We Know What You Want: An Advertising Strategy Recommender System for Online Advertising

[mei28]

---

id: we-know-what-you-want-an-advertising-strategy-recommender-system-for-online-advertising aliases:

• We Know What You Want: An Advertising Strategy Recommender System for Online Advertising tags:
• TSUNDOKU
• KDD

• Bandit

We Know What You Want: An Advertising Strategy Recommender System for Online Advertising

🔑この論文のキーメッセージ

• 広告主の目的に沿った広告戦略を推薦するシステムを構築

🎓どういう問題に取り組んだのか

• 広告プラットフォームは、広告主に最適な戦略を提案することは大切。
• 広告主向けの広告戦略システムを提案。商品とユーザのマッチングの焦点を当てる。

🎓その問題に取り組むことがなぜ重要なのか

• 広告主にとって最適な広告戦略は不明瞭である。→ 新規広告主が離れてしまう原因になる。
• 広告主の好みを考慮し、予測のパフォーマンスに最適の広告戦略を提案

💡問題解決に向けたキーアイデアは何か

• 広告戦略推薦

  • 広告をKey Performance Indicator (KPI) に基づいて、重みベクトルを推定

• 広告戦略の推薦モデルのために、context banditを用いる。

  • Agent: 広告推薦システム State: 広告戦略、Action: 広告主の好みを推定 Reward: 広告主から得られる反応　とした。
  • 広告主の採用行動を予測し、最大化することが目的。

👀新たに分かったことは何か

• オンライン実験：taobaoのプラットフォームで実際に利用。広告主のパフォーマンス最適とプラットフォームの収益増加した
• シミュレーション実験
  • 広告主の目標（インプレッション数、クリック数）の最大化に寄与した。→ 広告主の好みを理解することが大切。
  • Drop outを入れたところcontext banditにおいて推薦戦略がより効果的だった。
  • Dropout 率が低い場合、モデルは保守的な探索戦略を採用する。
  • ドロップアウト率が高い場合、モデルはアクション空間を頻繁に探索するため、学習した知識を十分に活用できず、パフォーマンスが低下

コメント

次はなに読む？

論文リンク

https://doi.org/10.1145/3447548.3467175 http://dx.doi.org/10.1145/3447548.3467175 https://dl.acm.org/doi/abs/10.1145/3447548.3467175 https://dl.acm.org/doi/pdf/10.1145/3447548.3467175

著者/所属機関

• Guo, Liyi; Jin, Junqi; Zhang, Haoqi; Zheng, Zhenzhe; Yang, Zhiye; Xing, Zhizhuang; Pan, Fei; Niu, Lvyin; Wu, Fan; Xu, Haiyang; Yu, Chuan; Jiang, Yuning; Zhu, Xiaoqiang

投稿日付(yyyy/MM/dd)

KDD2021