Fugu-MT 論文翻訳(概要): Learning Optimal Bidding Strategy: Case Study in E-Commerce Advertising

論文の概要: Learning Optimal Bidding Strategy: Case Study in E-Commerce Advertising

arxiv url: http://arxiv.org/abs/2304.00999v1
Date: Fri, 31 Mar 2023 10:14:43 GMT
ステータス: 処理完了
システム内更新日: 2023-04-04 15:01:18.975286
Title: Learning Optimal Bidding Strategy: Case Study in E-Commerce Advertising
Title（参考訳）: 最適入札戦略の学習:eコマース広告における事例研究
Authors: Danil Provodin and J\'er\'emie Joudioux and Eduard Duryev
Abstract要約: 本稿では,ファッションeコマースのトップ企業であるZalandoの開発プロセスについて概説し,将来的な成果について述べる。実施期間中に克服された技術的・理論的課題と、収益性の向上に繋がるメカニズムについて詳しく論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Although the bandits framework is a classical and well-suited approach for optimal bidding strategies in sponsored search auctions, industrial attempts are rarely documented. This paper outlines the development process at Zalando, a leading fashion e-commerce company, and describes the promising outcomes of a bandits-based approach to increase profitability in sponsored search auctions. We discuss in detail the technical and theoretical challenges that were overcome during the implementation, as well as the mechanisms that led to increased profitability.
Abstract（参考訳）: ランディッツフレームワークは、スポンサー付き検索オークションにおける最適な入札戦略のための古典的で適したアプローチであるが、工業的試みはほとんど文書化されていない。本稿では,大手ファッションeコマース企業であるzalandoの開発過程を概説し,スポンサー付き検索オークションにおける収益性を高めるためのバンディットベースのアプローチの有望な成果について述べる。我々は、実装中に克服された技術的および理論的課題と、収益性の向上に繋がるメカニズムを詳細に論じる。

関連論文リスト

Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
論文参考訳（メタデータ） (2024-11-20T18:06:55Z)
Understanding Iterative Combinatorial Auction Designs via Multi-Agent Reinforcement Learning [10.41350502488723]
我々は,反復オークションを理解するためにマルチエージェント強化学習アルゴリズムを利用できるか検討する。 MARLは本当にオークション分析の恩恵を受けることができるが、効果的にデプロイすることは簡単ではない。クロックオークションにおける特定のルール変更を評価するために,提案手法を用いた提案手法の有効性について述べる。
論文参考訳（メタデータ） (2024-02-29T18:16:13Z)
Adaptive Risk-Aware Bidding with Budget Constraint in Display Advertising [47.14651340748015]
本稿では,強化学習による予算制約を考慮した適応型リスク対応入札アルゴリズムを提案する。リスク・アット・バリュー(VaR)に基づく不確実性とリスク傾向の本質的関係を理論的に明らかにする。
論文参考訳（メタデータ） (2022-12-06T18:50:09Z)
A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design [158.0041488194202]
多相第2価格オークションにおけるリザーブ価格の最適化について検討する。売り手の視点からは、潜在的に非現実的な入札者の存在下で、環境を効率的に探索する必要がある。第三に、売り手のステップごとの収益は未知であり、非線形であり、環境から直接観察することさえできない。
論文参考訳（メタデータ） (2022-10-19T03:49:05Z)
A Real-World Implementation of Unbiased Lift-based Bidding System [8.35120274877627]
典型的なデマンド・サイド・プラットフォーム(DSP)は、広告インプレッションの直後にクリックおよび変換の予測確率に基づいてバイドする。近年の研究では、このような戦略が最適以下であるとされ、リフトベースの入札というより優れた入札戦略が提案されている。リフトベースの入札は、単に広告インプレッションの上昇効果に応じて価格を入札し、販売などのターゲット指標を達成する。
論文参考訳（メタデータ） (2022-02-23T01:15:54Z)
Towards Prior-Free Approximately Truthful One-Shot Auction Learning via Differential Privacy [0.0]
事前依存した設定で複数項目のオークションを見つけるためのディープラーニング技術。我々は、RegretNetアプローチを事前のフリー設定に適用するように修正する。予備実験結果と定性解析について述べる。
論文参考訳（メタデータ） (2021-03-31T23:22:55Z)
ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning [55.76903822619047]
本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
論文参考訳（メタデータ） (2020-10-13T13:54:21Z)
Learning to Infer User Hidden States for Online Sequential Advertising [52.169666997331724]
本稿では,これらの問題に対処するディープインテントシーケンス広告(DISA)手法を提案する。解釈可能性の鍵となる部分は、消費者の購入意図を理解することである。
論文参考訳（メタデータ） (2020-09-03T05:12:26Z)
Certifying Strategyproof Auction Networks [53.37051312298459]
我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
論文参考訳（メタデータ） (2020-06-15T20:22:48Z)
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。