論文の概要: PlatformBid: An Auto-Bidding Benchmark from a Unified Advertising Platform's Perspective
- arxiv url: http://arxiv.org/abs/2607.27265v1
- Date: Wed, 29 Jul 2026 09:02:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.275555
- Title: PlatformBid: An Auto-Bidding Benchmark from a Unified Advertising Platform's Perspective
- Title（参考訳）: PlatformBid: 統一広告プラットフォームから見た自動入札ベンチマーク
- Abstract要約: 従来の自動入札アルゴリズムはデマンドサイド・プラットフォーム側のみに焦点を当てている。
ソーシャルメディアやeコマース企業は現在、SSP、DSP、Ad Exchangeの機能を内部で統合している。
統合広告プラットフォームの観点から設計された最初の総合ベンチマークであるPlatformBidを提案する。
- 参考スコア（独自算出の注目度）: 30.651537362437466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-time bidding is central to computational advertising, comprising three elements: Supply Side Platform (SSP) selling ad impressions, Demand Side Platform (DSP) bidding for advertisers, and Ad Exchange conducting auctions between them. Traditional auto-bidding algorithms focus solely on the DSP side, maximizing advertiser conversions by adjusting bids against competitors. However, current big ad platforms, such as social media and e-commerce companies, now integrate SSP, DSP, and Ad Exchange functions internally. From such ad platforms' perspective, the goal of the auto-bidding algorithms is not only to maximize the advertisers' conversions, but also the total revenue of the platform. Given the lack of platform-centric evaluation frameworks and the pressing need to advance auto-bidding research, we propose PlatformBid - the first comprehensive benchmark designed from a unified ad platform's perspective. To accurately reflect the real-world auto-bidding scenarios, we define three representative settings: (1) homogeneous competition with identical algorithms across advertisers, (2) heterogeneous competition with diverse algorithmic strategies, and (3) promotional competition where some advertisers surge budgets for boosting sales during promotional events like Black Friday. We systematically evaluate a broad spectrum of existing auto-bidding methods across these settings, encompassing classical control methods, RL-based methods, and recent generative methods. Besides these methods, we further propose a novel auto-bidding method based on flow-matching, termed BidFlow, which leverages the flow-matching method's expressive policy representation to effectively handle dynamic competitive environments. Online experiments on Kuaishou further show a +0.68\% improvement in target cost, providing deployment evidence for the offline-online consistency of PlatformBid.
- Abstract（参考訳）: リアルタイム入札は、広告インプレッションを販売するサプライサイドプラットフォーム(SSP)、広告主を入札するデマンドサイドプラットフォーム(DSP)、それらの間のオークションを行うAd Exchangeの3つの要素からなる計算広告の中心である。
従来の自動入札アルゴリズムはDSP側にのみ焦点を合わせ、競争相手に対する入札を調整することで広告主のコンバージョンを最大化する。
しかし、ソーシャルメディアやeコマース企業などの現在の大手広告プラットフォームは、SSP、DSP、Ad Exchangeの機能を内部的に統合している。
このような広告プラットフォームの観点から、自動入札アルゴリズムの目標は、広告主のコンバージョンを最大化するだけでなく、プラットフォーム全体の収益を最大化することである。
プラットフォーム中心の評価フレームワークの欠如と自動入札研究の推進の必要性を踏まえ、広告プラットフォームの観点から設計された最初の包括的なベンチマークであるPlatformBidを提案する。
実世界の自動入札シナリオを正確に反映するために,(1)広告主間での同一アルゴリズムとの均質な競争,(2)多様なアルゴリズム戦略との異質な競争,(3)ブラックフライデーのようなプロモーションイベントにおける販売促進のための予算を膨らませるプロモーション競争という3つの代表的な設定を定義した。
提案手法は, 従来の制御手法, RL法, および最近の生成手法を網羅し, 既存の自動入札手法の幅広い範囲を体系的に評価する。
さらに,フローマッチング手法の表現表現を活用して,動的競争環境を効果的に処理する,フローマッチングに基づく新しい自動入札手法BidFlowを提案する。
Kuaishouのオンライン実験ではさらに、ターゲットコストの+0.68\%の改善が示されており、PlatformBidのオフライン-オフライン一貫性のデプロイ証拠が提供されている。
関連論文リスト
- Autobidding Arena: unified evaluation of the classical and RL-based autobidding algorithms [71.47275796833235]
本稿では,古典的および強化的学習オートバイディングアルゴリズムを比較するための,標準化された透過的評価プロトコルを提案する。
我々は、この業界で開発された最新のオープンソース環境を利用して、入札プロセスを正確にエミュレートする。
論文 参考訳（メタデータ） (2025-10-22T08:27:56Z) - HOB: A Holistically Optimized Bidding Strategy under Heterogeneous Auction Mechanisms with Organic Traffic [23.230940625345372]
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。
論文 参考訳（メタデータ） (2025-10-17T02:00:09Z) - 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) - 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) - Multi-Platform Budget Management in Ad Markets with Non-IC Auctions [6.037383467521294]
オンライン広告市場では、予算に制約のある広告主は、様々なプラットフォームでのオークションで繰り返し入札することで、広告の配置を取得する。
予算制約がある場合、インセンティブに適合するかもしれない、あるいはそうでないかもしれない一連のオークションにおいて、入札を最適に行う戦略を提案する。
当社の戦略は、広告主が期待する予算制約を満たしつつ、オークション全体で期待される全ユーティリティを最大化する。
論文 参考訳（メタデータ） (2023-06-12T18:21:10Z) - Bidding Agent Design in the LinkedIn Ad Marketplace [16.815498720115443]
オンラインマーケットプレースにおける自動入札エージェントの設計のための汎用最適化フレームワークを構築した。
結果として、フレームワークは、例えば、複数のプラットフォームにまたがる広告グループの共同最適化を可能にし、それぞれが独自のオークションフォーマットを実行している。
このフレームワークに基づいたLinkedInの広告マーケットプレースで、デプロイされた入札システムの実践的な学習を共有します。
論文 参考訳（メタデータ） (2022-02-25T03:01:57Z) - 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) - A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。
本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
論文 参考訳（メタデータ） (2020-10-22T18:36:41Z) - 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。