論文の概要: Parallel Ranking of Ads and Creatives in Real-Time Advertising Systems
- arxiv url: http://arxiv.org/abs/2312.12750v1
- Date: Wed, 20 Dec 2023 04:05:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-21 17:05:38.222436
- Title: Parallel Ranking of Ads and Creatives in Real-Time Advertising Systems
- Title（参考訳）: リアルタイム広告システムにおける広告とクリエイティブの並列ランキング
- Authors: Zhiguang Yang, Lu Wang, Chun Gan, Liufang Sang, Haoran Wang, Wenlong
Chen, Jie He, Changping Peng, Zhangang Lin, Jingping Shao
- Abstract要約: 広告とクリエイティビティランキングのオンライン並列推定のための新しいアーキテクチャを初めて提案する。
オンラインアーキテクチャは、全体的なレイテンシを低減しつつ、洗練されたパーソナライズされたクリエイティブモデリングを可能にする。
CTR推定のためのオフラインジョイントモデルは、広告とクリエイティブの相互認識と協調最適化を可能にする。
- 参考スコア（独自算出の注目度）: 20.78133992969317
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: "Creativity is the heart and soul of advertising services". Effective
creatives can create a win-win scenario: advertisers can reach target users and
achieve marketing objectives more effectively, users can more quickly find
products of interest, and platforms can generate more advertising revenue. With
the advent of AI-Generated Content, advertisers now can produce vast amounts of
creative content at a minimal cost. The current challenge lies in how
advertising systems can select the most pertinent creative in real-time for
each user personally. Existing methods typically perform serial ranking of ads
or creatives, limiting the creative module in terms of both effectiveness and
efficiency. In this paper, we propose for the first time a novel architecture
for online parallel estimation of ads and creatives ranking, as well as the
corresponding offline joint optimization model. The online architecture enables
sophisticated personalized creative modeling while reducing overall latency.
The offline joint model for CTR estimation allows mutual awareness and
collaborative optimization between ads and creatives. Additionally, we optimize
the offline evaluation metrics for the implicit feedback sorting task involved
in ad creative ranking. We conduct extensive experiments to compare ours with
two state-of-the-art approaches. The results demonstrate the effectiveness of
our approach in both offline evaluations and real-world advertising platforms
online in terms of response time, CTR, and CPM.
- Abstract（参考訳）: 「創造性は広告サービスの心と魂である。」
広告主はターゲットユーザーにリーチし、マーケティングの目的をより効果的に達成し、ユーザーはより迅速に興味のある製品を見つけることができ、プラットフォームはより多くの広告収入を生み出すことができる。
AI生成コンテンツの出現により、広告主は最小限のコストで大量のクリエイティブコンテンツを制作できるようになった。
現在の課題は、広告システムが個人ごとに最も関連する創造性をリアルタイムで選択する方法にある。
既存の手法は通常、広告や創造性を連続的にランク付けし、有効性と効率の両面で創造的なモジュールを制限する。
本稿では,オンライン広告とクリエイティビティランキングを並列に推定する新しいアーキテクチャと,それに対応するオフライン共同最適化モデルを提案する。
オンラインアーキテクチャは、全体的なレイテンシを削減しながら、洗練されたパーソナライズされたクリエイティブモデリングを可能にする。
CTR推定のためのオフラインジョイントモデルは、広告とクリエイティブの相互認識と協調最適化を可能にする。
さらに,広告クリエイティビティランキングにかかわる暗黙的なフィードバックソートタスクに対して,オフライン評価メトリクスを最適化する。
我々は2つの最先端のアプローチと比較するための広範囲な実験を行う。
その結果,オンラインのオフライン評価と実世界の広告プラットフォームにおけるアプローチの有効性を,応答時間,CTR,CPMの観点から示すことができた。
関連論文リスト
- A New Creative Generation Pipeline for Click-Through Rate with Stable
Diffusion Model [8.945197427679924]
従来のAIベースのアプローチは、デザイナーからの美的知識を限定しながら、ユーザー情報を考慮しないという同じ問題に直面している。
結果を最適化するために、従来の方法で生成されたクリエイティブは、クリエイティブランキングモデルと呼ばれる別のモジュールによってランク付けされる。
本稿では,クリエイティビティ生成段階においてCTRを改善することを目的とした,Click-Through Rate (CG4CTR) のための新しいCreative Generationパイプラインを提案する。
論文 参考訳（メタデータ） (2024-01-17T03:27:39Z) - Online Advertisements with LLMs: Opportunities and Challenges [51.96140910798771]
本稿では,オンライン広告システムにおけるLarge Language Models(LLM)の活用の可能性について検討する。
プライバシー、レイテンシ、信頼性、そしてそのようなシステムが満たさなければならないユーザや広告主の満足度など、基本的な要件を探求します。
論文 参考訳（メタデータ） (2023-11-11T02:13:32Z) - AdBooster: Personalized Ad Creative Generation using Stable Diffusion
Outpainting [7.515971669919419]
デジタル広告において、最適項目(勧告)と最良の創造的プレゼンテーション(創造的最適化)の選択は伝統的に別分野とみなされてきた。
本稿では、ユーザの興味を取り入れたクリエイティブ生成のための生成モデルのタスクを紹介し、パーソナライズされた広告クリエイティビティのためのモデルであるAdBoosterを形作る。
論文 参考訳（メタデータ） (2023-09-08T12:57:05Z) - Personality-Driven Social Multimedia Content Recommendation [68.46899477180837]
人格特性がコンテンツレコメンデーションモデルに与える影響を,新しいパーソナリティ駆動型マルチビューコンテンツレコメンデーションシステムを適用して検討する。
実験結果と実世界のケーススタディは、PersiCが効率的な人格駆動型マルチビューコンテンツレコメンデーションを行う能力だけでなく、実用的なデジタル広告戦略レコメンデーションを可能にすることを実証している。
論文 参考訳（メタデータ） (2022-07-25T14:37:18Z) - 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) - Efficient Optimal Selection for Composited Advertising Creatives with
Tree Structure [24.13017090236483]
視覚的に楽しめる広告クリエイティビティは、製品のクリックスルーレート(CTR)を増加させる可能性がある。
ツリー構造に基づいたアダプティブで効率的な広告クリエイティブセレクションフレームワークを提案します。
ツリー構造に基づいて、トンプソンサンプリングは動的プログラミングに適応され、最大のCTRを持つ潜在的な広告クリエイティブの効率的な探索につながります。
論文 参考訳（メタデータ） (2021-03-02T03:39:41Z) - 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) - Learning to Create Better Ads: Generation and Ranking Approaches for Ad
Creative Refinement [26.70647666598025]
i)新しい広告テキストを生成すること、(ii)新しい広告テキストにキーフレーズを推奨すること、(iii)画像タグ(画像中のオブジェクト)を推奨すること。
複数の広告主が実施したA/Bテストに基づいて、劣悪な広告クリエイティブと優良な広告クリエイティブのペアワイズな例を作成します。
また、Yahoo Geminiの広告プラットフォームからのデータを使って、実験から広く適用可能な洞察を共有しています。
論文 参考訳（メタデータ） (2020-08-17T16:46:28Z) - 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)
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。