論文の概要: A Unified Framework for Campaign Performance Forecasting in Online Display Advertising

• arxiv url: http://arxiv.org/abs/2202.11877v1
• Date: Thu, 24 Feb 2022 03:04:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-25 17:28:29.174978
• Title: A Unified Framework for Campaign Performance Forecasting in Online Display Advertising
• Title（参考訳）: オンラインディスプレイ広告におけるキャンペーンパフォーマンス予測のための統一フレームワーク
• Authors: Jun Chen, Cheng Chen, Huayue Zhang, Qing Tan
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 9.005665883444902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advertisers usually enjoy the flexibility to choose criteria like target audience, geographic area and bid price when planning an campaign for online display advertising, while they lack forecast information on campaign performance to optimize delivery strategies in advance, resulting in a waste of labour and budget for feedback adjustments. In this paper, we aim to forecast key performance indicators for new campaigns given any certain criteria. Interpretable and accurate results could enable advertisers to manage and optimize their campaign criteria. There are several challenges for this very task. First, platforms usually offer advertisers various criteria when they plan an advertising campaign, it is difficult to estimate campaign performance unifiedly because of the great difference among bidding types. Furthermore, complex strategies applied in bidding system bring great fluctuation on campaign performance, making estimation accuracy an extremely tough problem. To address above challenges, we propose a novel Campaign Performance Forecasting framework, which firstly reproduces campaign performance on historical logs under various bidding types with a unified replay algorithm, in which essential auction processes like match and rank are replayed, ensuring the interpretability on forecast results. Then, we innovatively introduce a multi-task learning method to calibrate the deviation of estimation brought by hard-to-reproduce bidding strategies in replay. The method captures mixture calibration patterns among related forecast indicators to map the estimated results to the true ones, improving both accuracy and efficiency significantly. Experiment results on a dataset from Taobao.com demonstrate that the proposed framework significantly outperforms other baselines by a large margin, and an online A/B test verifies its effectiveness in the real world.
• Abstract（参考訳）: 広告主は通常、オンラインディスプレイ広告のキャンペーンを企画する際、ターゲットのオーディエンス、地理的領域、入札価格などの基準を選択できる柔軟性を享受するが、キャンペーンパフォーマンスの予測情報が不足し、事前に配達戦略を最適化する。 本稿では,新たなキャンペーンにおける重要なパフォーマンス指標を,一定の基準を満たして予測することを目的とする。 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。 このタスクにはいくつかの課題があります。 まず、プラットフォームは通常、広告キャンペーンを計画するときに広告主に様々な基準を提供するが、入札タイプ間で大きな差があるため、キャンペーンパフォーマンスを統一的に見積もることは困難である。 さらに、入札システムに適用される複雑な戦略は、キャンペーン性能に大きな変動をもたらし、推定精度を極めて難しい問題にする。 上記の課題に対処するため,我々は,まず,マッチやランクといった重要なオークション処理を再現し,予測結果の解釈可能性を確保する,様々な入札方式による履歴ログのキャンペーンパフォーマンスを再現する,新しいキャンペーンパフォーマンス予測フレームワークを提案する。 そこで,我々は,リプレイにおける難解な入札戦略による推定の偏差を校正するマルチタスク学習手法を革新的に導入した。 本手法は,予測指標間の混合校正パターンを捕捉し,推定結果を真の指標にマッピングし,精度と効率を著しく改善する。 Taobao.comのデータセットによる実験結果から,提案するフレームワークが他のベースラインを大幅に上回り,オンラインA/Bテストによって実世界での有効性が検証された。

関連論文リスト

• Uniting contrastive and generative learning for event sequences models [51.547576949425604]
  本研究では,2つの自己指導型学習手法 – 例えば,コントラスト学習と,潜在空間におけるマスクイベントの復元に基づく生成的アプローチ – の統合について検討する。 いくつかの公開データセットで行った実験は、シーケンス分類と次点型予測に焦点を合わせ、統合された手法が個々の手法と比較して優れた性能を達成することを示した。
  論文  参考訳（メタデータ） (2024-08-19T13:47:17Z)
• 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)
• Real-time Bidding Strategy in Display Advertising: An Empirical Analysis [0.20999222360659603]
  本稿では,リアルタイム入札ディスプレイ広告における広告主の入札戦略を最適化する問題と課題について述べる。 iPinYouデータセット上でのいくつかの代表的な入札戦略の性能を定量的に評価した。
  論文  参考訳（メタデータ） (2022-11-30T05:50:43Z)
• 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)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• Contextual Bandits for Advertising Campaigns: A Diffusion-Model Independent Approach (Extended Version) [73.59962178534361]
  拡散ネットワークや情報伝達の仕方を決定するモデルについてはほとんど知られていないと考えられる影響問題について検討する。 この設定では、キャンペーンの実行中に主要な拡散パラメータを学習するために探索-探索アプローチが使用できる。 本稿では,2つの文脈的マルチアーム・バンディットの手法と,インフルエンサーの残りのポテンシャルに対する上限について比較する。
  論文  参考訳（メタデータ） (2022-01-13T22:06:10Z)
• Mid-flight Forecasting for CPA Lines in Online Advertising [6.766999405722559]
  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。
  論文  参考訳（メタデータ） (2021-07-15T17:48:15Z)
• A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in Online Advertising [53.636153252400945]
  本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。 当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
  論文  参考訳（メタデータ） (2021-06-11T08:07:14Z)
• 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)
• 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)
• Optimal Bidding Strategy without Exploration in Real-time Bidding [14.035270361462576]
  予算制約によるユーティリティの最大化は、リアルタイム入札(RTB)システムにおける広告主の主要な目標である。 それまでの作品は、検閲された国家の困難を和らげるために競売に敗れたことを無視していた。 本稿では,リアルタイムトラフィックで観測される真の分布の挙動を模倣するために,最大エントロピー原理を用いた新しい実用的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-03-31T20:43:28Z)

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。