本文探讨了在实时竞价（RTB）广告中，如何利用因果模型评估重复用户曝光的经济价值。通过引入因果模型，作者分析了曝光次数对购买概率的影响，并提出了一种改进的预估方法，该方法在实验中展示了量化的提升。文章指出，传统的贪婪归因方法存在不足，而新的模型能够更准确地估算每次展示的边际效应，从而优化竞价策略。
Causal Models for Real Time Bidding with Repeated User Interactions
Martin Bompaire, Alexandre Gilotte, Benjamin Heymann
Criteo AI Lab
https://hal.archives-ouvertes.fr/hal-02971865/document
大部分在线广告的展示是通过实时竞价(RTB)这种拍卖机制来售卖的。每一次拍卖对应一次展示机会，竞对广告主需要精确预估经济价值，根据预估的价值来进行竞价。这种预估可以作为目标事件带给广告主的报酬，比如在商家网站上归因到此次展示多带来的购买事件，乘以该事件的预估概率。
但是，这种贪婪的方式太简单了，尤其是同一个用户曝光多次这种场景。这篇文章的目的在于讨论用户获得一次或多次展示时，如何进行以上评估。直观而言，随着曝光次数的增多，用户购买的可能性会越大，每次曝光的边际效应理论上呈现衰减的趋势。
这篇文章中，作者们首先通过因果模型来衡量每次展示的价值，将竞价问题跟重复用户交互行为关联起来。然后，基于这种方式，引入一种简单的规则来提升预估的价值。
这种做法不仅得到了遵循先前认知的有趣的定性结论，而其在公开数据集和生产环境的线上数据集上得到了量化的提升。
作者们所研究的问题简介如下
以上因子可以进一步分解
从竞价的角度看，特定用户的竞价请求序列可以看做一个随机过程
竞价最大化报酬的公式如下
竞价过程因果图图示如下
贪婪归因的不足在于
竞价流程带来的购买因果图如下
作者们将展示分为以下四类
作者们提出的生成模型，以表格形式汇总如下
生成式模型的因果图如下
数据集信息简介如下
最近点击距今时长对点击带来转化的可能性影响 &
展示之前的点击次数 趋势图如下
实验效果如下
我是分割线
您可能感兴趣
IJCAI2020|京东联合香港理工提出基于点击校准的注意力模型用于时延归因转化率预估
WSDM2022|阿里联合中科院提出特征协同作用网络CAN用于点击率预估(已开源)
WSDM2022|阿里提出合约广告自适应统一分配框架AUAF(已开源)
ICDM2019|阿里提出大规模个性化分发实时平滑算法并用于合约展示广告
KDD2021|清华联合雅虎|斯坦福大学|纽约大学提出竞价隐藏算法MEOW
KDD2021|雅虎提出高效深层分布网络竞价策略用于一阶广告拍卖竞价隐藏
KDD2021|华为联合上交提出CTR预估数值特征embedding学习框架AutoDis(已开源)
KDD2021|腾讯联合中科院北航提出人群扩展算法MetaHeac并用于推荐和广告领域(已开源)
扫一扫
1151
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
