論文の概要: Multi-Platform Budget Management in Ad Markets with Non-IC Auctions

• arxiv url: http://arxiv.org/abs/2306.07352v1
• Date: Mon, 12 Jun 2023 18:21:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-14 16:07:41.185854
• Title: Multi-Platform Budget Management in Ad Markets with Non-IC Auctions
• Title（参考訳）: 非IC入札による広告市場におけるマルチプラットフォーム予算管理
• Authors: Fransisca Susan, Negin Golrezaei, Okke Schrijvers
• Abstract要約: オンライン広告市場では、予算に制約のある広告主は、様々なプラットフォームでのオークションで繰り返し入札することで、広告の配置を取得する。 予算制約がある場合、インセンティブに適合するかもしれない、あるいはそうでないかもしれない一連のオークションにおいて、入札を最適に行う戦略を提案する。 当社の戦略は、広告主が期待する予算制約を満たしつつ、オークション全体で期待される全ユーティリティを最大化する。
• 参考スコア（独自算出の注目度）: 6.037383467521294
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In online advertising markets, budget-constrained advertisers acquire ad placements through repeated bidding in auctions on various platforms. We present a strategy for bidding optimally in a set of auctions that may or may not be incentive-compatible under the presence of budget constraints. Our strategy maximizes the expected total utility across auctions while satisfying the advertiser's budget constraints in expectation. Additionally, we investigate the online setting where the advertiser must submit bids across platforms while learning about other bidders' bids over time. Our algorithm has $O(T^{3/4})$ regret under the full-information setting. Finally, we demonstrate that our algorithms have superior cumulative regret on both synthetic and real-world datasets of ad placement auctions, compared to existing adaptive pacing algorithms.
• Abstract（参考訳）: オンライン広告市場では、予算に縛られた広告主が様々なプラットフォーム上で競売を繰り返し入札することで広告の配置を取得する。 提案手法は,予算制約が存在する場合において,インセンティブに適合する可能性のあるオークションの組において,最適に入札する戦略を示す。 当社の戦略は、広告主が期待する予算制約を満たしつつ、オークション全体で期待される全ユーティリティを最大化する。 さらに,他の入札者の入札について時間をかけて学習しながら,プラットフォーム間で入札を行うオンライン環境についても検討する。 我々のアルゴリズムは全情報設定で$O(T^{3/4})$後悔している。 最後に,本アルゴリズムは,既存の適応的ペーシングアルゴリズムと比較して,広告配置オークションの合成データセットと実世界のデータセットの両方に対して優れた累積的後悔を持っていることを実証する。

関連論文リスト

• Learning in Repeated Multi-Unit Pay-As-Bid Auctions [3.6294895527930504]
  複数単位のペイ・アズ・バイドオークションの入札方法を学ぶことの問題点を考察する。 バイド・バイド・オークションの入札方法を学ぶという問題は、アクション・スペースの性質によって困難である。 時間動的計画法を用いて,オフライン問題に対する最適解が得られることを示す。
  論文  参考訳（メタデータ） (2023-07-27T20:49:28Z)
• Online Ad Procurement in Non-stationary Autobidding Worlds [10.871587311621974]
  本稿では,複数次元決定変数,帯域幅フィードバック,長期不確実な制約を用いたオンライン意思決定のための原始双対アルゴリズムを提案する。 提案アルゴリズムは, 逆数, 逆数, 周期的, エルゴディックな手順により, 調達結果が生成されると, 多くの世界では, 後悔の度合いが低いことを示す。
  論文  参考訳（メタデータ） (2023-07-10T00:41:08Z)
• Coordinated Dynamic Bidding in Repeated Second-Price Auctions with Budgets [17.937079224726073]
  予算を伴う第2価格の繰り返しオークションにおける協調オンライン入札アルゴリズムについて検討した。 我々は、すべてのクライアントに対して、独立入札で得られる最高のものよりも高いユーティリティを保証するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-13T11:55:04Z)
• Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics [53.62091043347035]
  オンライン広告プラットフォームで競合するオートバイディングアルゴリズムのゲームについて検討する。 本稿では,全ての制約を満たすことを保証し,個人の後悔を解消する勾配に基づく学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-30T21:59:30Z)
• Bidding Agent Design in the LinkedIn Ad Marketplace [16.815498720115443]
  オンラインマーケットプレースにおける自動入札エージェントの設計のための汎用最適化フレームワークを構築した。 結果として、フレームワークは、例えば、複数のプラットフォームにまたがる広告グループの共同最適化を可能にし、それぞれが独自のオークションフォーマットを実行している。 このフレームワークに基づいたLinkedInの広告マーケットプレースで、デプロイされた入札システムの実践的な学習を共有します。
  論文  参考訳（メタデータ） (2022-02-25T03:01:57Z)
• 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)
• 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)
• Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
  悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。 悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。 また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
  論文  参考訳（メタデータ） (2020-02-10T15:04:09Z)
• 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。