要約
この論文では、現代のオンライン オークションの次の 4 つの主要な現実的特性を考慮したオンライン広告オークションの学習モデルを提案します。(1) 広告スロットはユーザーの検索クエリに応じて異なる値とクリック率を持つことができ、(2) 競合する広告主の数と身元は観察されず、オークションごとに変化します、(3) 広告主は部分的な集約されたフィードバックのみを受け取り、(4) 支払いルールは部分的にのみ指定されます。
私たちは広告主を、複雑なオークション メカニズムとは無関係に、敵対的バンディット アルゴリズムによって管理されるエージェントとしてモデル化します。
私たちの目的は、反事実の分析、予測、推論を目的として広告主の行動をシミュレートすることです。
私たちの調査結果は、このようなより豊かな環境では、入札者が同じ母集団から選ばれた場合でも、「ソフトフロア」が主要なパフォーマンス指標を向上させる可能性があることを明らかにしています。
さらに、観察された入札から広告主の価値分布を推測する方法を実証し、より現実的なオークション設定においても私たちのアプローチの実際的な有効性を確認します。
要約(オリジナル)
This paper proposes a learning model of online ad auctions that allows for the following four key realistic characteristics of contemporary online auctions: (1) ad slots can have different values and click-through rates depending on users’ search queries, (2) the number and identity of competing advertisers are unobserved and change with each auction, (3) advertisers only receive partial, aggregated feedback, and (4) payment rules are only partially specified. We model advertisers as agents governed by an adversarial bandit algorithm, independent of auction mechanism intricacies. Our objective is to simulate the behavior of advertisers for counterfactual analysis, prediction, and inference purposes. Our findings reveal that, in such richer environments, ‘soft floors’ can enhance key performance metrics even when bidders are drawn from the same population. We further demonstrate how to infer advertiser value distributions from observed bids, thereby affirming the practical efficacy of our approach even in a more realistic auction setting.
arxiv情報
| 著者 | Ming Chen,Sareh Nabi,Marciano Siniscalchi |
| 発行日 | 2023-07-21 17:45:28+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google