論文の概要: Conversion-Based Dynamic-Creative-Optimization in Native Advertising
- arxiv url: http://arxiv.org/abs/2211.11524v1
- Date: Sun, 13 Nov 2022 13:13:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 13:26:30.107897
- Title: Conversion-Based Dynamic-Creative-Optimization in Native Advertising
- Title(参考訳): ネイティブ広告における変換に基づく動的Creative-Optimization
- Authors: Yohay Kaplan, Yair Koren, Alex Shtoff, Tomer Shadi, Oren Somekh
- Abstract要約: 動的クリエイティブ最適化(DCO)は、最近2年前にローンチされ、広告主から注目を集めているGeminiネイティブ製品だ。
この要求を満たすために,DCO広告の組み合わせが予測変換率(CVR)に応じて好まれる,オークション後のソリューションを提案する。
オンラインバケットA/Bテストによるこの探索・探索ソリューションのオンライン評価では、すべての組み合わせをランダムに使用するコントロールバケットと比較して53.5%のCVRリフトが見られた。
- 参考スコア(独自算出の注目度): 2.8461446020965435
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Yahoo Gemini native advertising marketplace serves billions of impressions
daily, to hundreds millions of unique users, and reaches a yearly revenue of
many hundreds of millions USDs. Powering Gemini native models for predicting
advertise (ad) event probabilities, such as conversions and clicks, is OFFSET -
a feature enhanced collaborative-filtering (CF) based event prediction
algorithm. The predicted probabilities are then used in Gemini native auctions
to determine which ads to present for every serving event (impression). Dynamic
creative optimization (DCO) is a recent Gemini native product that was launched
two years ago and is increasingly gaining more attention from advertisers. The
DCO product enables advertisers to issue several assets per each native ad
attribute, creating multiple combinations for each DCO ad. Since different
combinations may appeal to different crowds, it may be beneficial to present
certain combinations more frequently than others to maximize revenue while
keeping advertisers and users satisfied. The initial DCO offer was to optimize
click-through rates (CTR), however as the marketplace shifts more towards
conversion based campaigns, advertisers also ask for a {conversion based
solution. To accommodate this request, we present a post-auction solution,
where DCO ads combinations are favored according to their predicted conversion
rate (CVR). The predictions are provided by an auxiliary OFFSET based
combination CVR prediction model, and used to generate the combination
distributions for DCO ad rendering during serving time. An online evaluation of
this explore-exploit solution, via online bucket A/B testing, serving Gemini
native DCO traffic, showed a 53.5% CVR lift, when compared to a control bucket
serving all combinations uniformly at random.
- Abstract(参考訳): yahoo geminiネイティブ広告マーケットプレイスは、毎日数十億回のインプレッションを、数億人のユニークユーザーに対して提供し、数十億のusdの年間売上に達する。
広告(ad)イベント確率を予測するためのgeminiネイティブモデル(変換やクリックなど)は、機能強化コラボレーティブ・フィルタ(cf)ベースのイベント予測アルゴリズムを相殺する。
予測された確率はgeminiネイティブオークションで、サービングイベント(インプレッション)ごとにどの広告を表示するかを決定するために使用される。
動的クリエイティブ最適化(DCO)は、最近2年前にローンチされ、広告主から注目を集めているGeminiネイティブ製品だ。
DCO製品は、広告主が各ネイティブ広告属性ごとに複数のアセットを発行し、各DCO広告に複数の組み合わせを作成することを可能にする。
異なる組み合わせが異なる群衆にアピールする可能性があるため、広告主とユーザーを満足させながら収益を最大化するために、特定の組み合わせを他のものよりも頻繁に提示することは有益である。
DCOの最初のオファーはクリックスルーレート(CTR)を最適化することだったが、市場がコンバージョンベースのキャンペーンにシフトするにつれ、広告主は {conversion based Solution(変換ベースのソリューション)も求めている。
この要求を満たすため,提案手法では,予測変換率(CVR)に応じてDCO広告の組み合わせが好まれる。
この予測は、補助オフセットに基づくcvr予測モデルによって提供され、提供時間中にdco広告レンダリングのための組合せ分布を生成するために使用される。
GeminiネイティブなDCOトラフィックを提供するオンラインバケットA/Bテストを通じて、この探索・探索ソリューションのオンライン評価では、すべての組み合わせをランダムに使用するコントロールバケットと比較して53.5%のCVRリフトを示した。
関連論文リスト
- Soft Frequency Capping for Improved Ad Click Prediction in Yahoo Gemini
Native [1.9315883475944244]
Yahooのネイティブ広告(Gemini Nativeとも呼ばれる)は毎日何十億もの広告インプレッションを提供しており、年間1億米ドルのランレートに達している。
Offsetは、勾配降下(SGD)ベースのアプローチを使用して、新しいログデータのバッチ毎にモデルを更新するワンパスアルゴリズムである。
ユーザアド機能として周波数特徴をOFFSETモデルに組み込んだソフト周波数キャッピング(SFC)手法を提案し,その重みベクトルはロジスティック回帰により学習する。
論文 参考訳(メタデータ) (2023-12-08T14:12:49Z) - 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 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) - Multi-Channel Sequential Behavior Networks for User Modeling in Online
Advertising [4.964012641964141]
本稿では,ユーザと広告を意味空間に埋め込むための深層学習手法であるマルチチャネルシーケンシャル行動ネットワーク(mc-sbn)を提案する。
提案するユーザエンコーダアーキテクチャでは,過去の検索クエリや訪問ページ,クリックした広告など,複数の入力チャネルからのユーザアクティビティをユーザベクトルにまとめる。
その結果,MC-SBNは関連広告のランク付けを改善し,クリック予測とコンバージョン予測の両方の性能を向上させることができることがわかった。
論文 参考訳(メタデータ) (2020-12-27T06:13:29Z) - CAMTA: Causal Attention Model for Multi-touch Attribution [25.258282793367453]
本研究では,ユーザ個人化MTAのカジュアルアトリビューション機構である,新しいディープリカレントニューラルネットワークアーキテクチャCAMTAを提案する。
複数のベースラインと比較し,予測精度に関してcamtaの優れた性能を示す。
論文 参考訳(メタデータ) (2020-12-21T15:05:00Z) - 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) - Predicting conversions in display advertising based on URL embeddings [16.63178490961762]
本稿では、訪問URLの履歴から、ユーザが変換する確率を推定するための異なるモデルを紹介し、検討する。
自然言語処理にヒントを得て,意味的に意味のあるURL表現を計算するために,3つのURL埋め込みモデルを導入する。
論文 参考訳(メタデータ) (2020-08-27T09:14:28Z) - 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) - Online Joint Bid/Daily Budget Optimization of Internet Advertising
Campaigns [115.96295568115251]
複数のチャンネルにまたがるペイ・パー・クリック広告キャンペーンのオンライン共同入札/日次予算最適化の自動化問題について検討する。
どのキャンペーンでも、Gaussian Processesによる入札のクリック数と日々の予算に依存しています。
我々は4つのアルゴリズムを設計し、O(sqrtT)として高い確率で上界した後悔に苦しむことを示す。
我々は,1年以上に1日平均1000ユーロを消費した実世界のアプリケーションにおいて,我々のアルゴリズムの採用結果を提示する。
論文 参考訳(メタデータ) (2020-03-03T11:07:38Z) - MoTiAC: Multi-Objective Actor-Critics for Real-Time Bidding [47.555870679348416]
そこで本研究では,MoTiACというマルチエクティブ・アクタ・クリティカルスアルゴリズムを提案する。
従来のRLモデルとは異なり、提案されたMoTiACは複雑な入札環境で同時に多目的タスクを達成できる。
論文 参考訳(メタデータ) (2020-02-18T07:16:39Z)
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。