論文の概要: Reach Measurement, Optimization and Frequency Capping In Targeted Online Advertising Under k-Anonymity

• arxiv url: http://arxiv.org/abs/2501.04882v1
• Date: Wed, 08 Jan 2025 23:38:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 14:00:50.664878
• Title: Reach Measurement, Optimization and Frequency Capping In Targeted Online Advertising Under k-Anonymity
• Title（参考訳）: k匿名型オンライン広告におけるリーチ計測と最適化と周波数キャッピング
• Authors: Yuan Gao, Mu Qiao,
• Abstract要約: 周波数キャッピング(英: Frequency Capping)とは、マーケターが特定のユーザーに広告が表示される回数を制御できるようにする技術である。 本稿は、$k$匿名の文脈におけるリーチ測定と最適化の問題について述べる。 ユーザプライバシとオンラインブランド広告の有効性のトレードオフを評価する実験が実施されている。
• 参考スコア（独自算出の注目度）: 6.330502423961969
• License:
• Abstract: The growth in the use of online advertising to foster brand awareness over recent years is largely attributable to the ubiquity of social media. One pivotal technology contributing to the success of online brand advertising is frequency capping, a mechanism that enables marketers to control the number of times an ad is shown to a specific user. However, the very foundation of this technology is being scrutinized as the industry gravitates towards advertising solutions that prioritize user privacy. This paper delves into the issue of reach measurement and optimization within the context of $k$-anonymity, a privacy-preserving model gaining traction across major online advertising platforms. We outline how to report reach within this new privacy landscape and demonstrate how probabilistic discounting, a probabilistic adaptation of traditional frequency capping, can be employed to optimize campaign performance. Experiments are performed to assess the trade-off between user privacy and the efficacy of online brand advertising. Notably, we discern a significant dip in performance as long as privacy is introduced, yet this comes with a limited additional cost for advertising platforms to offer their users more privacy.
• Abstract（参考訳）: 近年のブランド認知を高めるためのオンライン広告の利用の増加は、ソーシャルメディアの普及に大きく寄与している。 オンラインブランド広告の成功に寄与する1つの重要な技術は、広告が特定のユーザーに表示される回数をマーケターが制御できるメカニズムである周波数キャッピングである。 しかし、この技術の基盤は、業界がユーザーのプライバシーを優先する広告ソリューションに向かっているため、精査されている。 本稿では、主要なオンライン広告プラットフォームで注目を集めているプライバシー保護モデルである$k$-anonymityの文脈におけるリーチ測定と最適化の問題について述べる。 我々は、この新しいプライバシーの状況の中で、どのようにリーチを報告するかを概説し、従来の周波数カッピングの確率的適応である確率的割引が、キャンペーンパフォーマンスの最適化にどのように使われるかを示す。 ユーザプライバシとオンラインブランド広告の有効性のトレードオフを評価する実験が実施されている。 プライバシーが導入された限り、パフォーマンスは大幅に低下するが、これは広告プラットフォームがユーザーに対してよりプライバシーを提供するための追加費用が制限されることを意味している。

関連論文リスト

• Click Without Compromise: Online Advertising Measurement via Per User Differential Privacy [22.38999810583601]
  本稿では,広告測定結果のための新しいユーザレベルの差分プライバシー保護スキームであるAds-BPCを紹介する。 Ads-BPCは、広告測定に適用された既存のストリーミングDPメカニズムよりも25%から50%精度が向上する。
  論文  参考訳（メタデータ） (2024-06-04T16:31:19Z)
• 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)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• Towards a User Privacy-Aware Mobile Gaming App Installation Prediction Model [0.8602553195689513]
  本研究では,モバイルゲームアプリのインストールを需要側プラットフォームの観点から予測するプロセスについて検討する。 プライバシ保護とモデルパフォーマンスのトレードオフについて検討する。 プライバシーを意識したモデルは依然として重要な能力を保っていると結論付けている。
  論文  参考訳（メタデータ） (2023-02-07T09:14:59Z)
• A Profit-Maximizing Strategy for Advertising on the e-Commerce Platforms [1.565361244756411]
  提案手法は,対象のオーディエンスを実際の購入者へ変換する確率を最大化するために,最適な機能セットを見つけることを目的としている。 提案手法が予算制約で広告戦略を効果的に最適化できることを示すため,Tmall の現実データを用いた実証的研究を行った。
  論文  参考訳（メタデータ） (2022-10-31T01:45:42Z)
• 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)
• Lessons from the AdKDD'21 Privacy-Preserving ML Challenge [57.365745458033075]
  W3Cの顕著な提案では、過去のディスプレイの集計された、差別化されたプライベートなレポートを通じてのみ広告信号を共有することができる。 この提案を広く研究するために、AdKDD'21でオープンなプライバシ保護機械学習チャレンジが行われた。 重要な発見は、大量の集約されたデータの小さな集合が存在する場合の学習モデルは驚くほど効率的で安価であることである。
  論文  参考訳（メタデータ） (2022-01-31T11:09:59Z)
• Challenges and approaches to privacy preserving post-click conversion prediction [3.4071263815701336]
  この環境で変換モデルを学ぶ際の課題と制約について概説する。 本稿では,ポストグレード信号を利用したモデル学習手法を提案する。 実世界のデータに対してオフライン実験を用いることで、オプトインデータのみに依存するモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-29T21:36:01Z)
• 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)

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。