論文の概要: Know in AdVance: Linear-Complexity Forecasting of Ad Campaign Performance with Evolving User Interest

• arxiv url: http://arxiv.org/abs/2405.10681v1
• Date: Fri, 17 May 2024 10:22:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 00:30:35.671749
• Title: Know in AdVance: Linear-Complexity Forecasting of Ad Campaign Performance with Evolving User Interest
• Title（参考訳）: AdVanceで知る: ユーザ関心の進化による広告キャンペーンパフォーマンスの線形複雑度予測
• Authors: XiaoYu Wang, YongHui Guo, Hui Sheng, Peili Lv, Chi Zhou, Wei Huang, ShiQin Ta, Dongbo Huang, XiuJin Yang, Lan Xu, Hao Zhou, Yusheng Ji,
• Abstract要約: リアルタイム入札(RTB)の広告主は、試行錯誤の費用を避けるために、予想されるコストと利益を事前にテキスト化したいと願っている。 ローカルオークションとグローバルキャンペーンレベルのモデリングを統合したタイムアウェアフレームワークである textitAdVance を提案する。 AdVanceはTencent Advertisingプラットフォームにデプロイされており、A/Bテストでは平均ユーザ当たり売上(ARPU)が4.5%上昇している。
• 参考スコア（独自算出の注目度）: 31.40023913908308
• License:
• Abstract: Real-time Bidding (RTB) advertisers wish to \textit{know in advance} the expected cost and yield of ad campaigns to avoid trial-and-error expenses. However, Campaign Performance Forecasting (CPF), a sequence modeling task involving tens of thousands of ad auctions, poses challenges of evolving user interest, auction representation, and long context, making coarse-grained and static-modeling methods sub-optimal. We propose \textit{AdVance}, a time-aware framework that integrates local auction-level and global campaign-level modeling. User preference and fatigue are disentangled using a time-positioned sequence of clicked items and a concise vector of all displayed items. Cross-attention, conditioned on the fatigue vector, captures the dynamics of user interest toward each candidate ad. Bidders compete with each other, presenting a complete graph similar to the self-attention mechanism. Hence, we employ a Transformer Encoder to compress each auction into embedding by solving auxiliary tasks. These sequential embeddings are then summarized by a conditional state space model (SSM) to comprehend long-range dependencies while maintaining global linear complexity. Considering the irregular time intervals between auctions, we make SSM's parameters dependent on the current auction embedding and the time interval. We further condition SSM's global predictions on the accumulation of local results. Extensive evaluations and ablation studies demonstrate its superiority over state-of-the-art methods. AdVance has been deployed on the Tencent Advertising platform, and A/B tests show a remarkable 4.5\% uplift in Average Revenue per User (ARPU).
• Abstract（参考訳）: リアルタイム入札(RTB)の広告主は、試行錯誤の費用を避けるために、予想される費用と広告キャンペーンの利益を事前に『textit{know』にしたいと願っている。 しかしながら、数万の広告オークションを含むシーケンスモデリングタスクであるキャンペーンパフォーマンス予測(CPF)は、ユーザ関心の進化、オークション表現、長期コンテキストといった課題を提起し、粗い粒度と静的モデリングメソッドを準最適にする。 本稿では,ローカルオークションレベルとグローバルキャンペーンレベルのモデリングを統合したタイムアウェアフレームワークである‘textit{AdVance} を提案する。 クリックした項目の時系列と表示された項目の簡潔なベクトルを用いて、ユーザの嗜好と疲労を分離する。 疲労ベクトルに条件付けされたクロスアテンションは、各候補広告に対するユーザの関心のダイナミクスをキャプチャする。 ライダーは互いに競い合い、自己認識機構に似た完全なグラフを提示する。 そこで我々はTransformer Encoderを用いて,補助タスクを解くことで,各オークションを埋め込みに圧縮する。 これらのシーケンシャルな埋め込みは条件付き状態空間モデル(SSM)によって要約され、大域的な線形複雑性を維持しながら長距離依存を理解する。 オークション間の不規則な時間間隔を考慮すると、SSMのパラメータは現在のオークションの埋め込みと時間間隔に依存する。 さらに、局所的な結果の蓄積に関するSSMのグローバルな予測について述べる。 広範囲な評価とアブレーション研究は、最先端の手法よりも優れていることを示している。 AdVanceはTencent Advertisingプラットフォームにデプロイされており、A/Bテストでは平均ユーザ当たり売上(ARPU)が4.5倍上昇している。

関連論文リスト

• Ad Auctions for LLMs via Retrieval Augmented Generation [12.9128551468564]
  本稿では,大規模言語モデル(LLM)のテキスト出力における広告アロケーションと価格設定のための新しいオークション機構を提案する。 RAGフレームワークに従って,各談話セグメントに対して広告を確率的に検索するセグメントオークションを提案する。 我々は,配分効率と公平性のバランスをとる福祉の新しい概念である対数社会福祉を最大化することを示し,関連するインセンティブに適合する価格設定を特徴付ける。
  論文  参考訳（メタデータ） (2024-06-12T22:05:51Z)
• 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)
• Multi-Platform Budget Management in Ad Markets with Non-IC Auctions [6.037383467521294]
  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。
  論文  参考訳（メタデータ） (2023-06-12T18:21:10Z)
• Constraint and Union for Partially-Supervised Temporal Sentence Grounding [70.70385299135916]
  時間的文接頭辞は、与えられた未編集ビデオから自然言語クエリによって記述された事象のタイムスタンプを検出することを目的としている。 既存の完全教師付き設定は優れたパフォーマンスを実現するが、高価なアノテーションコストを必要とする。 本稿では、中間的な部分教師付き設定、すなわち、トレーニング中に利用可能なショートクリップやシングルフレームラベルについて紹介する。
  論文  参考訳（メタデータ） (2023-02-20T09:14:41Z)
• User Response in Ad Auctions: An MDP Formulation of Long-Term Revenue Optimization [13.868805489082701]
  広告の質に対するユーザの反応を捉えるために,広告オークションのための新しいマルコフ決定プロセスモデルを提案する。 ユーザの反応を取り入れることで, オークションに関わる3つの関係者(広告主, オークション, ユーザ)すべてを考慮したモデルを構築した。
  論文  参考訳（メタデータ） (2023-02-16T06:16:01Z)
• 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)
• Contextual Bandits for Advertising Campaigns: A Diffusion-Model Independent Approach (Extended Version) [73.59962178534361]
  拡散ネットワークや情報伝達の仕方を決定するモデルについてはほとんど知られていないと考えられる影響問題について検討する。 この設定では、キャンペーンの実行中に主要な拡散パラメータを学習するために探索-探索アプローチが使用できる。 本稿では,2つの文脈的マルチアーム・バンディットの手法と,インフルエンサーの残りのポテンシャルに対する上限について比較する。
  論文  参考訳（メタデータ） (2022-01-13T22:06:10Z)
• 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。