論文の概要: HOB: A Holistically Optimized Bidding Strategy under Heterogeneous Auction Mechanisms with Organic Traffic

• arxiv url: http://arxiv.org/abs/2510.15238v1
• Date: Fri, 17 Oct 2025 02:00:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.436118
• Title: HOB: A Holistically Optimized Bidding Strategy under Heterogeneous Auction Mechanisms with Organic Traffic
• Title（参考訳）: HOB: 有機的トラフィックを伴う不均一なオークションメカニズム下での完全最適化バイディング戦略
• Authors: Qi Li, Wendong Huang, Qichen Ye, Wutong Xu, Cheems Wang, Rongquan Bai, Wei Yuan, Guan Wang, Chuan Yu, Jian Xu,
• Abstract要約: 電子商取引広告プラットフォームは通常、第2価格オークション(SPA)または第1価格オークション(FPA)を通じて商業トラフィックを販売している。 自動入札システムにとって、このような傾向は重要な課題であり、多様な広告主の目的を満たすため、異種オークションチャネルをまたいだ最適な戦略を決定することである。 我々は,有機トラフィックの存在を考慮に入れた,FPAチャネル下での最適入札のための効率的なソリューションを導出する。
• 参考スコア（独自算出の注目度）: 23.230940625345372
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The E-commerce advertising platforms typically sell commercial traffic through either second-price auction (SPA) or first-price auction (FPA). SPA was historically prevalent due to its dominant strategy incentive-compatible (DSIC) for bidders with quasi-linear utilities, especially when budgets are not a binding constraint, while FPA has gained more prominence for offering higher revenue potential to publishers and avoiding the possibility for discriminatory treatment in personalized reserve prices. Meanwhile, on the demand side, advertisers are increasingly adopting platform-wide marketing solutions akin to QuanZhanTui, shifting from spending budgets solely on commercial traffic to bidding on the entire traffic for the purpose of maximizing overall sales. For automated bidding systems, such a trend poses a critical challenge: determining optimal strategies across heterogeneous auction channels to fulfill diverse advertiser objectives, such as maximizing return (MaxReturn) or meeting target return on ad spend (TargetROAS). To overcome this challenge, this work makes two key contributions. First, we derive an efficient solution for optimal bidding under FPA channels, which takes into account the presence of organic traffic - traffic can be won for free. Second, we introduce a marginal cost alignment (MCA) strategy that provably secures bidding efficiency across heterogeneous auction mechanisms. To validate performance of our developed framework, we conduct comprehensive offline experiments on public datasets and large-scale online A/B testing, which demonstrate consistent improvements over existing methods.
• Abstract（参考訳）: Eコマース広告プラットフォームは通常、第2価格オークション(SPA)または第1価格オークション(FPA)を通じて商業トラフィックを販売している。 SPAは歴史的に、準線形効用を持つ入札者に対する戦略インセンティブ互換(DSIC)が支配的であり、特に予算が拘束力の制約ではない場合、FPAは出版社に高い収益性を提供し、パーソナライズされた予備価格での差別的扱いを回避している。 一方、需要面では、広告主はQuanZhanTuiに似たプラットフォーム全体のマーケティングソリューションを採用する傾向にある。 自動入札システムでは、リターンの最大化(MaxReturn)や広告費の目標リターンの達成(TargetROAS)など、多種多様な広告主の目的を達成するため、異種オークションチャネルをまたいだ最適な戦略を決定することが重要な課題となっている。 この課題を克服するために、この研究は2つの重要な貢献をする。 まず、有機トラフィックの存在を考慮し、FPAチャネル下で最適な入札を行うための効率的なソリューションを導出する。 第2に,異種オークション機構間の入札効率を確実に確保する限界コストアライメント(MCA)戦略を導入する。 開発したフレームワークの性能を検証するため、公開データセットと大規模オンラインA/Bテストの総合的なオフライン実験を行い、既存の手法よりも一貫した改善を実証した。

関連論文リスト

• The Bidding Games: Reinforcement Learning for MEV Extraction on Polygon Blockchain [0.11880231424287215]
  本稿では,ポリゴンアトラスを用いたMEV抽出のための強化学習フレームワークを提案する。 我々の研究は、高頻度MEV環境において強化学習が重要な利点をもたらすことを証明している。
  論文  参考訳（メタデータ） (2025-10-16T12:54:53Z)
• Generative Auto-Bidding in Large-Scale Competitive Auctions via Diffusion Completer-Aligner [37.31354488152535]
  本稿では,Diffusion Completer-aligner フレームワーク CBD を用いたCausal Auto-Bidding法を提案する。 トラジェクトリレベルのリターンモデルを用いて、生成されたトラジェクトリを洗練し、広告主の目的とより密に整合させる。 提案手法は大規模自動入札ベンチマークにおいて優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2025-09-03T14:25:36Z)
• BAT: Benchmark for Auto-bidding Task [67.56067222427946]
  本稿では,最も普及している2種類のオークション形式を含むオークションベンチマークを提案する。 我々は,新しいデータセットに基づいて,一連の堅牢なベースラインを実装した。 このベンチマークは、研究者や実践者が革新的なオートバイディングアルゴリズムを開発し、洗練するための、ユーザフレンドリで直感的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-05-13T12:12:34Z)
• Nash Equilibrium Constrained Auto-bidding With Bi-level Reinforcement Learning [64.2367385090879]
  本稿では,プラットフォームの観点から,自動入札問題の新たな定式化を提案する。 これは、$epsilon$-NE制約の下ですべての広告主の社会的福祉を最大化することを目的としている。 NCB問題は、その制約された二段階構造と、典型的には多くの広告主が関与しているため、重大な課題を提起している。
  論文  参考訳（メタデータ） (2025-03-13T12:25:36Z)
• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Online Learning under Budget and ROI Constraints via Weak Adaptivity [57.097119428915796]
  制約付きオンライン学習問題に対する既存の原始双対アルゴリズムは、2つの基本的な仮定に依存している。 このような仮定は、標準の原始双対テンプレートを弱適応的後悔最小化器で与えることによって、どのように回避できるのかを示す。 上記の2つの前提が満たされていない場合に保証される、世界の最高の保証を証明します。
  論文  参考訳（メタデータ） (2023-02-02T16:30:33Z)
• Demystifying Advertising Campaign Bid Recommendation: A Constraint target CPA Goal Optimization [19.857681941728597]
  本稿では,広告主が望むtCPA目標を達成するための入札最適化シナリオを提案する。 我々は厳格に定式化された制約付き最適化問題を解くことで決定を下すために最適化エンジンを構築した。 提案モデルでは,広告主の過去のオークション行動に対する推測を行うことで,広告主の期待に応える入札を自然に推奨することができる。
  論文  参考訳（メタデータ） (2022-12-26T07:43:26Z)
• 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)
• Multi-Agent Cooperative Bidding Games for Multi-Objective Optimization in e-Commercial Sponsored Search [26.117969395228503]
  我々は,Multi-Agent Cooperative bidding Games (MACG) と呼ばれる新しい多目的協調入札最適化法を提案する。 すべての広告の全体的な利益を最大化するためのグローバルな目的が、より良い協力を奨励し、またセルフ入札の広告主を保護するために追加される。 タオバオプラットフォーム上でのオフライン実験とオンラインA/Bテストは、単一広告主の目標とグローバル利益の両方が大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2021-06-08T03:18:28Z)
• Optimizing Multiple Performance Metrics with Deep GSP Auctions for E-commerce Advertising [28.343122250701498]
  eコマース広告では、広告プラットフォームは通常、ユーザーエクスペリエンス、広告主ユーティリティ、プラットフォーム収益など、さまざまなパフォーマンス指標を最適化するためのオークションメカニズムに依存している。 本稿では,Deep GSPオークション(Deep GSP auction)と呼ばれる新しいメカニズムを提案する。
  論文  参考訳（メタデータ） (2020-12-05T02:51:11Z)
• 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。