論文の概要: Optimal Auction Design in the Joint Advertising

• arxiv url: http://arxiv.org/abs/2507.07418v1
• Date: Thu, 10 Jul 2025 04:21:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.273401
• Title: Optimal Auction Design in the Joint Advertising
• Title（参考訳）: 共同広告における最適オークション設計
• Authors: Yang Li, Yuchao Ma, Qi Qi,
• Abstract要約: 本稿では,シングルスロット環境でのジョイント広告の最適メカニズムについて述べる。 複数スロットのジョイント広告において,共同広告に特化した新しいバンドルベースのニューラルネットワークアプローチである textbfBundleNet を提案する。
• 参考スコア（独自算出の注目度）: 6.338459630458534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online advertising is a vital revenue source for major internet platforms. Recently, joint advertising, which assigns a bundle of two advertisers in an ad slot instead of allocating a single advertiser, has emerged as an effective method for enhancing allocation efficiency and revenue. However, existing mechanisms for joint advertising fail to realize the optimality, as they tend to focus on individual advertisers and overlook bundle structures. This paper identifies an optimal mechanism for joint advertising in a single-slot setting. For multi-slot joint advertising, we propose \textbf{BundleNet}, a novel bundle-based neural network approach specifically designed for joint advertising. Our extensive experiments demonstrate that the mechanisms generated by \textbf{BundleNet} approximate the theoretical analysis results in the single-slot setting and achieve state-of-the-art performance in the multi-slot setting. This significantly increases platform revenue while ensuring approximate dominant strategy incentive compatibility and individual rationality.
• Abstract（参考訳）: オンライン広告は主要なインターネットプラットフォームにとって重要な収入源である。 近年、単一の広告主を割り当てるのではなく、広告スロットに2つの広告主のバンドルを割り当てるジョイント広告が、アロケーション効率と収益を向上するための効果的な方法として登場した。 しかし、既存の共同広告のメカニズムは、個々の広告主や見落としのバンドル構造に注目する傾向があるため、最適性を実現するには至らなかった。 本稿では,シングルスロット環境でのジョイント広告の最適メカニズムについて述べる。 複数スロットのジョイント広告において,共同広告に特化して設計された,新しいバンドルベースのニューラルネットワークアプローチである‘textbf{BundleNet} を提案する。 実験により, 単スロット設定における理論解析結果を近似し, マルチスロット設定における最先端性能を実現する機構を実証した。 これはプラットフォーム収益を著しく増加させ、ほぼ支配的な戦略インセンティブの互換性と個人の合理性を確保します。

関連論文リスト

• Multi-task Offline Reinforcement Learning for Online Advertising in Recommender Systems [54.709976343045824]
  現在のオフライン強化学習(RL)手法は、スパース広告シナリオに適用した場合、重大な課題に直面している。 MTORLは,2つの主要な目標を対象とする,新しいマルチタスクオフラインRLモデルである。 我々はマルチタスク学習を用いて行動と報酬をデコードし、同時にチャネルレコメンデーションと予算配分に対処する。
  論文  参考訳（メタデータ） (2025-06-29T05:05:13Z)
• EGA-V2: An End-to-end Generative Framework for Industrial Advertising [19.927005856735445]
  EGA-V2(End-to-End Generative Advertising)は、ユーザ興味、POI(point-of-interest)、クリエイティブジェネレーション、広告アロケーション、支払い最適化を体系的にモデル化する最初の統合フレームワークである。 当社の結果は、次世代産業広告システムへの道を開く、完全生成型広告ソリューションのパイオニアとしての可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-05-23T06:55:02Z)
• Optimizing Search Advertising Strategies: Integrating Reinforcement Learning with Generalized Second-Price Auctions for Enhanced Ad Ranking and Bidding [36.74368014856906]
  本稿では,多様なユーザインタラクションに適応し,広告主のコスト,ユーザ関連性,プラットフォーム収益のバランスを最適化するモデルを提案する。 提案手法は,広告の配置精度とコスト効率を大幅に向上させ,実際のシナリオにおけるモデルの適用性を示すものである。
  論文  参考訳（メタデータ） (2024-05-22T06:30:55Z)
• 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)
• 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)

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。