ICDM2019|阿里提出大规模个性化分发实时平滑算法并用于合约展示广告

Large-Scale Personalized Delivery for Guaranteed Display Advertising with Real-Time Pacing

Zhen Fang, Yang Li, Chuanren Liu, Wenxiang Zhu, Yu Zhang, Wenjun Zhou

Alibaba Group, Drexel University, University of Tennessee

https://datamining.utk.edu/content/uploads/2020/02/Personalized_Delivery.pdf

合约广告在展示广告中是一种比较成功的模型。现有的解决方案通常是将合约广告服务建模成一个群体层面的供给分配问题。但是，这种方式，不仅忽略了群组中用户的多样性，而且很难跟个体层面的约束融合起来。

这篇文章中，提出一种大规模系统，可以用于合约广告服务中的个性化分发。特有的贡献是在个体层面对供给分配问题进行建模，进而可以解释用户广告之间的交互行为。

因此，该系统可以方便地将复杂约束条件融合进来，比如合约广告合同的优先级，广告的展示频率以及广告时段的高效分配。此外，作者们开发了一种实时平滑策略，来满足合约广告的合同，广告分发时进行平滑的分发，同时优化广告投放效果，比如每次点击成本以及每次转化成本。

该系统可以并行高效计算，利用数十亿决策变量来计算分发方案。基于离线评估和在线的ab实验，结果显示作者们所提出的方案效果优于先前的方法，不仅包含准确性还包含效率。

个性化合约广告分配系统图示如下

这篇文章的主要贡献如下

部分相关工作简介如下

预算平滑相关的工作有以下几个代表性的

问题描述如下

合约广告图示如下

关于点击率预估模型，作者们采用了以下特征

为了自适应流量变化，作者们按小时更新模型

日更和小时更新模型的auc对比图如下

目标函数及约束条件定义如下

为实现大规模并行算法，作者们采用了二阶段来实现

一阶段算法伪代码如下

线上预算平滑策略实现方式如下

关于效果指标，作者们采用了以下几种

几种方法的效果对比如下

每点击成本对比如下

几种方法的平滑效果以及ctr效果对比如下

不同的分发率对算法效果影响如下

参数lambda对算法效果影响如下

---

              我是分割线

---

您可能感兴趣

微软提出实时竞价算法并用于效果展示广告分配

淘宝展示广告中的优化点击成本算法

在线定向广告中的预算控制算法

KDD2021|清华联合雅虎|斯坦福大学|纽约大学提出竞价隐藏算法MEOW

在线广告中的平滑预算控制实时竞价优化算法

KDD2021|雅虎提出高效深层分布网络竞价策略用于一阶广告拍卖竞价隐藏

KDD2021|华为联合上交提出CTR预估数值特征embedding学习框架AutoDis(已开源)

KDD2021|腾讯联合中科院北航提出人群扩展算法MetaHeac并用于推荐和广告领域(已开源)

KDD2020|阿里提出多目标优化保量算法并用于优酷视频服务平台

KDD2020|腾讯联合中科大提出请求级别保量广告计划RAP