Audited Auctions: Reducing Harms in Advertising
Boston University（波士顿大学）；Boston College（波士顿学院）；Harvard University（哈佛大学）；Massachusetts Institute of Technology（麻省理工学院）
研究广告市场中标准拍卖机制存在的问题，提出拍卖师审计和惩罚机制，该机制可筛选严重外部性，经证明能正式内化外部性，还通过实证探索了社会福利收益。
2026-07-21 cs.GT
Bidder Feedback in First-Price Auctions for Video Advertising
本文研究视频广告第一价格拍卖中“最低中标价”反馈的推广，通过双合作博弈核心刻画维持最优分配的投标更新，并基于真实数据实证分析其动态与收敛性。
2025-06-20 cs.GT
Auto-bidding and Auctions in Online Advertising: A Survey
该综述梳理了在线广告自动出价普及背景下的相关研究进展，分析了自动出价带来的挑战与机遇，覆盖出价算法、拍卖均衡与效率、最优拍卖设计等核心主题。
2024-08-14 cs.GT
An Analysis of Selection Bias Issue for Online Advertising
Yahoo Japan Corporation（雅虎日本公司）
在在线广告中，一组潜在的广告可以通过某个拍卖系统进行排名，其中通常前1个广告将被选择并显示在广告空间处。在本文中，我们展示了一个选择偏差的问题，是目前在拍卖系统。我们分析了选择偏差破坏了拍卖的真实性，这意味着拍卖中的买家（广告商）不能最大化他们的利润。虽然选择偏差在统计学领域是众所周知的，并且有很多关于它的研究，但我们的主要贡献是将选择偏差的理论分析与拍卖机制结合起来。在我们的实验中，使用在线A/B测试，我们评估的选择偏差的拍卖系统的排名分数是预测的CTR（点击率）的广告。实验表明，通过使用学习所有广告数据的多任务学习，选择偏差大大减少。
2022-06-07 cs.GT cs.IR cs.LG
On Designing a Two-stage Auction for Online Advertising
对于工业在线广告系统的可扩展性，两阶段拍卖架构被广泛用于在有限的响应时间内在大量语料库上实现高效的广告分配。目前采用的两阶段广告拍卖通常在拍卖前阶段通过粗略的广告质量度量来获取广告子集，然后在后续阶段通过细化的度量来确定拍卖结果。然而，这种简单且贪婪的解决方案遭受严重的性能下降，因为它单独考虑每个阶段中的决策，导致用于拍卖前阶段的不适当的广告选择度量。在这项工作中，我们明确调查的粗糙和精细的广告质量指标之间的关系，并设计了一个两阶段的广告拍卖，考虑到这两个阶段之间的决策相互作用。我们解耦的两阶段拍卖的设计，通过解决一个随机的子集选择问题在拍卖前的阶段，并进行一般的第二价格（GSP）拍卖在第二阶段。我们证明了这种解耦仍然保持了拍卖机制的激励相容性。由于建议制定的预拍卖阶段是一个NP-难的问题，我们提出了一个可扩展的近似解决方案，通过定义一个新的子集选择度量，即预拍卖分数（PAS）。在公共数据集和行业数据集上的实验结果表明，与传统的贪婪两阶段拍卖和其他基准拍卖相比，两阶段拍卖在社会福利和收益方面都有显著的改善。
2021-11-10 cs.GT
General Auction Mechanism for Search Advertising
在赞助搜索中，搜索结果页面上有许多广告位可用，并且必须在一组竞争在页面上显示广告的广告商之间分配。这就产生了一个双边匹配市场，通常通过自动拍卖的方式进行清算。已经提出了几种拍卖机制，其中普遍第二价格的变体在实践中得到广泛使用。大量关于双边匹配市场的研究建立在盖尔和沙普利的稳定婚姻模型以及沙普利和舒比克的分配模型之上。我们从这条线的研究到稳定的结果和他们的激励属性的结构，以广告拍卖的见解。我们的模型广告拍卖的分配模型与线性效用，扩展与投标人和项目特定的最高和最低价格。拍卖机制，如常用的GSP或著名的Vickrey-Clarke-Groves（VCG）被解释为简单地计算一个\emph{bidder-optimal stable matching}在这个模型中，一个适当定义的一组投标人的喜好。在我们的模型中，存在一个稳定的匹配是有保证的，并在非退化的假设下，投标人最优的稳定匹配存在。我们给出了一个算法，找到这样的匹配在多项式时间，并使用它来设计真实的机制，推广普惠制，是真实的利润最大化的投标人，实现功能，如投标人特定的最低价格和位置特定的出价，并为丰富的投标人和偏好的混合物。
2008-07-08 cs.GT
Practical Constrained Optimization of Auction Mechanisms in E-Commerce Sponsored Search Advertising
Alibaba Group（阿里巴巴集团）；Tantan（探探）
亚马逊、淘宝和天猫等电子商业平台的赞助搜索为卖家提供了一种有效的方式，以达到最相关的目的。本文研究了阿里巴巴移动电子商业平台上赞助搜索中的拍卖机制优化问题。除了创造收入外，我们还应该保持一个拥有大量优质用户的高效市场，保证广告商的合理投资回报率（ROI），同时为用户提供愉快的购物体验。这些要求本质上提出了一个约束优化问题。直接优化拍卖参数会产生一个不连续的，非凸的问题，否认有效的解决方案。我们的主要贡献之一是一个实用的凸优化制定的原始问题。我们设计了一种新的重新参数化的拍卖机制离散集的代表性的情况下。为了构造优化问题，我们建立了一个拍卖模拟系统，通过重放从真实在线请求记录的拍卖来估计所选参数的业务指标。我们总结了真实搜索流量的实验，分析了拍卖模拟的逼真度，不同约束目标下的有效性和正则化的影响。实验结果表明，通过适当的熵正则化，我们能够最大化收入，同时限制在给定的范围内的其他业务指标。
2018-07-31 cs.GT cs.LG stat.ML
Fast Core Pricing for Rich Advertising Auctions
标准的广告拍卖格式不会立即扩展到广告商可以使用多种尺寸配置和布局的设置。在这些环境中，网络广告空间的销售越来越类似于具有互补性的组合拍卖，其中诸如Vickrey-Clarke-Groves（VCG）的真实拍卖可以产生不可接受的低收入。因此，我们研究核心选择拍卖，提高收入，通过设置付款，使没有一组代理人，包括拍卖，可以共同提高他们的效用切换到不同的结果。我们的主要结果是一个组合算法，找到一个近似的投标人的最优核心点，几乎线性数量的调用福利最大化甲骨文。我们的算法比文献中先前提出的算法更快，并且具有理论保证。我们的结论是，核心定价是可实现的，即使是非常时间敏感的实际用例，如实时拍卖的在线广告，可以产生更多的收入。我们证明这一说法实验使用微软Bing广告拍卖数据，通过它，我们表明我们的核心定价算法产生的收入比VCG平均多近26%，比文献中已知的其他核心定价规则多约9%的收入，几乎与标准的广义第二价格（GSP）拍卖的收入相匹配。
2020-11-08 cs.DS cs.GT
Truthful Auctions for Automated Bidding in Online Advertising
针对广告主价值公开而预算、ROI等财务约束私有的自动竞价场景，论文推导真实性条件并提出基于个性化排名分数和临界ROI的GSP式真实拍卖机制，实验证明其优于一价与二价拍卖。
2023-08-19 cs.GT
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
Individual Fairness in Advertising Auctions through Inverse Proportionality
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of California, Berkeley（加利福尼亚大学伯克利分校）
最近的实证研究表明，即使所有广告商都以非歧视性的方式出价，在线广告也会在用户之间的广告投放中表现出偏见。我们研究广告拍卖的设计，给出公平的出价，保证产生公平的结果。根据Dwork和Ilvento（2019）和Chawla等人（2020）的工作，我们的目标是设计一个真实的拍卖，在其结果中满足“个人公平性”：非正式地说，彼此相似的用户应该获得相似的广告分配。在这个框架内，我们量化的权衡之间的社会福利最大化和公平。这项工作作出了两个概念上的贡献。首先，我们表达的公平性约束作为一种稳定性条件：任何两个用户分配乘法相似的值由所有的广告客户必须获得添加相似的分配每个广告客户。该值稳定性约束被表达为将值向量之间的乘法距离映射到对应分配之间的最大允许$\ell_{\infty}$距离的函数。标准拍卖并不满足这种价值稳定性。其次，我们引入了一类新的分配算法，称为反比例分配，实现公平和社会福利之间的一个广泛的和表达类的价值稳定性条件的接近最优的权衡。这些分配算法是真实的和先验自由的，并实现一个常数因子近似的最佳（无约束）社会福利。特别地，近似比与系统中的广告商的数量无关。在这方面，这些分配算法大大超过了以前的工作中取得的保证。我们还将我们的结果扩展到更广泛的公平概念，我们称之为子集公平。
2021-12-01 cs.GT cs.LG
Contextual Generative Auction with Permutation-level Externalities for Online Advertising
本文提出上下文生成式拍卖（CGA），通过自回归模型建模排列级外部性并解耦分配与支付优化，显著提升在线广告拍卖的平台收入与点击率。
2024-12-16 cs.GT
Leveraging the Hints: Adaptive Bidding in Repeated First-Price Auctions
MIT（麻省理工学院）；Arena Technologies（阿雷纳科技公司）；Yahoo! Research（雅虎研究院）；Stanford（斯坦福大学）；NYU Stern（纽约大学斯特恩商学院）
随着电子商务的出现和日益巩固，数字广告最近取代传统广告成为经济中的主要营销力量。在过去的四年里，数字广告行业的一个特别重要的发展是在线展示广告从第二价格拍卖转向第一价格拍卖。这种转变立即激发了如何在第一价格拍卖中出价的智力挑战问题，因为与第二价格拍卖不同，真实地出价一个人的私人价值不再是最佳的。在这一领域的一系列最新工作之后，我们考虑了一个差异化的设置：我们不对其他投标人的最高出价做出任何假设（即随着时间的推移，它可能是对抗性的），而是假设我们可以访问作为其他投标人最高出价预测的提示，其中预测是通过一些黑盒机器学习模型学习的。我们考虑两种类型的提示：一种是单点预测可用，另一种是提示区间（表示其他人的最大出价落入的置信区间）可用。我们建立最小最大最优遗憾界的两种情况下，并强调两种设置之间的定量不同的行为。我们还提供了改进的遗憾界时，其他人的最大出价表现出进一步的稀疏结构。最后，我们补充的理论结果与示范使用真实的投标数据。
2022-11-05 cs.GT cs.LG
Bandits for Sponsored Search Auctions under Unknown Valuation Model: Case Study in E-Commerce Advertising
Eindhoven University of Technology（埃因霍温理工大学）；Zalando SE（扎兰多股份公司）
针对赞助搜索拍卖估值未知、反馈无假设约束的问题，提出适配黑盒拍卖与延迟批量反馈的多臂老虎机出价系统，经Zalando案例验证可有效提升拍卖盈利能力。
2024-05-14 cs.AI cs.GT cs.LG
Auction for Double-Wide Ads
我们提出了一个拍卖的在线广告，每个广告占据一个广场或两个水平相邻的广场网格。我们的主要应用是在Instacart或Amazon等零售网站上展示的产品广告，这些产品自然地组织成网格。我们提出了有效的算法来计算广告的最佳布局和广告的定价。拍卖是互联网搜索引擎（例如Google，Microsoft Bing，Yahoo！）使用的广义第二价格（GSP）拍卖的推广。
2022-07-09 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
LLM-OSDA: An Optimal-Stopping Dynamic Auction for Native Advertising in Multi-Turn LLM Conversations
针对多轮LLM对话中原生广告的时机与分配耦合问题，提出LLM-OSDA动态拍卖机制，结合贝尔曼最优停止等，在模拟实验中使净收益提升11%且用户留存相当。
2026-10-14 cs.AI cs.CL cs.GT
Optimal Auction Design in the Joint Advertising
Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China（中国人民大学人工智能学院）；Beijing Key Laboratory of Research on Large Models（北京大型模型研究重点实验室）；Engineering Research Center of Next-Generation Intelligent Search（下一代智能搜索工程研究中心）
本文针对联合广告提出单广告位最优机制，并设计基于组合的神经网络方法BundleNet解决多广告位场景，实验表明其在提升平台收入的同时保证了激励兼容与个体理性。
2025-07-10 cs.AI 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
Model Monotonicity in Autobidding Auctions: When Do Better Predictions Lead to Better Outcomes?
Uber Technologies, Inc.（优步技术公司）
研究在线广告中推荐系统模型质量、拍卖格式和自动竞价者行为的相互作用，通过聚类精炼定义模型改进，并系统刻画不同竞价者类型、拍卖格式和预算约束下评估指标单调性的条件。
2026-05-29 cs.GT cs.LG
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
Bidders' Responses to Auction Format Change in Internet Display Advertising Auctions
FEN U. de Chile（智利大学工程学院）；Data Science at People, Inc（People公司数据科学部）
本文研究了新拍卖格式引入对投标行为的影响，通过实证数据发现采用第一价格拍卖后，成交价格显著上升，但随时间推移逐渐回落，揭示了投标策略的渐进调整过程。
2026-07-21 cs.GT econ.GN q-fin.EC
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
Randomized Revenue Monotone Mechanisms for Online Advertising
在线广告是许多互联网公司的主要收入来源。在线广告的一个核心组成部分是为给定广告位选择获胜广告并为其定价的基本机制。在本文中，我们研究设计一种机制的组合拍卖与相同的项目（CAII），我们有兴趣出售$k$相同的项目，一组投标人，每个要求一定数量的项目之间的$1$和$k$。CAII概括了重要的在线广告场景，如图像-文本和视频-pod拍卖[GK 14]。在图像-文本拍卖中，我们希望用$k$文本广告或单个图像广告来填充发布者网页上的广告位，而在视频-吊舱拍卖中，我们希望用可能不同持续时间的视频广告来填充$k$秒的广告间隙。我们的目标是设计满足收入单调性（RM）的真实机制。RM是一个自然约束，它指出，如果参与者的数量增加，或者如果一个参与者增加她的出价，机制的收入不应该减少。[GK 14]表明，对于CAII，没有确定性RM机制可以获得小于$\ln(k)$的PoRM，即，没有确定性机制可以获得大于最大社会福利的$\frac{1}{\ln(k)}$部分。[GK 14]还设计了一种基于PORM的$O(\ln^2(k))$的CAII机制。在本文中，我们试图克服[GK 14]的不可能性结果确定性机制，通过使用随机化的力量。我们表明，通过使用随机化，可以达到一个常数PoRM。特别是，我们设计了一个随机RM机制，PORM为$3$的CAII。
2015-07-01 cs.GT
Deterministic-Allocation and Anonymous Joint Advertising in E-commerce Platforms
Meituan Inc.（美团）；University of California, San Diego（加州大学圣地亚哥分校）
本文研究了电子商务平台中确定性分配与匿名联合广告的问题，提出了一种基于transformer的神经网络架构JTransNet，用于最优的确定性分配和匿名联合拍卖设计，实验表明其在联合拍卖场景中显著提升了平台收益。
2026-06-12 cs.GT
Revenue in First- and Second-Price Display Advertising Auctions: Understanding Markets with Learning Agents
本文研究展示广告拍卖从SPA转向FPA对收益的影响，通过分析建模和数值实验探索学习智能体的收敛行为，发现收益等价不成立，合谋非FPA收益低的原因。
2024-12-03 cs.GT
Multi-Category Fairness in Sponsored Search Auctions
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Harvard University（哈佛大学）
广告中的公平性是一个受到计算机科学和经济学文献中理论和经验观察的特别关注的话题。我们研究了为来自许多不同类别的广告客户提供服务的通用平台的广告公平性问题。首先，我们从个体公平和无嫉妒的角度出发，提出了类间公平和类内公平的要求。其次，我们调查的“平台实用程序”（代理的质量分配）可实现的机制，满足这些desiderata。更具体地说，我们比较公平的机制对不公平的最佳效用，我们通过建设表明，我们的公平desiderata是兼容的效用。也就是说，我们构建了一个家庭的公平机制，具有高效用，在一类公平机制中表现接近最优。我们的机制还具有良好的实现属性，包括度量遗忘，这允许平台在不需要知道公平性要求的具体情况下产生公平分配。
2019-08-29 cs.GT cs.LG
Vulnerabilities of Single-Round Incentive Compatibility in Auto-bidding: Theory and Evidence from ROI-Constrained Online Advertising Markets
本文研究 ROI 约束在线广告自动出价市场，证明第二价格拍卖的单轮 IC 存在计算困难、非单调、效用不稳和干扰 A/B 测试等缺陷。
2024-05-11 cs.GT
Beyond Independent Values: Optimal Auctions with Correlated Valuations for LLM-Native Advertising
The University of Adelaide（阿德莱德大学）
针对LLM原生广告中广告主估值相关的问题，提出AffMyerson拍卖机制，其收益优于传统拍卖，且在真实查询场景下仍有显著收益提升。
2026-10-14 cs.GT cs.MA
Simple Mechanisms for Welfare Maximization in Rich Advertising Auctions
互联网广告拍卖已经从几行文字发展到更丰富的信息布局，包括图像、网站链接、视频等。这些新格式的广告占据不同的空间，广告商可以提供多种格式，只能显示其中一种。卖方现在面临着一个多参数的机制设计问题。计算一个有效的分配是计算棘手的，因此标准的Vickrey-Clarke-Groves（VCG）拍卖，虽然真实和福利最优，是不切实际的。在本文中，我们解决了现代广告拍卖设计中的一个基本问题。我们采用了“迈尔逊”的方法和研究分配规则，都是单调的出价和丰富的广告集。我们表明，这样的规则可以与支付功能配对，以提供一个真实的拍卖。我们的主要技术挑战是设计一个单调的规则，产生一个很好的近似最优福利。单调性不适用于标准算法，例如增量bang-per-buck顺序，它对像我们这样的“背包式”问题给出了很好的近似。事实上，我们表明，没有确定性的单调规则可以近似的最佳福利比$2$的因素（而有一个非单调的FPTAS）。我们的主要结果是一个新的，简单的，贪婪和单调的分配规则，保证了$3$近似。在实际的广告拍卖中，单调分配规则通常与所谓的广义第二价格（GSP）支付规则配对，该规则收取最低阈值价格，低于该价格分配会发生变化。我们证明了，即使我们的单调分配规则与GSP配对是不真实的，其无政府代价（PoA）是有界的。在标准的无竞价假设下，证明了$6$的纯PoA界和$\frac{6}{(1 - \frac{1}{e})}$的…
2022-06-06 cs.GT
ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning
University of Maryland（马里兰大学）；Hofstra University（霍夫斯特拉大学）；University of Maryland and John Dickerson（马里兰大学和John Dickerson）
具有强激励保证的收入最大化拍卖的设计是经济理论的核心问题。计算拍卖使在线广告，采购，频谱分配和无数的金融市场成为可能。在这个领域的分析进展是出了名的困难;自从Myerson在1981年的工作描述了单一物品最优拍卖，在限制设置之外的进展有限。Dütting等人最近的一篇论文通过将深度学习技术应用于近似最优拍卖来规避分析困难。与此同时，Ilvento等人和其他研究小组的新研究也在拍卖设计的背景下发展了公平的概念。受这些进展的启发，在本文中，我们使用深度学习扩展了近似拍卖的技术，以解决公平性问题，同时保持高收入和强激励保证。
2020-10-13 cs.GT cs.LG
Hybrid Advertising in the Sponsored Search
针对传统与联合广告模式导致部分用户点击率低的问题，提出Hybrid Advertising模型，并设计HRegNet神经网络生成近似激励兼容的拍卖机制，显著提升了平台收入。
2025-07-10 cs.GT
Robust Auction Design in the Auto-bidding World
在经典的拍卖理论中，保留价被认为是有效的，以提高拍卖商对准线性效用最大化投标人的收入。然而，保留价的引入通常无助于提高拍卖师和竞标者的总体福利。在本文中，我们专注于价值最大化的投标人与回报的支出约束-一个范例，最近引起了相当大的关注，越来越多的广告客户采用自动投标算法的广告平台-并表明，底价的引入对市场产生了新的影响。也就是说，通过适当地选择保留价，拍卖人不仅可以提高总收益，而且可以提高总福利。我们的研究结果还表明，保留价是强大的投标人类型，即，保留价格对于不同的投标人类型（例如价值最大化者和效用最大化者）都很有效，而不使用投标人类型信息。我们推广这些结果的各种拍卖机制，如VCG，普惠制，和第一价格拍卖。此外，我们展示了如何将这些结果与添加剂助推相结合，以进一步提高拍卖结果的福利。最后，我们补充我们的理论观察与实证研究证实这些想法的有效性，从网上广告拍卖的数据。
2021-11-03 cs.GT
Managing Risk of Bidding in Display Advertising
在本文中，我们处理的不确定性投标的显示广告。类似于金融市场交易，基于实时竞价（RTB）的显示广告采用拍卖机制来自动化印象级媒体购买;并且运行活动与获取新客户以获得额外的转换销售的投资没有什么不同。因此，如何对广告印象进行最佳出价以推动利润和投资回报率变得至关重要。然而，用户行为的大随机性和拍卖竞争引起的成本的不确定性可能会导致一个显着的风险，从运动的性能估计。在本文中，我们明确的用户点击率估计和拍卖竞争的不确定性模型捕捉风险。我们从金融学中借用一个想法，并得出每个广告展示机会的风险价值。我们的制定结果在两个风险意识的投标策略，惩罚有风险的广告印象，并更专注于那些具有较高的预期回报和较低的风险。对真实世界数据的实证研究表明，我们提出的风险意识投标策略的有效性：在商业RTB平台上的离线实验中获得15.4%的利润收益，在在线A/B测试中获得高达17.5%的利润收益。
2017-01-20 cs.GT
Learning and Trust in Auction Markets
在本文中，我们研究的投标人的行为在一个实验性的推出一个新的广告拍卖平台的Zillow，作为Zillow从谈判合同切换到使用拍卖在几个地理上孤立的市场。这个实验的一个独特之处是，这个市场中的投标人是代表自己投标的房地产经纪人，而不是使用第三方中介。为了帮助投标人，Zillow还提供了一个推荐工具，为每个投标人提供建议。本文主要研究投标人是否采用平台提供的投标推荐的决策问题。我们注意到，很大一部分投标人没有使用推荐的投标。使用代理的出价历史，我们推断他们的价值，并将代理的后悔与他们的实际出价历史进行比较，结果他们会得到以下的建议。我们发现，对于一半的代理人不遵循的建议，增加的努力，试验替代出价的结果增加遗憾，即，他们从系统中获得的净值减少了。随着市场的成熟，不遵循建议的代理商比例缓慢下降，但在我们观察的大多数市场中，这一比例仍然很大。我们认为，这种现象的主要原因是缺乏信任的平台提供的工具。我们的工作为基于拍卖的在线广告平台的可能设计选择提供了经验性的见解。虽然搜索广告平台（如谷歌或必应）允许投标人自己提交投标，但许多显示广告平台（如Facebook）代表投标人优化投标，并消除投标的必要性。我们的实证分析表明，后一种方法是首选的投标人是个人，谁没有访问第三方工具，谁可能会质疑平台提供的建议的公平性的市场。
2017-03-30 cs.GT
A Lightweight MPC Bidding Framework for Brand Auction Ads
Bytedance Inc.（字节跳动公司）
针对品牌广告的独特属性，提出轻量级模型预测控制竞价框架，利用在线保序回归构建单调竞价-花费和竞价-转化模型，实现高效在线竞价。
2026-06-23 cs.GT cs.LG cs.SY
Sponsored Search Auctions with Rich Ads
十多年来，通用第二价格（GSP）拍卖一直是赞助搜索广告的核心销售机制。然而，最近的趋势扩大了允许的广告格式集-包括各种大小，装饰和其他区别特征-这给基于GSP的平台带来了严重的问题。像Vickrey-Clarke-Groves（VCG）拍卖这样的替代方案带来了不同的复杂性，因为它们从根本上改变了价格的计算方式。在本文中，我们报告了我们的努力，重新设计一个搜索广告销售系统，从地面上在这个新的背景下，提出了一种机制，优化了整个石板的广告全球和计算价格，实现类似的属性由GSP在原来的，更简单的设置统一的广告。一个仔细的算法耦合的分配优化和定价计算允许我们的拍卖操作在严格的时间限制内固有的实时广告拍卖。我们在雅虎的双子座搜索平台的拍卖报告的性能结果。
2017-01-20 cs.GT
Ad auctions and cascade model: GSP inefficiency and algorithms
赞助式搜索拍卖（SSAs）的最佳经济机制设计是计算机制设计/博弈论的核心任务。两个开放的问题涉及到采用比目前使用的更准确的用户模型，以及在广义第二价格拍卖（GSP）和Vickrey-Clark-Groves机制（VCG）之间的选择。在本文中，我们提供了一些贡献来回答这些问题。本文研究了社会福利下的无政府代价（PoA）和稳定代价（PoS）以及普惠制下拍卖人的收益。当用户遵循著名的级联模型时，VCG。此外，我们提供了精确的，随机的和近似的算法，表明在现实世界的设置（雅虎！Webscope A3数据集，10个可用插槽）最佳分配可以在不到1秒的时间内找到多达1000个广告，即使超过1000个广告也可以在不到20毫秒的时间内近似计算，平均准确率超过99%。
2015-11-23 cs.GT
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
Strategically-Robust Learning Algorithms for Bidding in First-Price Auctions
Columbia University（哥伦比亚大学）；Google Research（谷歌研究院）
本文针对第一价格拍卖提出基于凹规划和自然梯度上升的出价学习算法，首次同时实现最优遗憾（对手环境 $O(\sqrt{T})$，随机环境 $O(\log T)$）与策略鲁棒性和激励相容性。
2024-07-07 cs.GT cs.LG
No-regret Learning in Repeated First-Price Auctions with Budget Constraints
Peking University（北京大学）；Zhejiang University（浙江大学）；Shanghai Jiaotong University（上海交通大学）
最近，在线广告市场已经呈现出从第二价格拍卖到第一价格拍卖的逐渐转变。虽然已经有一系列的工作，关于网上投标策略在一价拍卖，它仍然是开放的，如何处理预算约束的问题。在本文中，我们提出了一个买家的预算学习在线投标策略在重复的第一价格拍卖。针对静态竞争下的最优非预期策略，提出了一种基于RL的竞价算法。我们的算法获得$\widetilde O(\sqrt T)$ -如果出价都在每轮结束时显示，则表示遗憾。在每轮投标后买方只能看到中标者的限制下，我们的改进算法利用生存分析的技术得到$\widetilde O(T^{\frac{7}{12}})$ -后悔。我们的分析扩展到更一般的情况下，买方有任何有界的瞬时效用函数的遗憾相同的顺序。
2022-05-29 cs.GT cs.LG
Feedback Control for Small Budget Pacing
Snap Inc.（Snap公司）
本文提出了一种结合分桶滞回和比例反馈的反馈控制器，用于提高小预算在线广告中的节奏控制精度和稳定性。
2026-03-09 cs.GT cs.LG
Optimally Integrating Ad Auction into E-Commerce Platforms
广告成为在线交易平台最流行的货币化方式之一。通常，赞助广告被张贴在最有吸引力的位置，以提高点击量。不过，多个电子商业平台意识到，此举可能会损害用户的搜索体验，尽管它可以带来更多的收入。为了平衡广告收入和广告带来的用户体验损失，大多数电子商业平台会选择固定一些广告区域，并对广告数量进行一些简单的限制，例如固定K个广告在顶部位置，或者每N个有机搜索结果一个广告。不同于这些将广告的分配（与有机搜索项的排列分开）的常见规则，在这项工作中，我们建立了一个广告和有机项混合排列的集成系统。我们专注于设计真实的机制，以正确列出广告和有机项目，并优化即时收入和用户体验。此外，对于不同的设置和实际要求，我们扩展了我们的最优真实分配机制，以满足这些现实条件。最后，通过实验验证了该机制相对于常用的广告机制的改进。
2022-04-21 cs.GT
Deep Landscape Forecasting for Real-time Bidding Advertising
Shanghai Jiao Tong University（上海交通大学）
在线广告中实时的【形】拍卖的出现引起了对市场竞争建模的巨大关注，即，景观预测该问题被公式化为预测每个广告拍卖的市场价格的概率分布。考虑到第二价格拍卖机制所带来的审查问题，许多研究者将医学研究领域的生存分析引入到竞价景观预测中。然而，大多数现有的解决方案主要集中在基于计数的统计的分割样本聚类，或学习一个参数化模型的基础上的一些启发式假设的分布形式。此外，他们也没有考虑该功能在价格空间上的序列模式。为了在数据的细粒度级别捕获更复杂但灵活的模式，我们提出了一种深度景观预测（DLF）模型，该模型结合了用于概率分布预测的深度学习和用于审查处理的生存分析。具体来说，我们利用一个循环神经网络灵活地建模的条件获胜概率w.r.t.每一个出价。然后通过严格的数学推导，运用概率链法则对投标前景进行预测。而且，在端到端的方式，我们优化模型，最大限度地减少两个负面的可能性损失与综合动机。在没有对投标景观的分布形式进行任何具体假设的情况下，我们的模型在拟合各种复杂的市场价格分布方面表现出了很大的优势。在两个大规模真实世界数据集上的实验中，我们的模型在各种指标下都显着优于最先进的解决方案。
2019-05-12 cs.GT cs.IR cs.LG
Real-Time Optimisation for Online Learning in Auctions
Criteo AI Lab（Criteo人工智能实验室）
在展示广告中，一小群卖方和投标人每天在多达10 12次拍卖中面对面。在这种情况下，通过垄断价格学习实现收入最大化对卖方来说是一个高价值的问题。从本质上讲，这些拍卖是在线的，并产生非常高频率的数据流。这导致了计算压力，要求算法是实时的【形】。不幸的是，从批处理设置继承的现有方法在每次更新时都要承受O（$\sqrt t$）的时间/内存复杂度，因此无法使用它们。在本文中，我们提供了第一个算法的在线学习的垄断价格在线拍卖的更新是恒定的时间和内存。
2020-10-20 cs.GT cs.LG stat.ML
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
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
Generative Auto-Bidding in Large-Scale Competitive Auctions via Diffusion Completer-Aligner
Kuaishou Technology（快手科技）；Nanyang Technological University（南洋理工大学）；City University of HongKong（香港城市大学）；Chinese University of HongKong（香港中文大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
针对扩散模型在自动出价中生成动态合法性不足导致曝光损失的问题，提出基于扩散补全-对齐器的因果自动出价方法CBD，在基准和快手平台均实现性能提升。
2025-09-03 cs.GT cs.LG
Artificial Intelligence and Auction Design
Stanford Graduate School of Business, Stanford University（斯坦福大学斯坦福商学院）
受在线广告拍卖的启发，我们研究了简单人工智能算法（Q学习）重复拍卖中的拍卖设计。我们发现，第一价格拍卖，没有额外的反馈，导致默许串通的结果（出价低于价值），而第二价格拍卖没有。我们表明，差异是由激励在第一价格拍卖，出价超过对手，只有一个出价增量。这有助于在一个试验阶段之后对低出价进行重新协调。我们还表明，提供有关最低出价的信息，以赢得，介绍了由谷歌在切换到第一价格拍卖的时候，提高了拍卖的竞争力。
2022-02-12 cs.AI cs.GT econ.TH
Combining guaranteed and spot markets in display advertising: Selling guaranteed page views with stochastic demand
虽然页面浏览量通常在用户访问网站时通过实时拍卖立即出售，但也可以通过担保合同提前出售。在本文中，我们提出了一个动态规划模型来研究如何在线出版商应最佳分配和定价之间的保证和现货市场的页面浏览量。这个问题是具有挑战性的，因为保证合同的分配和定价影响广告客户如何在两个市场之间分配他们的购买，并且模型的最终价值由拍卖中更新的供求双重力量内生地决定。我们考虑广告客户的购买行为，即，风险厌恶和随机需求到达的最优解，并提出了一个可扩展的和有效的算法。该模型还与商业数据集进行了经验验证。实验结果表明，通过这两个渠道销售页面浏览量可以增加出版商的预期总收入，并且最佳定价和分配策略对不同的市场和广告商类型具有鲁棒性。
2019-12-11 cs.GT
Online learning in repeated auctions
Massachusetts Institute of Technology（麻省理工学院）；Université Paris Diderot（巴黎第七大学）
出于在线广告拍卖，我们考虑重复Vickrey拍卖，商品的价值未知的顺序出售和投标人只学习（潜在的噪音）的信息，一个好的价值，一旦它被购买。我们采用了一个在线学习的方法与强盗反馈建模这个问题，并得出两个模型的投标策略：随机和对抗。在随机模型中，货物的观测值是以货物的真实价值为中心的随机变量。在这种情况下，当与表现良好的对手竞争时，对数后悔是可以实现的。在对抗模型中，货物不需要完全相同，我们只是事后比较我们的表现与最佳固定出价。我们表明，次线性遗憾也是可以实现的，在这种情况下，证明匹配的极大极小下界。据我们所知，这是第一个完整的一套策略，投标人参加这种类型的拍卖。
2015-11-18 cs.GT cs.LG stat.ML
Risk-aware dynamic reserve prices of programmatic guarantee in display advertising
展示广告是一种重要的在线广告类型，网站上的横幅广告（简称广告）通常通过在线用户观看的次数来衡量。有两个主要渠道出售广告的意见。它们可以实时的拍卖，也可以提前通过担保合同直接出售。前者也被称为实时竞价（RTB），其中媒体买家来到一个共同的市场竞争单个广告视图，并且该库存将通过拍卖模型在毫秒内分配给买家。与RTB不同，购买和出售担保合同通常不是程序化的，而是通过私人谈判，因为广告商希望定制他们的请求并批量购买广告浏览量。在本文中，我们提出了一个简单的模型，有利于自动化的直销。在我们的模型中，媒体销售商将未来的广告浏览量出售，并随着时间的推移连续接收购买请求，直到未来的交付期。卖方保持一个隐藏但动态变化的底价，以决定是否接受购买请求。假设未来的供应和需求是很好的估计和静态的，并且模型的收入管理使用库存控制理论，其中每个计算的反向价格基于更新的供应和需求，并且未售出的未来广告视图将在RTB中拍卖以满足未满足的需求。该模型有几个理想的属性。首先，它不限于需求到达假设。其次，它不会影响RTB和直销之间的现有平衡，因为没有公布的保证价格。第三，该模型使用的预期收入从RTB作为库存控制的下限，我们表明，出版商可以收到预期的总收入大于或等于那些只有RTB，如果她使用计算的动态储备价格直接销售。
2017-01-18 cs.GT
Learning Prices for Repeated Auctions with Strategic Buyers
University of Pennsylvania（宾夕法尼亚大学）；Google Research（谷歌研究院）
受实时广告交易所在线展示广告的启发，我们考虑了当买方通过标价机制与卖方反复互动时，推断买方价值分布的问题。我们将买方建模为战略代理人，其目标是最大化其长期盈余，我们对最大化卖方长期收入的机制感兴趣。我们定义了战略后悔的自然概念--我们目前的卖方算法是没有-（战略）-后悔时，买方折扣她的未来盈余-即买方喜欢显示广告给用户早，而不是晚。我们还给出了一个下限的战略遗憾，增加买方的折扣减弱，并显示，特别是，任何卖方算法将遭受线性战略遗憾，如果没有折扣。
2013-11-26 cs.GT cs.LG
Bid Shading in The Brave New World of First-Price Auctions
Yahoo Research, Verizon Media（雅虎研究院，威瑞森媒体）
在线拍卖在在线广告中发挥着核心作用，是该行业可扩展性和增长的主要原因之一。随着拍卖组织方式的巨大变化，例如将第二价格拍卖类型改为第一价格拍卖类型，广告商和需求平台被迫适应新的不稳定环境。出价遮蔽是一种用于防止拍卖系统中的过度支付的已知技术，其可以帮助维持第一价格拍卖中的策略均衡，解决其最大缺点之一。在这项研究中，我们提出了一个机器学习方法建模的最佳出价着色的非审查在线一价广告拍卖。我们明确地激励了这种方法，并在一个主要的需求方平台上，在离线和在线设置中对其进行了广泛的评估。结果表明，新方法的优越性和鲁棒性相比，现有的方法在一系列的性能指标。
2020-09-02 cs.GT cs.LG stat.ML
