論文の概要: Ads that Stick: Near-Optimal Ad Optimization through Psychological Behavior Models

• arxiv url: http://arxiv.org/abs/2509.20304v1
• Date: Wed, 24 Sep 2025 16:35:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.907762
• Title: Ads that Stick: Near-Optimal Ad Optimization through Psychological Behavior Models
• Title（参考訳）: 心理行動モデルによる広告最適化
• Authors: Kailash Gopal Darmasubramanian, Akash Pareek, Arindam Khan, Arpit Agarwal,
• Abstract要約: 既存のスケジューリングポリシーは、一様間隔や周波数上限のような、長期のユーザの関心を覆い隠す単純なものに依存している。 我々は,単なる露出,ヘドニック適応,オペラントコンディショニングに基づく広告表示によるユーザ関心の変化をモデル化する。 表示された広告の数が固定された場合、最適な広告スケジュールは操作条件関数にのみ依存することを示す。
• 参考スコア（独自算出の注目度）: 11.13292106104811
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optimizing the timing and frequency of ads is a central problem in digital advertising, with significant economic consequences. Existing scheduling policies rely on simple heuristics, such as uniform spacing and frequency caps, that overlook long-term user interest. However, it is well-known that users' long-term interest and engagement result from the interplay of several psychological effects (Curmei, Haupt, Recht, Hadfield-Menell, ACM CRS, 2022). In this work, we model change in user interest upon showing ads based on three key psychological principles: mere exposure, hedonic adaptation, and operant conditioning. The first two effects are modeled using a concave function of user interest with repeated exposure, while the third effect is modeled using a temporal decay function, which explains the decline in user interest due to overexposure. Under our psychological behavior model, we ask the following question: Given a continuous time interval $T$, how many ads should be shown, and at what times, to maximize the user interest towards the ads? Towards answering this question, we first show that, if the number of displayed ads is fixed, then the optimal ad-schedule only depends on the operant conditioning function. Our main result is a quasi-linear time algorithm that outputs a near-optimal ad-schedule, i.e., the difference in the performance of our schedule and the optimal schedule is exponentially small. Our algorithm leads to significant insights about optimal ad placement and shows that simple heuristics such as uniform spacing are sub-optimal under many natural settings. The optimal number of ads to display, which also depends on the mere exposure and hedonistic adaptation functions, can be found through a simple linear search given the above algorithm. We further support our findings with experimental results, demonstrating that our strategy outperforms various baselines.
• Abstract（参考訳）: 広告のタイミングと頻度を最適化することは、デジタル広告の中心的な問題であり、経済的な影響が大きい。 既存のスケジューリングポリシーは、長期ユーザーの関心を覆す均一間隔や周波数上限のような単純なヒューリスティックに依存している。 しかし、ユーザの長期的関心とエンゲージメントは、いくつかの心理的効果(Curmei, Haupt, Recht, Hadfield-Menell, ACM CRS, 2022)の相互作用によって生じることが知られている。 本研究では,単なる露出,ヘドニック適応,オペラントコンディショニングという3つの重要な心理的原理に基づく広告の提示によるユーザの関心の変化をモデル化する。 最初の2つの効果は、繰り返し露光されるユーザ関心の凹凸関数を用いてモデル化され、3つ目の効果は時間減衰関数を用いてモデル化され、過剰露光によるユーザ関心の減少を説明する。 連続した時間間隔のT$、表示すべき広告数、そして広告に対するユーザの関心を最大化するために何回表示すべきなのか? この質問に答えるために、まず、表示された広告の数が固定された場合、最適な広告スケジュールは操作条件関数にのみ依存することを示す。 我々の主な成果は準線形時間アルゴリズムであり、ほぼ最適の広告スケジュールを出力し、すなわち、我々のスケジュールと最適スケジュールの差は指数関数的に小さい。 提案アルゴリズムは最適な広告配置に関する重要な洞察を導き,多くの自然条件下では均一間隔などの単純なヒューリスティックが最適以下であることを示す。 表示する広告の最適な数は、単に露出とヘドニスティック適応関数に依存するが、上記のアルゴリズムが与えられた単純な線形探索によって見つけることができる。 実験結果により,本研究の戦略が様々なベースラインを上回ることを示すとともに,本研究の成果をさらに裏付ける。

関連論文リスト

• Chirality in Action: Time-Aware Video Representation Learning by Latent Straightening [54.66784646111214]
  新しいタスク:カイラルな行動認識(chiral action recognition)を導入し、時間的に反対な行動のペアを区別する必要がある。 私たちのゴールは、これらのカイラルペア間の線形分離性を提供する、時間を考慮したビデオ表現を作ることです。 その結果、3つのデータセットにまたがって提案したタスクに対して,コンパクトだが時間に敏感なビデオ表現が得られることがわかった。
  論文  参考訳（メタデータ） (2025-09-10T11:23:10Z)
• HCMRM: A High-Consistency Multimodal Relevance Model for Search Ads [10.61722566941537]
  本稿では,広告システムにおけるランク付けの有効性を高めるために,クエリ・ツー・ビデオの関連性マッチングの改善に焦点をあてる。 これは、トレーニング前タスクと関連タスクの整合性を高めるために、シンプルだが効果的な方法を利用している。 提案手法はクアイシュ州検索広告システムに1年以上展開され、無関係広告の割合が6.1%減少し、広告収入が1.4%増加した。
  論文  参考訳（メタデータ） (2025-02-09T09:07:11Z)
• DisenHCN: Disentangled Hypergraph Convolutional Networks for Spatiotemporal Activity Prediction [53.76601630407521]
  本稿では,既存のソリューションのギャップを埋めるために,DistenHCNと呼ばれるハイパーグラフネットワークモデルを提案する。 特に,ユーザの好みと時間的活動の複雑なマッチングをヘテロジニアスなハイパーグラフにまとめる。 次に、ユーザ表現を異なる側面(位置認識、時間認識、活動認識)に切り離し、構築したハイパーグラフ上に対応するアスペクトの特徴を集約する。
  論文  参考訳（メタデータ） (2022-08-14T06:51:54Z)
• Hierarchically Constrained Adaptive Ad Exposure in Feeds [20.496491882160107]
  フィードの階層的制約の下での長期的パフォーマンス最適化に着目する。 階層的に制約された適応型広告露出(HCA2E)
  論文  参考訳（メタデータ） (2022-05-31T12:56:49Z)
• Ad Creative Discontinuation Prediction with Multi-Modal Multi-Task Neural Survival Networks [7.94957965474334]
  適切なタイミングで広告クリエイティビティを廃止することは、販売に重大な影響を与える可能性のある、最も重要な広告運営の1つだ。 本稿では,ハザード関数に基づく損失関数を用いた広告クリエイティビティの廃止に関する現実的な予測枠組みを提案する。 大規模な広告クリエイティビティデータセットを用いて,100億のインプレッションを含む私たちのフレームワークを評価する。
  論文  参考訳（メタデータ） (2022-04-02T04:57:23Z)
• 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)
• Mitigating Divergence of Latent Factors via Dual Ascent for Low Latency Event Prediction Models [0.739706777911384]
  現実世界のコンテンツレコメンデーションマーケットプレースは、特定の振る舞いを示し、一般的な静的なオフラインデータセットでは必ずしも明らかでない制約によって課される。 本稿では,モデルの潜在ベクトルに対して,慎重に選択された制約セットを付与することにより,モデルパラメータのばらつきを防止する体系的手法を提案する。 我々は,分散インスタンス数の大幅な削減と,ユーザエクスペリエンスと収益の両面で大きな改善を示すオンライン実験を実施している。
  論文  参考訳（メタデータ） (2021-11-15T16:09:48Z)
• Predicting Online Video Advertising Effects with Multimodal Deep Learning [33.20913249848369]
  ビデオ広告のクリックスルー率(CTR)を予測し,CTRを決定する要因を解析する手法を提案する。 本稿では,オンラインビデオ広告のマルチモーダル性を生かして,効果を正確に予測するための最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-22T06:24:01Z)
• 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)
• Geometry-Inspired Top-k Adversarial Perturbations [68.32598950136504]
  単純な多目的最適化としてのTop-k逆例。 Top-k Universal Adversarial Perturbationsは、画像に依存しない小さな摂動であり、ほとんどの自然画像のTop-k予測の中で真のクラスが欠落する原因となっている。
  論文  参考訳（メタデータ） (2020-06-28T18:05:57Z)

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。