論文の概要: Competition-Aware CPC Forecasting with Near-Market Coverage

• arxiv url: http://arxiv.org/abs/2603.13059v1
• Date: Fri, 13 Mar 2026 15:07:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:12.147954
• Title: Competition-Aware CPC Forecasting with Near-Market Coverage
• Title（参考訳）: ほぼ市場被覆による競合対応CPC予測
• Authors: Sebastian Frey, Edoardo Beccari, Maximilian Kranz, Nicolò Alberto Pellizzari, Ali Mete Karaman, Qiwei Han, Maximilian Kaiser,
• Abstract要約: 有料検索におけるコスト・パー・クリック(コスト・パー・クリック、英: Cost-per-Click、CPC)は、競争力のあるランドスケープによって生じる揮発性オークションの結果であり、個々の歴史から部分的にしか観察できない。 我々は,キーワードテキスト,CPCトラジェクトリ,地理的市場構造から得られる補完的な信号を用いて,1,811のキーワード系列と近似潜在競合を毎週予測する。 以上の結果から,キーワード由来のセマンティクスと地理的先行性を組み合わせた広範市場アウトカムカバレッジが,潜在競合を近似するスケーラブルな方法を提供することが示された。
• 参考スコア（独自算出の注目度）: 0.15635627702544694
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cost-per-click (CPC) in paid search is a volatile auction outcome generated by a competitive landscape that is only partially observable from any single advertiser's history. Using Google Ads auction logs from a concentrated car-rental market (2021--2023), we forecast weekly CPC for 1,811 keyword series and approximate latent competition through complementary signals derived from keyword text, CPC trajectories, and geographic market structure. We construct (i) semantic neighborhoods and a semantic keyword graph from pretrained transformer-based representations of keyword text, (ii) behavioral neighborhoods via Dynamic Time Warping (DTW) alignment of CPC trajectories, and (iii) geographic-intent covariates capturing localized demand and marketplace heterogeneity. We extensively evaluate these signals both as stand-alone covariates and as relational priors in spatiotemporal graph forecasters, benchmarking them against strong statistical, neural, and time-series foundation-model baselines. Across methods, competition-aware augmentation improves stability and error profiles at business-relevant medium and longer horizons, where competitive regimes shift and volatility is most consequential. The results show that broad market-outcome coverage, combined with keyword-derived semantic and geographic priors, provides a scalable way to approximate latent competition and improve CPC forecasting in auction-driven markets.
• Abstract（参考訳）: 有料検索におけるコスト・パー・クリック(コスト・パー・クリック、英: Cost-per-Click、CPC)は、競争力のあるランドスケープによって生じる揮発性オークションの結果であり、どの広告主の履歴からも部分的には観察できない。 集中型カーレンタル市場(2021-2023)のGoogle Adsオークションログを用いて,キーワードテキスト,CPCトラジェクトリ,地理的市場構造から導かれる補完的な信号を用いて,週毎のCPCを1,811のキーワード系列と近似潜在競合に対して予測する。 建設 (i)キーワードテキストの事前訓練されたトランスフォーマーベース表現からのセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック (二)CPC軌道の動的時間ワープ(DTW)アライメントによる行動地区、及び 三 地域的需要及び市場不均一性を捉えた地理的インテリジェント共変体 我々は、これらの信号を、スタンドアローン共変量および時空間グラフ予測器のリレーショナル先行値として広く評価し、強い統計的、神経的、時系列基礎モデルベースラインと比較した。 競争意識の増大は、競争体制のシフトとボラティリティが最も適切である、ビジネス関連メディアおよびより長い地平線における安定性とエラープロファイルを改善する。 以上の結果から,キーワードに基づくセマンティクスや地理的先入観と組み合わせることで,潜在競争を近似し,オークション型市場におけるCPC予測を改善するためのスケーラブルな方法が得られた。

関連論文リスト

• Forecasting Future Language: Context Design for Mention Markets [81.25011140991566]
  我々は、参照市場における正確な予測を支援するために、入力コンテキストをどのように設計するかを検討する。 1 より豊かなコンテキストは予測性能を継続的に改善し、(2)市場条件付きプロンプト(MCP)は事前の市場確率を扱い、テキストによる証拠を用いてそれを更新し、より良いキャリブレーションの予測を得る、(3)市場確率とMCP(MixMCP)の混合が市場ベースラインを上回っている、という3つの洞察を得た。
  論文  参考訳（メタデータ） (2026-02-04T12:43:31Z)
• Semantic Trading: Agentic AI for Clustering and Relationship Discovery in Prediction Markets [6.329256068898982]
  自然言語理解を用いて,市場を協調したトピックグループに自律的にクラスタリングするエージェントAIパイプラインを提案する。 我々は、同一利益(相関性)と異利益(反相関性)の関係を含む、解決結果が強い依存を示すクラスタ内市場ペアを特定する。 その結果,エージェント識別された関係はおよそ60～70%の精度を達成し,その貿易戦略が1週間の地平線上で平均で約20%のリターンを得られることがわかった。
  論文  参考訳（メタデータ） (2025-12-02T05:45:48Z)
• How Market Volatility Shapes Algorithmic Collusion: A Comparative Analysis of Learning-Based Pricing Algorithms [1.3716158732399093]
  本稿では,3つの古典的デュオポリーモデル(Logit,Hotelling,Linear)と,自動回帰プロセスによって生成される様々な需要ショック条件下での4つの価格アルゴリズムを網羅的に分析する。 以上の結果から,強化学習アルゴリズムは需要が安定して超競争的価格を維持できることがわかった。 絶対的な性能が著しく変化したにもかかわらず、アルゴリズムの相対的なランキングは異なる環境にわたって一貫性がある。
  論文  参考訳（メタデータ） (2025-12-01T19:01:22Z)
• 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)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• 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)
• Contrastive Similarity Learning for Market Forecasting: The ContraSim Framework [17.62254545708573]
  コントラスト類似性空間埋め込みアルゴリズム(ContraSim)を紹介する。 ContraSimは、(I)重み付き見出し強化、(I)重み付き見出し生成、および(II)重み付き自己監督型コントラスト学習(WSSCL)の2つの主要な段階で動作する。 このスペースクラスタをセマンティックに類似した見出しに埋め込むことで、より深い市場洞察がもたらされる。
  論文  参考訳（メタデータ） (2025-02-22T00:53:22Z)
• Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI [41.99446024585741]
  Weak Innovation AutoEncoderをベースとしたGenerative Probabilistic ForecastingアーキテクチャであるWIAE-GPFを提案する。 構造収束を保証する新しい学習アルゴリズムを提案し、生成した予測サンプルが基底真理条件付き確率分布と一致することを保証した。
  論文  参考訳（メタデータ） (2024-03-09T00:41:30Z)
• Adaptive Betweenness Clustering for Semi-Supervised Domain Adaptation [108.40945109477886]
  分類領域アライメントを実現するために,G-ABC (Adaptive Betweenness Clustering) と呼ばれる新しいSSDA手法を提案する。 提案手法は従来のSSDA手法よりも優れており,提案したG-ABCアルゴリズムの優位性を示している。
  論文  参考訳（メタデータ） (2024-01-21T09:57:56Z)
• Interpretable Deep Learning for Forecasting Online Advertising Costs: Insights from the Competitive Bidding Landscape [1.0923877073891446]
  本稿では,オンライン広告市場における日平均CPCの予測に様々な時系列予測手法を用いた総合的研究について述べる。 時間融合変換器(TFT)を含む統計モデル,機械学習技術,深層学習手法の性能評価を行った。
  論文  参考訳（メタデータ） (2023-02-11T19:26:17Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)

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。