NMA: Neural Multi-slot Auctions with Externalities for Online Advertising

要約

オークションによるオンライン広告は、ソーシャル ネットワーキング サービスや電子商取引プラットフォームに数十億ドルの収益をもたらします。
GSP オークションは広告主にとってシンプルで理解しやすいため、業界における広告オークション メカニズムのベンチマークとなっています。
しかし、ほとんどの GSP ベースの産業慣行では、ユーザーのクリックは広告自体にのみ依存していると想定されており、外部性と呼ばれる外部項目の影響が無視されています。
最近、DNA はディープ ニューラル ネットワークを使用して GSP をアップグレードし、局所外部性をある程度モデル化しようと試みています。
ただし、オークションからのセットレベルのコンテキストのみが考慮され、広告の順序と表示位置は無視されます。これは依然として最適ではありません。
VCG ベースのマルチスロット オークション (VCG、WVCG など) は理論的にはグローバル外部性 (広告の順序や位置など) をモデル化することを可能にしますが、収益と社会福祉の両方の効率的なバランスが欠けています。
この論文では、上記の課題に取り組むために、ニューラル マルチスロット オークション (NMA) と呼ばれる新しいオークション メカニズムを提案します。
具体的には、コンテキストを認識したリスト単位の予測モジュールを使用してグローバル外部性を効果的にモデル化し、パフォーマンスの向上を実現します。
エンドツーエンド学習におけるインセンティブの互換性を保証するために、リストごとの深いランク モジュールを設計します。
さらに、収入を最大化しながら社会福祉の減少を効果的に軽減するために、社会福祉のための補助損失を提案します。
オフラインの大規模データセットとオンライン A/B テストの両方での実験結果は、NMA が産業上の実践における他の既存のオークション メカニズム (つまり、GSP、DNA、WVCG) よりもバランスの取れた社会福祉でより高い収益を獲得していることを示しており、当社は NM​​A を導入することに成功しました。
Meituanの食品配達プラットフォーム。

要約(オリジナル)

Online advertising driven by auctions brings billions of dollars in revenue for social networking services and e-commerce platforms. GSP auctions, which are simple and easy to understand for advertisers, have almost become the benchmark for ad auction mechanisms in the industry. However, most GSP-based industrial practices assume that the user click only relies on the ad itself, which overlook the effect of external items, referred to as externalities. Recently, DNA has attempted to upgrade GSP with deep neural networks and models local externalities to some extent. However, it only considers set-level contexts from auctions and ignores the order and displayed position of ads, which is still suboptimal. Although VCG-based multi-slot auctions (e.g., VCG, WVCG) make it theoretically possible to model global externalities (e.g., the order and positions of ads and so on), they lack an efficient balance of both revenue and social welfare. In this paper, we propose novel auction mechanisms named Neural Multi-slot Auctions (NMA) to tackle the above-mentioned challenges. Specifically, we model the global externalities effectively with a context-aware list-wise prediction module to achieve better performance. We design a list-wise deep rank module to guarantee incentive compatibility in end-to-end learning. Furthermore, we propose an auxiliary loss for social welfare to effectively reduce the decline of social welfare while maximizing revenue. Experiment results on both offline large-scale datasets and online A/B tests demonstrate that NMA obtains higher revenue with balanced social welfare than other existing auction mechanisms (i.e., GSP, DNA, WVCG) in industrial practice, and we have successfully deployed NMA on Meituan food delivery platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google