論文の概要: Reserve Price Optimization for First Price Auctions
- arxiv url: http://arxiv.org/abs/2006.06519v2
- Date: Sun, 28 Jun 2020 19:25:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 13:04:10.984950
- Title: Reserve Price Optimization for First Price Auctions
- Title(参考訳): 初期価格オークションにおける予備価格最適化
- Authors: Zhe Feng, S\'ebastien Lahaie, Jon Schneider, Jinchao Ye
- Abstract要約: 本研究では, 入札者のリザーブ・ショックに対する応答性の推定値に基づいて, リザーブ・プライスを適応的に更新し, 最適化する勾配に基づくアルゴリズムを提案する。
第一価格オークションにおける収益は、オンデマンドコンポーネントとエンフビジンコンポーネントに分解することができ、各コンポーネントのばらつきを低減する技術を導入することができる。
- 参考スコア(独自算出の注目度): 14.18752189817994
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The display advertising industry has recently transitioned from second- to
first-price auctions as its primary mechanism for ad allocation and pricing. In
light of this, publishers need to re-evaluate and optimize their auction
parameters, notably reserve prices. In this paper, we propose a gradient-based
algorithm to adaptively update and optimize reserve prices based on estimates
of bidders' responsiveness to experimental shocks in reserves. Our key
innovation is to draw on the inherent structure of the revenue objective in
order to reduce the variance of gradient estimates and improve convergence
rates in both theory and practice. We show that revenue in a first-price
auction can be usefully decomposed into a \emph{demand} component and a
\emph{bidding} component, and introduce techniques to reduce the variance of
each component. We characterize the bias-variance trade-offs of these
techniques and validate the performance of our proposed algorithm through
experiments on synthetic data and real display ad auctions data from Google ad
exchange.
- Abstract(参考訳): ディスプレイ広告業界は、最近、広告アロケーションと価格設定の主要なメカニズムとして、第2価格から第1価格のオークションに移行した。
これを踏まえて、出版社はオークションパラメータ、特に予備価格を再評価し、最適化する必要がある。
本稿では,予約者に対する実験的ショックに対する入札者の応答性の推定に基づいて,予約価格を適応的に更新・最適化する勾配ベースアルゴリズムを提案する。
我々の重要な革新は、勾配推定のばらつきを減らし、理論と実践の両方における収束率を改善するために、収益目標の固有の構造を描くことである。
第一価格オークションにおける収益は,各コンポーネントのばらつきを低減させる手法を導入し, 有効に, \emph{demand} コンポーネントと \emph{bidding} コンポーネントに分解できることを示す。
これらの手法のバイアス分散トレードオフを特徴付け,google ad exchangeの合成データと実際のディスプレイ広告オークションデータを用いて提案アルゴリズムの性能を検証する。
関連論文リスト
- Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳(メタデータ) (2023-03-28T00:23:23Z) - Demystifying Advertising Campaign Bid Recommendation: A Constraint
target CPA Goal Optimization [19.857681941728597]
本稿では,広告主が望むtCPA目標を達成するための入札最適化シナリオを提案する。
我々は厳格に定式化された制約付き最適化問題を解くことで決定を下すために最適化エンジンを構築した。
提案モデルでは,広告主の過去のオークション行動に対する推測を行うことで,広告主の期待に応える入札を自然に推奨することができる。
論文 参考訳(メタデータ) (2022-12-26T07:43:26Z) - Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。
ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
論文 参考訳(メタデータ) (2022-10-11T16:13:25Z) - An Efficient Deep Distribution Network for Bid Shading in First-Price
Auctions [10.180752196357805]
オープン(非検閲)およびクローズド(検閲)オンラインファーストプライスオークションの両方において、最適な入札を行うための新しいディープ・ディストリビューション・ネットワークを導入する。
提案アルゴリズムは,動作毎の余剰と有効コスト(eCPX)の両方の観点から,従来の最先端アルゴリズムよりも優れている。
オンラインA/Bテストによると、広告主のROIは、インプレッションベース(CPM)、クリックベース(CPC)、コンバージョンベース(CPA)の各キャンペーンで+2.4%、+2.4%、+8.6%向上している。
論文 参考訳(メタデータ) (2021-07-12T22:44:39Z) - Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。
選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
論文 参考訳(メタデータ) (2020-12-21T01:01:56Z) - A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。
本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
論文 参考訳(メタデータ) (2020-10-22T18:36:41Z) - A Game-Theoretic Analysis of the Empirical Revenue Maximization
Algorithm with Endogenous Sampling [19.453243313852557]
実証収益最大化(ERM)はオークションデザインにおいて最も重要な価格学習アルゴリズムの1つである。
我々は、Laviらによって提案されたインセンティブ認識尺度の定義を一般化し、$N$の入力サンプルから$mge 1$の変化によるERMの出力価格の低減を定量化する。
本研究では, 単価オークションにおいて, 単価オークションにおけるグループインセンティブ・コンパチビリティを近似的に示すために, ERM を用いた効率よく, ほぼインセンティブに適合し, 収益に最適な学習アルゴリズムを構築した。
論文 参考訳(メタデータ) (2020-10-12T08:20:35Z) - Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential
Advertising [52.3825928886714]
我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。
理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。
強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
論文 参考訳(メタデータ) (2020-06-29T18:50:35Z) - Real-Time Optimization Of Web Publisher RTB Revenues [10.908037452134302]
本稿では,第2価格オークションによるWebパブリッシャーの収益を最適化するエンジンについて述べる。
エンジンは競売ごとに約1ミリ秒で最適な予備価格を予測できる。
論文 参考訳(メタデータ) (2020-06-12T11:14:56Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳(メタデータ) (2020-04-19T18:00:58Z) - Online Causal Inference for Advertising in Real-Time Bidding Auctions [1.9336815376402723]
本稿では,リアルタイム入札システムを通じて購入した広告に対する因果推論を行うための新しい手法を提案する。
まず、広告の効果が最適な入札によって識別されることを示す。
マルチアームバンディット問題を解くために,適応型トンプソンサンプリング(TS)アルゴリズムを導入する。
論文 参考訳(メタデータ) (2019-08-22T21:13:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。