論文の概要: Bandits for Sponsored Search Auctions under Unknown Valuation Model: Case Study in E-Commerce Advertising
- arxiv url: http://arxiv.org/abs/2304.00999v2
- Date: Tue, 14 May 2024 09:32:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-15 20:00:15.122491
- Title: Bandits for Sponsored Search Auctions under Unknown Valuation Model: Case Study in E-Commerce Advertising
- Title（参考訳）: 未知評価モデルに基づくスポンサー付き検索広告の帯域:eコマース広告のケーススタディ
- Authors: Danil Provodin, Jérémie Joudioux, Eduard Duryev,
- Abstract要約: 本稿では,未知の評価モデルに基づいて,スポンサー付き検索オークションの入札システムを提案する。
本システムは,ブラックボックスのオークション構造に耐性のあるバンディット・フレームワークをベースとしている。
本稿では,スポンサー付き検索オークションにおける収益性向上に向けた盗賊ベースのアプローチの有望な成果について述べる。
- 参考スコア（独自算出の注目度）: 0.10241134756773229
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a bidding system for sponsored search auctions under an unknown valuation model. This formulation assumes that the bidder's value is unknown, evolving arbitrarily, and observed only upon winning an auction. Unlike previous studies, we do not impose any assumptions on the nature of feedback and consider the problem of bidding in sponsored search auctions in its full generality. Our system is based on a bandit framework that is resilient to the black-box auction structure and delayed and batched feedback. To validate our proposed solution, we conducted a case study at Zalando, a leading fashion e-commerce company. We outline the development process and describe the promising outcomes of our bandits-based approach to increase profitability in sponsored search auctions. We discuss in detail the technical challenges that were overcome during the implementation, shedding light on the mechanisms that led to increased profitability.
- Abstract（参考訳）: 本稿では,未知のバリュエーションモデルに基づいて,スポンサー付き検索オークションの入札システムを提案する。
この定式化は、入札者の値は未知であり、任意に進化し、オークションに勝ったときにのみ観察されると仮定する。
従来の研究とは異なり、フィードバックの性質に仮定を課すことはなく、スポンサー付き検索オークションにおける入札の問題について、その完全な一般性について検討する。
提案システムは,ブラックボックスのオークション構造に耐性があり,遅延フィードバックとバッチフィードバックが可能である。
提案手法を検証するため,ファッションeコマースの大手企業であるZalandoでケーススタディを行った。
本稿では,スポンサー付き検索オークションにおける収益性向上に向けたバンディット方式の開発プロセスの概要と今後の成果について述べる。
実施期間中に克服された技術的課題を詳細に議論し、収益性の向上につながるメカニズムを浮き彫りにした。
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) - Conformalized Strategy-Proof Auctions [19.750369749595734]
買い手が真のバリュエーションの入札にインセンティブを与えられることを保証するため、戦略の保護は不可欠だ。
本稿では,統計的戦略-安全オークション機構の定式化を提案する。
我々は,データ駆動型オークション機構が統計的戦略-安全要件を高い確率で満たすことを保証するために,後悔の予測を活用するオークション受け入れルールを開発する。
論文 参考訳（メタデータ） (2024-05-20T13:39:58Z) - 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。
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。