論文の概要: Adaptive Ad Load Design for Sponsored Search Markets: Evidence, Theory, and Deployment

• arxiv url: http://arxiv.org/abs/2607.14418v1
• Date: Wed, 15 Jul 2026 23:12:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.933704
• Title: Adaptive Ad Load Design for Sponsored Search Markets: Evidence, Theory, and Deployment
• Title（参考訳）: スポンサー付き検索市場のための適応型広告負荷設計:エビデンス、理論、展開
• Authors: Mohammad Rashid, Hema Yoganarasimhan,
• Abstract要約: 広告のロードデザインは、スポンサード検索における中心的なサプライサイドの判断である。 このトレードオフを,Android App Storeの大規模ランダム化フィールド実験を用いて検討した。 我々は、新しい適応アルゴリズムをデプロイする -- 探索強化ローカル適応広告ロード(e-LAAL)
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ad-load design is a central supply-side decision in sponsored search: more sponsored slots can raise revenue, but may crowd out organic results and degrade user outcomes. We study this trade-off using a large-scale randomized field experiment on an Android app store, where over five million users are exposed to one through six sponsored slots. Increasing ad load raises revenue by up to 43%, but reduces total search conversions by up to 5% and daily engagement by up to 2.2%. These average effects mask substantial heterogeneity: additional slots generate large revenue gains for high-ad-conversion queries, but little or negative marginal revenue for low-conversion queries. The trade-off also shifts within query as advertiser composition changes, such as brand-advertiser presence. Motivated by these findings, we design and deploy a novel adaptive algorithm -- exploration-augmented Locally Adaptive Ad Load (e-LAAL). e-LAAL combines LAAL, a model-free query-level decision rule that updates ad-load recommendations using recent outcomes, with static exploration arms that maintain support and provide fixed-policy counterfactual benchmarks. We provide a finite-time dynamic-regret guarantee for the e-LAAL architecture. In a platform-level production deployment serving 22.3 million users and 77.6 million searches, e-LAAL improves the empirical revenue--conversion trade-off relative to deployed static benchmarks and outperforms uniform and historical query-dependent static benchmarks.
• Abstract（参考訳）: より多くのスポンサー付きスロットが収益を上げることができるが、オーガニックな結果を集め、ユーザーの結果を劣化させる可能性がある。 このトレードオフについて,Android App Storeの大規模ランダムフィールド実験を用いて検討し,500万人以上のユーザが1～6つのスポンサースロットに露出している。 広告収入の増加は収入を最大43%増やすが、全体の検索コンバージョンを最大5%減らし、毎日のエンゲージメントを最大2.2%減らす。 これらの平均的なエフェクトは、かなりの不均一性を隠している: 追加のスロットは、ハイ・アド・コンバージョン・クエリに対して大きな収益をもたらすが、ロー・コンバージョン・クエリに対しては、ほとんどあるいは負のマージン収入を生じさせない。 このトレードオフは、ブランドアドバタイザーの存在など、広告主の構成が変わるにつれて、クエリ内でもシフトする。 これらの発見に触発されて、我々は、探索強化ローカル適応広告負荷(e-LAAL)という新しい適応アルゴリズムを設計、展開した。 e-LAALはLAALというモデルフリーのクエリレベル決定ルールで、最近の結果を使用して広告負荷推奨を更新する。 e-LAALアーキテクチャの有限時間動的レグレット保証を提供する。 2230万のユーザと7760万の検索を提供するプラットフォームレベルの運用デプロイメントでは、e-LAALは、デプロイされた静的ベンチマークに対する実証的な収益-変換トレードオフを改善し、一様で履歴的なクエリ依存の静的ベンチマークを上回っている。

関連論文リスト

• Next-Gen Sponsored Search: Crafting the Perfect Query with Inventory-Aware RAG (InvAwr-RAG) Based GenAI [1.3544447919445164]
  本稿では,インベントリ・アウェアRAGに基づく生成AIモデル(InvAwr-RAG)を紹介する。 予備的な結果は、フィリングレートとバランスの取れた関連指標の68%が顕著に増加し、広告収入の増加の可能性を示唆している。
  論文  参考訳（メタデータ） (2026-07-04T13:53:45Z)
• Beyond Single Slot: Joint Optimization for Multi-Slot Guaranteed Display Advertising [19.913909474194934]
  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。
  論文  参考訳（メタデータ） (2026-05-20T13:32:47Z)
• One Model, Two Markets: Bid-Aware Generative Recommendation [7.863030229448138]
  本稿では,商品関連性と収益化目標を直接生成シーケンスに統合する統合フレームワークを提案する。 制御トークンを導入し、どの項目から広告を表示するかの決定を分離する。 また,リアルタイムな価格設定処理を行うBid-Aware Decoding機構を考案し,推論プロセスに直接入札を注入し,高価値項目に対する評価を行う。
  論文  参考訳（メタデータ） (2026-03-23T17:27:59Z)
• Large Foundation Model for Ads Recommendation [50.71446552453167]
  広告レコメンデーションのための全表現多言語移動フレームワーク LFM4Ads を提案する。 LFM4AdsはTencentの産業規模の広告プラットフォームで成功している。
  論文  参考訳（メタデータ） (2025-08-20T10:18:01Z)
• Bidding-Aware Retrieval for Multi-Stage Consistency in Online Advertising [30.108437268612438]
  Bidding-Aware Retrieval (BAR) はモデルベースの検索フレームワークであり、検索スコア関数に広告入札値を組み込むことで、多段階の不整合に対処する。 BARの中核となる革新はビディン・アウェア・モデリング(Bidding-Aware Modeling)であり、経済的に一貫性のある表現を確保するために単調な学習とマルチタスクの蒸留を通じて入札信号を取り入れている。 大規模なオフライン実験とAlibabaのディスプレイ広告プラットフォームへのフルスケール展開により、BARの有効性が検証された。
  論文  参考訳（メタデータ） (2025-08-07T09:43:34Z)
• External Evaluation of Discrimination Mitigation Efforts in Meta's Ad Delivery [47.418845064441605]
  本稿では,Metaによって実装された可変還元システム(VRS)が,個人にとっての機会へのアクセスを有意義に改善していないことを示す。 そして、現実世界の広告でVRSを評価する実験を行い、VRSがばらつきを減らす一方で、広告主のコストも上昇させることを示した。 当社のアプローチは,すべてのグループからのユーザに対する広告露出の増加と,広告主に対するコスト削減によって,VRSよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-19T19:29:26Z)
• Democratizing LLMs: An Exploration of Cost-Performance Trade-offs in Self-Refined Open-Source Models [53.859446823312126]
  SoTAは7Bから65Bまでのさまざまなサイズのオープンソースモデルを平均して、ベースラインのパフォーマンスから8.2%改善している。 厳密に言えば、Vicuna-7Bのような非常に小さなメモリフットプリントを持つモデルでさえ、全体的な11.74%の改善と、高い創造性、オープンエンドタスクの25.39%の改善を示している。
  論文  参考訳（メタデータ） (2023-10-11T15:56:00Z)
• 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。