論文の概要: Beyond Single Slot: Joint Optimization for Multi-Slot Guaranteed Display Advertising
- arxiv url: http://arxiv.org/abs/2605.21556v1
- Date: Wed, 20 May 2026 13:32:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:41.938001
- Title: Beyond Single Slot: Joint Optimization for Multi-Slot Guaranteed Display Advertising
- Title（参考訳）: Beyond Single Slot: マルチスロット保証ディスプレイ広告のための共同最適化
- Authors: Zhaoqi Zhang, Jiaming Deng, Miao Xie, Linyou Cai, Qianlong Xie, Xingxing Wang, Siqiang Luo, Gao Cong,
- Abstract要約: 本稿では,スロットレベルの冗長性,契約の不均衡,露出濃度といった重要な課題に対処する,マルチスロットGDアロケーションのための新しい共同最適化フレームワークを提案する。
本手法は, スロット排他性とページビュー制約に対する契約ルーレット機構を用いて, オフライン二部マッチング問題を定式化したものである。
- 参考スコア（独自算出の注目度）: 19.913909474194934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Guaranteed display advertising is crucial for platform monetization, yet existing methods often operate under a single-slot assumption, limiting their ability to optimize allocation across multi-slot page views. In this paper, we propose a novel joint optimization framework for multi-slot GD allocation, addressing key challenges such as slot-level redundancy, contract imbalance, and exposure concentration. Our approach formulates the allocation as an offline bipartite matching problem with a contract roulette mechanism for slot exclusivity and Page View constraints for impression control, and incorporates a scalable allocation optimization algorithm for efficient large-scale deployment. Extensive online tests on the Meituan advertising platform demonstrate that our method significantly improves merchant ROI, platform revenue efficiency, and contract fulfillment robustness. Specifically, online A/B tests show a 28.99% increase in Average Revenue Per User under 70% traffic, and DID analysis further indicates improved contract stability, demonstrating the strong applicability and effectiveness of our framework in real-world advertising deployments.
- Abstract（参考訳）: 保証されたディスプレイ広告はプラットフォーム収益化に不可欠であるが、既存の手法はシングルスロットの仮定で運用されることが多く、マルチスロットのページビューにまたがるアロケーションを最適化する能力が制限される。
本稿では,スロットレベルの冗長性,契約の不均衡,露出濃度といった重要な課題に対処する,マルチスロットGDアロケーションのための新しい共同最適化フレームワークを提案する。
本手法は、スロット排他性のための契約ルーレット機構と印象制御のためのページビュー制約を併用したオフライン二部マッチング問題としてアロケーションを定式化し、大規模展開を効率的にするためのスケーラブルなアロケーション最適化アルゴリズムを組み込んだ。
Meituanの広告プラットフォーム上での大規模なオンラインテストは、当社の手法がマーチャントROI、プラットフォーム収益効率、契約履行堅牢性を大幅に改善することを示している。
具体的には、オンラインA/Bテストでは、平均1ユーザ当たり平均売上が70%未満で28.99%増加し、DID分析では、契約の安定性がさらに向上し、実際の広告展開における我々のフレームワークの強い適用性と有効性を示している。
関連論文リスト
- Incentive-Aware Multi-Fidelity Optimization for Generative Advertising in Large Language Models [34.926198199616955]
本稿では,Vickrey-Clarke-GroveswarmインセンティブとMulti-Fidelity Optimizationを結合した統合フレームワークを提案する。
実験により、IAMFMは様々な予算で単一忠実度ベースラインを上回っていることが示された。
論文 参考訳（メタデータ） (2026-04-07T02:10:16Z) - A Unified Multi-Task Learning Framework for Generative Auto-Bidding with Validation-Aligned Optimization [51.27959658504722]
マルチタスク学習は、これらのタスクを共有表現を通じて共同でトレーニングするための、原則化されたフレームワークを提供する。
既存のマルチタスク最適化戦略は、主にトレーニングダイナミクスによって導かれ、不安定な入札環境ではよく一般化される。
本稿では,タスク毎のトレーニング勾配と保留有効度勾配のアライメントに基づいてタスク重みを適応的に割り当てる,バリデーション適応型マルチタスク最適化(VAMO)を提案する。
論文 参考訳（メタデータ） (2025-10-09T03:59:51Z) - Optimal Auction Design in the Joint Advertising [6.338459630458534]
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。
論文 参考訳（メタデータ） (2025-07-10T04:21:01Z) - 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) - Vertical Semi-Federated Learning for Efficient Online Advertising [50.18284051956359]
VFLの実践的な産業的応用を実現するために,Semi-VFL (Vertical Semi-Federated Learning) を提案する。
サンプル空間全体に適用可能な推論効率のよいシングルパーティ学生モデルを構築した。
新しい表現蒸留法は、重なり合うデータと非重なり合うデータの両方について、パーティ間の特徴相関を抽出するように設計されている。
論文 参考訳（メタデータ） (2022-09-30T17:59:27Z) - 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) - 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。