三个以上的球员,我们证明,在额外的假设(满足许多现有的影响力传播模型)存在一个更简单的strategyproof $\frac{e}{e-1}$近似机制,值得注意的是,这第二种机制不一定是strategyproof时,只有两个球员。
2014-03-25 cs.DS cs.GT
Budget Optimization in Search-Based Advertising Auctions
互联网搜索公司基于用户的搜索查询通过拍卖出售广告位。虽然拍卖过程及其博弈论方面受到了很多关注,但我们的重点是广告商。特别是,广告商必须解决一个复杂的优化问题,即如何对他们感兴趣的关键字进行出价,以便在给定的预算下最大限度地提高回报(用户点击广告的次数)。我们对整个过程进行建模,并研究这个预算优化问题。虽然大多数变体都是NP难的,但我们发现,也许令人惊讶的是,简单地在两个统一的策略之间进行随机化,这些策略对所有关键字的出价都是一样的。更准确地说,这种策略至少可以获得最大点击量的1-1/e分数。这种统一的战略可能是切实可行的。我们还提出了不可逼近的结果,和预算优化问题的变体的最优算法。
2006-12-08 cs.CE cs.DS cs.GT
Combinatorial Auctions with Budgets
我们考虑预算约束的组合拍卖,投标人$i$有一个私人价值$v_i$,预算$b_i$,并感兴趣的所有项目在$S_i$。项目集合$R$的代理$i$的值是$|R \cap S_i| \cdot v_i$。这样的拍卖捕获了广告词拍卖,其中广告商响应于依赖于广告商的一组广告词而提供广告出价,并且广告商有预算。众所周知,即使所有项目都是相同的,所有预算都是公开的,也不可能做到真实和有效。我们的主要结果是一种新的拍卖,运行在多项式时间,是激励兼容,并确保帕累托最优的拍卖时,估值是私人和预算是公共知识。这将Dobzinski等人(FOCS 2008)关于多个{ \sl相同}物品和公共预算拍卖的结果扩展到了具有公共预算的单值{ \sl组合}拍卖。
2010-04-20 cs.DS cs.GT
Optimizing Trade-offs Among Stakeholders in Real-Time Bidding by Incorporating Multimedia Metrics
网页上的横幅广告(简而言之,广告)通常被讨论为互联网经济学主题,其中发布者使用拍卖模型将在线用户的页面视图出售给广告商,并且具有最高出价的人可以将其广告显示给用户。这也被称为\emph{real-time bidding}(RTB),广告显示过程确保发布者的利益最大化或广告拍卖中存在均衡。然而,其他两个利益相关者-广告商和用户-的利益很少被讨论。在本文中,我们提出了一个两阶段的计算框架,选择一个横幅广告的基础上优化权衡所有利益相关者。第一阶段仍然是基于拍卖的,第二阶段通过考虑所有利益相关者的利益来重新排列广告。我们的指标变量是:发布者的收入、广告主的效用、广告可记忆性、广告点击率(CTR)、上下文相关性和视觉显著性。据我们所知,这是第一个工作,优化RTB的所有利益相关者之间的权衡,将多媒体指标。还提出了一种算法来确定度量变量的最佳权重。我们使用广告拍卖数据集和多媒体数据集来验证所提出的框架。我们的实验结果表明,出版商可以显着提高其他利益相关者的利益,在短期内略有减少她的收入。从长远来看,广告商和用户将更加参与,广告需求的增加和页面浏览量的增加可以增加出版商的收入。
2017-08-01 cs.GT cs.MM
Individual Welfare Guarantees in the Autobidding World with Machine-learned Advice
该研究针对自动竞价场景下总福利提升可能损害个体竞价者福利的问题,分析了有无机器学习建议时的个体福利损失,提出将机器学习建议设为个性化保留价的VCG拍卖机制,给出个体福利下界并证明其最优性,还将结果拓展至GFP和GSP拍卖。
2023-06-14 cs.GT
Mathematical Modeling of Competition in Sponsored Search Market
自[13]和[14]的开创性论文以来,近年来赞助搜索机制引起了学术界和工业界的广泛关注。然而,现有的文献大多集中在市场上只有一个搜索引擎的范围内的机制设计和分析。在本文中,我们提出了一个数学框架,在竞争激烈的市场中,出版商,广告商和最终用户的互动建模。我们首先考虑垄断市场模型,并提供事前和事后的情况下,这代表了搜索引擎的长期和短期收入的最优解。然后,我们分析了双寡头垄断下最终用户和广告主的策略行为,并从事后角度证明了两个搜索引擎共存的均衡存在性。为了展示更一般的事前结果,我们在不同的参数设置下进行了广泛的模拟。我们的分析和观察,在这项工作中可以提供有益的见解,规范赞助搜索市场,保护广告客户和最终用户的利益。
2010-08-31 cs.GT
Large-Scale Auto-bidding with Nash Equilibrium Constraints
Alibaba Group(阿里巴巴集团);Department of Statistics and Data Science(统计与数据科学系);Yale University(耶鲁大学)
本文提出纳什均衡约束出价框架,通过理论严谨的惩罚对偶梯度方法实现大规模自动出价的稳定性和最优性。
2026-02-02 cs.AI cs.GT cs.LG