論文の概要: Truthful by Omission: Click Thinning for LLM-Native Advertising
- arxiv url: http://arxiv.org/abs/2610.30999v1
- Date: Thu, 22 Oct 2026 09:40:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.307543
- Title: Truthful by Omission: Click Thinning for LLM-Native Advertising
- Title(参考訳): LLM-Native Advertisingのためのクリックシンキング
- Abstract要約: ジェネレーティブAIアシスタントは、スポンサー付きコンテンツを回答に埋め込んだ広告媒体になりつつある。
広告のクリックスルーレートは、その広告をホストするパスに依存し、ユーザーは最初のクリックで停止するので、以前の広告は後からクリックする。
予測に忠実な計算効率のメカニズムを提示し、自由注文下での最適福祉の少なくとも半分を達成できる。
- 参考スコア(独自算出の注目度): 7.774615214367318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative AI assistants are becoming an advertising medium, embedding sponsored content in their answers. This setting departs from classical position auctions in two ways: an ad's click-through rate depends on the passage that hosts it, and because users stop at their first click, earlier ads take clicks from later ones. This competition for clicks makes truthfulness delicate: a higher bid can reshape the allocation and put a competitor ahead of the bidder, reducing the bidder's clicks. Existing mechanisms either attain a constant fraction of the optimal welfare (advertisers' total click value) but are not known to be truthful, or are truthful but their welfare guarantee degrades as the number of passages grows. We achieve both even when the answer and its editorial order are fixed before bidding. Assuming each ad's click-through rate when reached is known and unaffected by omitting other ads, we give a computationally efficient mechanism that is truthful in expectation and attains at least half the optimal welfare under free reordering. Our key idea, click thinning, omits ads at random, showing earlier ads less often so that each ad's overall click probability no longer depends on the order of the ads. Welfare maximization then reduces to a tractable matching problem, and solving it exactly with VCG-style payments makes truthful bidding optimal in expectation. Characterizing the click probabilities that omission can achieve sharpens the approximation factor from $2$ to $2-(1-δ)^{K-1}$ when at most $K$ ads are shown and each click-through rate is at most $δ$. This factor is the best possible for any order-preserving rule, even one that ignores incentives and computation, so truthfulness and computational efficiency incur no additional worst-case loss.
- Abstract(参考訳): ジェネレーティブAIアシスタントは、スポンサー付きコンテンツを回答に埋め込んだ広告媒体になりつつある。
広告のクリックスルーレートは、その広告をホストするパスに依存し、ユーザーは最初のクリックで停止するので、以前の広告は後からクリックする。
より高い入札者はアロケーションを再形成し、入札者の前に競争相手を置くことができ、入札者のクリックを減らすことができる。
既存のメカニズムは、最適な福祉(広告主の総クリック値)の一定の割合に達するが、真実であることは分かっていない。
入札前に回答と編集命令が固定された場合でも達成する。
到達した広告のクリックスルーレートが他の広告を省略することで知られ、影響を受けないと仮定すると、予測に忠実で、自由なリオーダーの下では、少なくとも半分の最適福祉を達成できる計算効率の良いメカニズムが提供される。
私たちのキーとなるアイデアであるクリックシンキングは、広告をランダムに省略し、以前の広告がより少ない頻度で表示されるので、各広告の全体的なクリック確率が広告の順序に依存しないようにします。
福祉の最大化は、抽出可能なマッチング問題に還元され、VCG方式の支払いでそれを正確に解決することで、予想通り真に入札するのが最適である。
省略可能なクリック確率を特徴付けることで、最大$K$広告が表示され、クリックスルーレートが最大$δ$である場合、近似係数を2-(1-δ)^{K-1} から2-(1-δ)^{K-1} にシャープする。
この因子は、インセンティブや計算を無視する規則でさえも、任意の順序保存規則で可能な限り最適であり、真理性と計算効率は、最悪の損失を生じさせない。
関連論文リスト
- LLM-OSDA: An Optimal-Stopping Dynamic Auction for Native Advertising in Multi-Turn LLM Conversations [27.829715473956472]
本稿では,ベルマン最適停止,勝者割り当て,封筒価格を組み込んだ動的コスト・ワン・クリックオークションを提案する。
シミュレーションされた会話型広告コーパスの実験では、LSM-OSDAは最強の固定時間ベースラインよりも11%改善している。
論文 参考訳(メタデータ) (2026-07-31T11:47:54Z) - The (Marginal) Value of a Search Ad: An Online Causal Framework for Repeated Second-price Auctions [34.5305475462577]
いくつかのフィードバックモデルの下で、レート最適後悔を実現するアルゴリズムを開発する。
鍵となる要素は、第2価格支払い規則によって明らかになった情報を利用して、第1価格オークションにおける類似学習問題に対する後悔を厳密に改善する。
論文 参考訳(メタデータ) (2026-05-03T07:34:30Z) - Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。
競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
論文 参考訳(メタデータ) (2024-05-31T19:26:05Z) - Improved Online Learning Algorithms for CTR Prediction in Ad Auctions [8.2536631346421]
広告オークションにおける収益のオンライン学習問題について検討する。
広告主の戦略的行動の2つのモデルに焦点を当てる。
我々は,高信頼度境界に基づくオンラインメカニズムを開発し,O(sqrtT)$後悔の度合いを実現する。
論文 参考訳(メタデータ) (2024-02-29T14:10:26Z) - Unbiased Filtering Of Accidental Clicks in Verizon Media Native
Advertising [1.6717433307723157]
我々は、クリックのいくつかが短寿命であることに気付いた場合、クリックスルー率(CTR)を予測することの課題に焦点を当てる。
偶然クリックすると、ユーザーと広告の間に親和性はほとんどなく、類似ユーザーが広告をクリックすると予測するのは不正確だ。
本稿では,偶発クリックの発生確率に基づいて,偶発クリックの正の重みを全ての負の事象(スキップ)に分配する手法を提案する。
論文 参考訳(メタデータ) (2023-12-08T12:54:30Z) - Bandits Meet Mechanism Design to Combat Clickbait in Online
Recommendation [50.469872635246176]
我々は,マルチアームバンディット問題の戦略的変種について検討し,これを戦略的クリックバンディット(Click-bandit)と呼ぶ。
このモデルは、推奨項目の選択がクリックスルー率とクリック後の報酬の両方に依存するオンラインレコメンデーションのアプリケーションによって動機付けられている。
論文 参考訳(メタデータ) (2023-11-27T09:19:01Z) - Online Learning in Contextual Second-Price Pay-Per-Click Auctions [47.06746975822902]
オンライン学習は、クリック単価のオークションで学習し、そこでは、各ラウンドのT$で、学習者がいくつかのコンテキストと広告を受信する。
学習者のゴールは、彼女の後悔を最小限に抑えることであり、それは彼女の総収入と託宣戦略のギャップとして定義される。
論文 参考訳(メタデータ) (2023-10-08T07:04:22Z) - 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) - Online Joint Bid/Daily Budget Optimization of Internet Advertising
Campaigns [115.96295568115251]
複数のチャンネルにまたがるペイ・パー・クリック広告キャンペーンのオンライン共同入札/日次予算最適化の自動化問題について検討する。
どのキャンペーンでも、Gaussian Processesによる入札のクリック数と日々の予算に依存しています。
我々は4つのアルゴリズムを設計し、O(sqrtT)として高い確率で上界した後悔に苦しむことを示す。
我々は,1年以上に1日平均1000ユーロを消費した実世界のアプリケーションにおいて,我々のアルゴリズムの採用結果を提示する。
論文 参考訳(メタデータ) (2020-03-03T11:07:38Z)
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。