論文の概要: Paid Prioritization with Content Competition

• arxiv url: http://arxiv.org/abs/2007.14574v1
• Date: Wed, 29 Jul 2020 03:39:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 20:50:16.904325
• Title: Paid Prioritization with Content Competition
• Title（参考訳）: コンテンツ競争による給与優先化
• Authors: Parinaz Naghizadeh, Carlee Joe-Wong, Mung Chiang
• Abstract要約: 本稿では,コンテンツプロバイダ (CP) の競争を伴う市場において,有償の優先順位付けを許可する効果について検討する。 我々は、高速レーンをサポートするインフラに投資するISPのコストを相殺するために、独占的なISPに優先料金を支払う競合CPについて検討する。 ISPがCPが補助する高速車線を十分に高収入で構築するインセンティブが存在することを示す。
• 参考スコア（独自算出の注目度）: 30.784619324002996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the effects of allowing paid prioritization arrangements in a market with content provider (CP) competition. We consider competing CPs who pay prioritization fees to a monopolistic ISP so as to offset the ISP's cost for investing in infrastructure to support fast lanes. Unlike prior works, our proposed model of users' content consumption accounts for multi-purchasing (i.e., users simultaneously subscribing to more than one CP). This model allows us to account for the "attention" received by each CP, and consequently to draw a contrast between how subscription-revenues and ad-revenues are impacted by paid prioritization. We show that there exist incentives for the ISP to build additional fast lanes subsidized by CPs with sufficiently high revenue (from either subscription fees or advertisements). We show that non-prioritized content providers need not lose users, yet may lose revenue from advertisements due to decreased attention from users. We further show that users will consume a wider variety of content in a prioritized regime, and that they can attain higher welfare provided that non-prioritized traffic is not throttled. We discuss some policy and practical implications of these findings and numerically validate them.
• Abstract（参考訳）: 本稿では,コンテンツプロバイダ (CP) の競争を伴う市場において,有償の優先順位付けを許可する効果について検討する。 我々は、高速レーンをサポートするインフラに投資するISPのコストを相殺するために、独占的なISPに優先料金を支払う競合CPについて検討する。 従来と異なり,ユーザのコンテンツ消費のモデルでは,マルチ購入(複数のCPを同時にサブスクライブする)が可能であった。 このモデルでは、各CPが受信した"注意"を考慮し、従って、有料の優先順位付けによってサブスクリプションとアドベンチャーがどのように影響するかを対比することができる。 我々は、cpsが補助する追加の高速レーンを(サブスクリプション料金または広告から)十分に高い収入で構築するインセンティブがあることをispに示す。 非優先コンテンツプロバイダーはユーザーを失う必要はないが、ユーザーからの注意の低下により広告収入を失う可能性がある。 さらに,非優先トラフィックが制限されない場合,利用者はより多様なコンテンツを優先的に消費し,より高い福祉を享受できることを示した。 本稿では,これらの知見の政策と実践的意義について考察し,数値的に検証する。

関連論文リスト

• Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms [68.51708490104687]
  調査力の低い純粋に関連性の高い政策は、短期的ユーザの満足度を高めるが、コンテンツプールの長期的豊かさを損なうことを示す。 調査の結果,プラットフォーム上でのユーザの即時満足度と全体のコンテンツ生産との間には,根本的なトレードオフがあることが判明した。
  論文  参考訳（メタデータ） (2024-10-31T07:19:22Z)
• Algorithmic Content Selection and the Impact of User Disengagement [19.14804091327051]
  本稿では、不満を抱いた利用者が不満を抱く可能性のあるコンテンツ選択問題に対するモデルを提案する。 両腕の期待報酬とユーザ満足度との関係が線形に関係している場合、最適なコンテンツ選択ポリシーを効率的に計算できることを示す。
  論文  参考訳（メタデータ） (2024-10-17T00:43:06Z)
• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• User Welfare Optimization in Recommender Systems with Competing Content Creators [65.25721571688369]
  本研究では,コンテンツ制作者間での競争ゲーム環境下で,システム側ユーザ福祉の最適化を行う。 本稿では,推奨コンテンツの満足度に基づいて,各ユーザの重みの列を動的に計算する,プラットフォームのためのアルゴリズムソリューションを提案する。 これらの重みはレコメンデーションポリシーやポストレコメンデーション報酬を調整するメカニズムの設計に利用され、それによってクリエイターのコンテンツ制作戦略に影響を与える。
  論文  参考訳（メタデータ） (2024-04-28T21:09:52Z)
• Resource-Aware Hierarchical Federated Learning in Wireless Video Caching Networks [24.664469755746463]
  いくつかの人気ファイルの動画トラフィックによるバックホールトラフィックの混雑は、要求されるコンテンツを保存することで軽減できる。 本稿では,ユーザの今後のコンテンツ要求を予測するためのリソース対応階層型学習(RawHFL)ソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-06T18:17:02Z)
• Ad-load Balancing via Off-policy Learning in a Content Marketplace [9.783697404304025]
  広告ロードバランシングは、オンライン広告システム、特にソーシャルメディアプラットフォームにおける重要な課題である。 従来のアドロードバランシングのアプローチは静的アロケーションポリシに依存しており、ユーザの好みやコンテキスト要因の変更に適応できない。 本稿では、ログ化された盗聴フィードバックから、政治外の学習と評価を活用するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-19T09:17:07Z)
• A Greedy Approach for Offering to Telecom Subscribers [0.0]
  ヘテロジニアスな提案条件下での最適化を解くための新しいアルゴリズムを提案する。 提案アルゴリズムは, 非常に大きな加入者ベースであっても, 効率的かつ正確である。
  論文  参考訳（メタデータ） (2023-08-24T07:11:51Z)
• Efficiency, Fairness, and Stability in Non-Commercial Peer-to-Peer Ridesharing [84.47891614815325]
  本稿は、P2Pライドシェアリングにおける中核的な問題である、ライダーとドライバーのマッチングに焦点を当てる。 P2Pライドシェアリングにおける公平性と安定性の新たな概念を紹介する。 結果は、妥当な計算時間で、公平で安定した解が得られることを示唆している。
  論文  参考訳（メタデータ） (2021-10-04T02:14:49Z)
• Predicting traffic overflows on private peering [5.669790037378093]
  本研究では,2～6時間の短期的地平線上でのオーバーフロー事象を予測するための,深層学習モデルのアンサンブルに基づく手法を提案する。 本手法は,欧州の大手インターネットサービスプロバイダから2.5年間の交通量測定データを用いて評価した。
  論文  参考訳（メタデータ） (2020-10-03T16:14:55Z)
• 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)

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。