[论文解读] Bid Shading by Win-Rate Estimation and Surplus Maximization

Shengjun Pan, Brendan Kitts+9 more|arXiv (Cornell University)|Sep 19, 2020

Auction Theory and Applications参考文献 13被引用 12

一句话总结

本文提出了一种基于中签率的出价遮蔽算法（WR），在不依赖SSP提供的最低中签出价反馈的情况下，最大化广告主盈余。通过改进的逻辑回归模型实时预测最优遮蔽出价，WR在基准方法上实现7%更高的利润，并在行业SSP服务上实现4.3%更高的盈余，显著降低了eCPM、eCPC和eCPA，当与预算控制器集成时表现更优。

ABSTRACT

This paper describes a new win-rate based bid shading algorithm (WR) that does not rely on the minimum-bid-to-win feedback from a Sell-Side Platform (SSP). The method uses a modified logistic regression to predict the profit from each possible shaded bid price. The function form allows fast maximization at run-time, a key requirement for Real-Time Bidding (RTB) systems. We report production results from this method along with several other algorithms. We found that bid shading, in general, can deliver significant value to advertisers, reducing price per impression to about 55% of the unshaded cost. Further, the particular approach described in this paper captures 7% more profit for advertisers, than do benchmark methods of just bidding the most probable winning price. We also report 4.3% higher surplus than an industry Sell-Side Platform shading service. Furthermore, we observed 3% - 7% lower eCPM, eCPC and eCPA when the algorithm was integrated with budget controllers. We attribute the gains above as being mainly due to the explicit maximization of the surplus function, and note that other algorithms can take advantage of this same approach.

研究动机与目标

• 为解决首次出价广告拍卖中过度支付的问题，开发一种能最大化广告主盈余的出价遮蔽方法。
• 消除对SSP提供的最低中签出价反馈的依赖，此类反馈在生产系统中往往不可用或不可靠。
• 设计一种实时、计算高效的出价遮蔽方法，可在RTB环境中规模化部署。
• 与行业基准对比评估该方法的性能，并展示其在盈余、支出效率及eCPM、eCPC等关键业务指标上的改进。

提出的方法

• WR算法使用改进的逻辑回归模型，估算每个可能出价价格的中签率，从而实现实时运行时优化。
• 将盈余建模为遮蔽因子与中签指示变量的函数，明确最大化期望盈余，而不仅关注中签概率。
• 根据预测的中签率和估值 $ V_i $，动态计算每个广告展示的最优遮蔽因子 $ g_i $。
• 模型基于历史出价与中签数据进行训练，使其能够学习拍卖清结算价的模式，而无需直接获取最低中签出价的反馈。
• 该算法与实时预算控制器集成，确保支出高效，并提升广告活动层面的指标表现。
• 该方法通过使用盈余函数的可微分、闭式近似，实现实时出价优化，实现快速最大化。

实验结果

研究问题

• RQ1 出价遮蔽算法能否在盈余上超越仅出价最可能中签价格的简单策略？
• RQ2 在无法获取SSP提供的最低中签出价反馈的情况下，盈余最大化能达到何种程度？
• RQ3 在真实RTB环境中，WR算法与现有行业遮蔽服务及基准方法相比，性能如何？
• RQ4 当与预算控制器集成时，出价遮蔽对eCPM、eCPC和eCPA等关键业务指标有何影响？
• RQ5 显式最大化盈余是否能在首次出价广告拍卖中带来可衡量的广告主盈利能力提升？

主要发现

• 在生产环境中，WR算法实现了最大可能盈余的46.7%，优于次佳方法（LR）的44.8%。
• 与出价最可能中签价格的基准方法相比，WR实现了7%更高的利润，证明了显式盈余最大化的价值。
• 与预算控制器集成后，WR使eCPM、eCPC和eCPA降低了3%至7%，表明广告活动效率得到提升。
• 该算法将平均出价降低至未遮蔽成本的55%，显著降低了有效CPM。
• 尽管SSP有最大化展示量而非盈余的激励，WR仍实现了比行业SSP遮蔽服务高4.3%的盈余。
• WR方法的遮蔽因子分布呈左偏（大多数低于72%），表明其出价遮蔽更深、更具策略性，而SSP的分布呈右偏，更倾向于出高价。