[論文レビュー] Multi-channel Autobidding with Budget and ROI Constraints

Yuan Deng, Negin Golrezaei+3 more|arXiv (Cornell University)|Feb 3, 2023

Auction Theory and Applications被引用数 9

ひとこと要約

この論文は、広告主がチャネルごとに予算とROIを設定して全体のコンバージョン数を最大化する、マルチチャネル自動入札をモデル化する。全体のROIと予算制約の下で、予算がグローバル最適性を満たすことを示し、限定フィードバックのもとでチャネル別予算を学習する帯域制御型 SGD-UCB アルゴリズムを提案する。

ABSTRACT

In digital online advertising, advertisers procure ad impressions simultaneously on multiple platforms, or so-called channels, such as Google Ads, Meta Ads Manager, etc., each of which consists of numerous ad auctions. We study how an advertiser maximizes total conversion (e.g. ad clicks) while satisfying aggregate return-on-investment (ROI) and budget constraints across all channels. In practice, an advertiser does not have control over, and thus cannot globally optimize, which individual ad auctions she participates in for each channel, and instead authorizes a channel to procure impressions on her behalf: the advertiser can only utilize two levers on each channel, namely setting a per-channel budget and per-channel target ROI. In this work, we first analyze the effectiveness of each of these levers for solving the advertiser's global multi-channel problem. We show that when an advertiser only optimizes over per-channel ROIs, her total conversion can be arbitrarily worse than what she could have obtained in the global problem. Further, we show that the advertiser can achieve the global optimal conversion when she only optimizes over per-channel budgets. In light of this finding, under a bandit feedback setting that mimics real-world scenarios where advertisers have limited information on ad auctions in each channels and how channels procure ads, we present an efficient learning algorithm that produces per-channel budgets whose resulting conversion approximates that of the global optimal problem. Finally, we argue that all our results hold for both single-item and multi-item auctions from which channels procure impressions on advertisers' behalf.

研究の動機と目的

• 複数チャネルにまたがる広告キャンペーンを、個別オークションの制御が限定的な状況で最適化する実践的問題を動機づける。
• 2つの広告主のレバー――チャネル別予算とチャネル別ROI――を形式的にモデル化し、それらがグローバル最適を達成する効果を分析する。
• チャネル別予算（ROIではなく）が、グローバルROIと予算制約の下でグローバル最適変換を達成できることを示す。
• 帯域制御フィードバックの下で、ほぼ最適なチャネル別予算を見つける学習アルゴリズムを開発・分析する。
• 提案手法を検証し、一般目的への拡張を探る数値研究を提供する。

提案手法

• GL-OPTを、グローバルROI制約と総予算制約を持つ広告主の全チャネルに対するグローバル最適化問題として定義する。
• チャネル別ROIの最適化は、同じグローバル制約の下でGL-OPTと比較して到達変換が任意に悪化し得る一方、チャネル別予算はGL-OPTを達成できることを示す（定理3.2と定理3.3）。
• 予算が最適化されるとチャネル別ROIは冗長になることを結論づける（系 Corollary 3.4）。
• 予算のみをレバーとするCH-OPTを定式化し、帯域制御フィードバック学習問題を分析する。
• SGD-UCBベースのアルゴリズムを開発し、T期間で、チャネル別予算を出力して予算最適化変換へのO(T^{-1/3})近似を達成する。
• 一般的な目的とマルチインプレッション入札への拡張を前提とする仮定と議論を提供する。

実験結果

リサーチクエスチョン

• RQ1 チャネル別予算とチャネル別ROIは、ROIと予算制約の下でグローバル最適変換を達成するのに充分か。
• RQ2 同じグローバル制約の下で、チャネル別予算のみの最適化はGL-OPTを達成できるが、チャネル別ROIは失敗する可能性があるか。
• RQ3 帯域制御フィードバックの下で、ほぼ最適なチャネル別予算を学習する方法は。
• RQ4 一般的な広告主の目的とマルチインプレッション入札への拡張はどのようなものが現実的か。

主な発見

• チャネル別予算は、 будь anyターゲットROIと予算に対してGL-OPTを達成するのに十分である（有限な予算でも対応可能）。
• 同じグローバル制約の下で、チャネル別ROIのみの最適化はGL-OPTと比較して到達変換が任意に低くなる可能性がある。
• 予算を最適化するとチャネル別ROIは冗長になる（冗長性の結果）。
• 帯域フィードバック下でのSGD-UCBベースのアルゴリズムは、T期間内にチャネル別予算の最適解へのO(T^{-1/3})近似を達成する。
• 数値研究は、提案アルゴリズムが実用的な設定でチャネル別予算の最適化に対して正確に近似することを示す。