論文の概要: Mid-flight Forecasting for CPA Lines in Online Advertising
- arxiv url: http://arxiv.org/abs/2107.07494v1
- Date: Thu, 15 Jul 2021 17:48:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-16 15:54:34.251773
- Title: Mid-flight Forecasting for CPA Lines in Online Advertising
- Title（参考訳）: オンライン広告におけるCPAラインのミッドフライ予測
- Authors: Hao He, Tian Zhou, Lihua Ren, Niklas Karlsson, Aaron Flores
- Abstract要約: 本稿では,飛行中におけるCPAラインの予測問題について検討する。
提案手法は,様々な性能指標と最適化信号の関係性を生成する。
広告主の支出と効果的なコスト・パー・アクション(eCPA)との関係も特徴である。
- 参考スコア（独自算出の注目度）: 6.766999405722559
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: For Verizon MediaDemand Side Platform(DSP), forecasting of ad campaign
performance not only feeds key information to the optimization server to allow
the system to operate on a high-performance mode, but also produces actionable
insights to the advertisers. In this paper, the forecasting problem for CPA
lines in the middle of the flight is investigated by taking the bidding
mechanism into account. The proposed methodology generates relationships
between various key performance metrics and optimization signals. It can also
be used to estimate the sensitivity of ad campaign performance metrics to the
adjustments of optimization signal, which is important to the design of a
campaign management system. The relationship between advertiser spends and
effective Cost Per Action(eCPA) is also characterized, which serves as a
guidance for mid-flight line adjustment to the advertisers. Several practical
issues in implementation, such as downsampling of the dataset, are also
discussed in the paper. At last, the forecasting results are validated against
actual deliveries and demonstrates promising accuracy.
- Abstract（参考訳）: Verizon MediaDemand Side Platform(DSP)では、広告キャンペーンのパフォーマンス予測は、最適化サーバにキー情報を供給し、システムがハイパフォーマンスモードで動作できるようにするだけでなく、広告主に実用的な洞察を与える。
本稿では, 入札機構を考慮した飛行途中のCPAラインの予測問題について検討する。
提案手法は,様々な性能指標と最適化信号の関係性を生成する。
また、キャンペーン管理システムの設計において重要な最適化信号の調整に対して、広告キャンペーンパフォーマンス指標の感度を推定するためにも使用できる。
広告費とアクションあたりの有効コスト(ecpa)の関係も特徴であり、これは広告主への飛行中線調整のガイダンスとなる。
データセットのダウンサンプリングのような実装におけるいくつかの実践的な問題も論文で論じている。
最終的に、予測結果を実際の成果に対して検証し、有望な精度を示す。
関連論文リスト
- Self-Augmented Preference Optimization: Off-Policy Paradigms for Language Model Alignment [104.18002641195442]
既存のペアデータを必要としない、効果的でスケーラブルなトレーニングパラダイムである自己拡張型優先度最適化(SAPO)を導入する。
負の反応を自律的に生成するセルフプレイの概念に基づいて、我々はさらに、データ探索とエクスプロイトを強化するために、非政治的な学習パイプラインを組み込む。
論文 参考訳（メタデータ） (2024-05-31T14:21:04Z) - Learning Fair Ranking Policies via Differentiable Optimization of
Ordered Weighted Averages [55.04219793298687]
本稿では,学習からランクへの学習ループに,効率よく解ける公正ランキングモデルを組み込む方法について述べる。
特に,本論文は,OWA目標の制約された最適化を通じてバックプロパゲーションを行う方法を示す最初のものである。
論文 参考訳（メタデータ） (2024-02-07T20:53:53Z) - VeCAF: Vision-language Collaborative Active Finetuning with Training Objective Awareness [56.87603097348203]
VeCAFはラベルと自然言語アノテーションを使用して、PVMの微調整のためのパラメトリックデータ選択を行う。
VeCAFは微調整の目的を取り入れて重要なデータポイントを選択し、PVMをより高速な収束に向けて効果的に導く。
ImageNetでは、VeCAFは最大3.3倍のトレーニングバッチを使用して、完全な微調整に比べて目標のパフォーマンスに到達する。
論文 参考訳（メタデータ） (2024-01-15T17:28:37Z) - Fair-CDA: Continuous and Directional Augmentation for Group Fairness [48.84385689186208]
公正な制約を課すための詳細なデータ拡張戦略を提案する。
グループ間の感性のある特徴の遷移経路のモデルを正規化することにより、グループフェアネスを実現することができることを示す。
提案手法はデータ生成モデルを仮定せず,精度と公平性の両方に優れた一般化を実現する。
論文 参考訳（メタデータ） (2023-04-01T11:23:00Z) - Interpretable Deep Learning for Forecasting Online Advertising Costs:
Insights from the Competitive Bidding Landscape [0.0]
オンライン広告市場における日平均クリックコスト(CPC)を予測するために,様々な時系列予測手法を用いた総合的研究を行った。
論文 参考訳（メタデータ） (2023-02-11T19:26:17Z) - MADAv2: Advanced Multi-Anchor Based Active Domain Adaptation
Segmentation [98.09845149258972]
セマンティックセグメンテーションタスクに関するドメイン適応を支援するために,アクティブなサンプル選択を導入する。
これらのサンプルを手動でアノテートする作業量が少ないため、ターゲット領域分布の歪みを効果的に緩和することができる。
長期分布問題を緩和するために、強力な半教師付きドメイン適応戦略を提案する。
論文 参考訳（メタデータ） (2023-01-18T07:55:22Z) - 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) - Functional Optimization Reinforcement Learning for Real-Time Bidding [14.5826735379053]
リアルタイム入札はプログラム広告の新しいパラダイムである。
既存のアプローチは、入札最適化に十分なソリューションを提供するのに苦労しています。
本稿では,機能最適化を伴うRTBのためのマルチエージェント強化学習アーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-06-25T06:12:17Z) - VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。
具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。
当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
論文 参考訳（メタデータ） (2022-05-31T17:45:30Z) - A Unified Framework for Campaign Performance Forecasting in Online
Display Advertising [9.005665883444902]
解釈可能で正確な結果により、広告主はキャンペーン基準を管理し、最適化することができる。
新しいフレームワークは、様々な入札型の下で履歴ログのキャンペーンパフォーマンスを統一的なリプレイアルゴリズムで再現する。
手法は、関連する予測指標間の混合キャリブレーションパターンをキャプチャして、推定結果を真にマッピングする。
論文 参考訳（メタデータ） (2022-02-24T03:04:29Z) - Bid Optimization using Maximum Entropy Reinforcement Learning [0.3149883354098941]
本稿では、リアルタイム入札(RTB)における強化学習(RL)を用いた広告主の入札戦略の最適化に焦点をあてる。
まず、広く受け入れられている線形入札関数を用いて、すべての印象のベース価格を計算し、RTBオークション環境から派生した可変調整係数で最適化する。
最後に、公開データセットに関する実証的研究により、提案した入札戦略がベースラインよりも優れた性能を示した。
論文 参考訳（メタデータ） (2021-10-11T06:53:53Z)
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。