[论文解读] Attribution Modeling Increases Efficiency of Bidding in Display Advertising

Eustache Diemert, Julien Meynet+2 more|arXiv (Cornell University)|Jul 20, 2017

Consumer Market Behavior and Pricing参考文献 24被引用 37

一句话总结

本文提出了一种归属感知的出价策略，通过在点击后根据预测的归属概率调整出价，提升了效果广告中的效率。通过将学习到的归属模型整合到出价策略中，该方法降低了点击后的出价，从而减少成本和广告曝光，同时提高广告主的投资回报率（ROI）和平台效率，在在线实验中实现了长期OEC提升5.5%。

ABSTRACT

Predicting click and conversion probabilities when bidding on ad exchanges is at the core of the programmatic advertising industry. Two separated lines of previous works respectively address i) the prediction of user conversion probability and ii) the attribution of these conversions to advertising events (such as clicks) after the fact. We argue that attribution modeling improves the efficiency of the bidding policy in the context of performance advertising. Firstly we explain the inefficiency of the standard bidding policy with respect to attribution. Secondly we learn and utilize an attribution model in the bidder itself and show how it modifies the average bid after a click. Finally we produce evidence of the effectiveness of the proposed method on both offline and online experiments with data spanning several weeks of real traffic from Criteo, a leader in performance advertising.

研究动机与目标

• 解决标准出价策略在点击后无法考虑归属概率变化所导致的效率低下问题。
• 通过建模点击后导致归属转化的可能性，改善广告主、平台和用户之间的激励对齐。
• 开发一种实用且可扩展的出价策略，根据预测的归属概率动态调整出价，减少点击后的过度出价。
• 通过在真实Criteo生产流量上的离线和大规模在线实验验证该方法。
• 证明归属感知出价能够以最小系统改动实现长期价值的显著提升。

提出的方法

• 作者训练了一个概率归属模型，用于估计P(A=1|S=1,X=x)，即在发生转化且具备上下文特征x的条件下，实现归属转化的概率。
• 通过引入归属模型的输出，对期望价值出价者（EVB）进行修改，以在点击后调整出价，采用基于距上次点击时间的衰减函数。
• 所提出的出价策略对基准出价应用一个乘数：bid_test ∝ bid_ref × A × (1 − B × e^(−λδ))，其中δ表示距上次点击的时间。
• 模型使用一个全局λ参数控制点击后出价衰减的速率，B参数则调节减少的激进程度。
• 离线评估采用更新后的期望效用指标，用于在在线部署前评估策略改进效果。
• 在线实验采用用户分流的A/B测试，通过调整A和B参数以平衡预算支出并衡量性能表现。

实验结果

研究问题

• RQ1 将归属模型集成到出价策略中是否能提升效果广告中的长期效率？
• RQ2 基于预测归属概率的点击后出价调整如何影响广告主的投资回报率（ROI）和平台成本？
• RQ3 与标准出价策略相比，该方法在点击后在多大程度上减少了用户广告曝光？
• RQ4 归属感知出价策略是否能带来长期性能指标（如OEC）的可测量提升？
• RQ5 该方法是否能在对现有广告平台进行最小改动的前提下实现显著收益？

主要发现

• 所提出的基于归属的出价（AB）策略在所有生产流量中均实现了整体评估准则（OEC）+5.5%的提升，该指标为长期性能指标。
• 尽管广告支出减少，广告主仍因单位预算下转化数量增加而实现了更高的投资回报率（ROI）。
• 点击后同一广告主的用户广告曝光量显著下降，提升了用户体验和广告多样性。
• 该方法通过在后续拍卖中降低出价，显著降低了平台整体成本，尤其在点击后24小时内效果明显。
• 离线指标的更新成功预测了在线表现，验证了评估框架的有效性。
• 该策略即使仅进行最小系统改动也表现出色，采用基于简单乘数的出价调整机制，具备灵活性且可直接投入生产环境。