[论文解读] Constructing a maximum utility slate of on-line advertisements

S. Sathiya Keerthi, John A. Tomlin|ArXiv.org|Jun 9, 2007

Consumer Market Behavior and Pricing参考文献 8被引用 3

一句话总结

本文提出一种快速的动态规划算法，用于在预算约束和固定拍卖排名下，构建能最大化效用的在线广告版位。通过将问题建模为最长路径网络优化，该算法在每查询下可于25微秒内高效计算出最优广告排序，从而实现在赞助搜索系统中的实时部署。

ABSTRACT

We present an algorithm for constructing an optimal slate of sponsored search advertisements which respects the ordering that is the outcome of a generalized second price auction, but which must also accommodate complicating factors such as overall budget constraints. The algorithm is easily fast enough to use on the fly for typical problem sizes, or as a subroutine in an overall optimization.

研究动机与目标

• 解决投标人在预算约束下构建最优广告版位的挑战，这会降低展示某些广告的吸引力。
• 通过引入反映预算限制、广告疲劳或点击率（CTR）构成的效用因子，扩展广义第二价格（GSP）拍卖结果。
• 开发一种计算高效的算法，在尊重GSP排名顺序的同时，优化在实际约束下的最大效用。
• 通过确保亚毫秒级性能，使算法能够实现实时或重复使用，适用于在线广告系统。

提出的方法

• 将广告版位选择建模为有向无环网络中的最长路径问题，其中节点表示广告在位置中的状态，边表示广告之间的转移。
• 将边的代价定义为广告效用因子、点击率（CTR）与第二价格出价的乘积，以捕捉每种位置的预期效用。
• 使用逆向递归与动态规划方法，从最后一个位置开始反向计算最优的边际收益剩余，逐步回推。
• 引入虚拟投标人（效用为零，出价最小）以将版位大小标准化为恰好m个位置，从而简化动态规划递推过程。
• 通过掩码向量排除基于业务规则（如预算限制或广告疲劳）而无需考虑的广告，而不影响排序或优化流程。
• 通过在加权效用函数中结合第一价格与第二价格值，将框架扩展至混合目标，实现对收入、点击量或其他指标的灵活优化。

实验结果

研究问题

• RQ1 当投标人面临预算约束时，如何最优地选择并排序一组在线广告，以最大化效用？
• RQ2 在保持GSP拍卖排名顺序的同时，是否可以通过战略性广告选择实现更高的整体效用？
• RQ3 在预算和位置约束下，求解最大效用版位问题的计算复杂度是多少？
• RQ4 如何高效地将广告疲劳或CTR分解等额外因素整合到效用函数中？
• RQ5 该算法在生产环境中在线广告系统中的实时应用中，其可扩展性达到何种程度？

主要发现

• 所提出的动态规划算法时间复杂度为O(n²m)，运行速度足够快，可实现实时应用，标准2.8 GHz Xeon处理器上每查询平均执行时间仅为25微秒。
• 通过将问题建模为最长路径网络问题，该算法能确保在给定约束下的全局最优性，实现最优版位选择。
• 掩码向量的引入使得可基于业务规则选择性地排除广告，而不会破坏排名或优化流程。
• 通过结合第一价格与第二价格值的加权效用函数，该框架支持混合效用目标，实现对收入、点击量或其他指标的灵活优化。
• 即使在小规模m（≤12）和中等规模n（≤100）下，该方法仍表现出鲁棒性和高效性，适用于实际广告系统的部署。
• 该算法可作为列生成框架中的子程序使用，如在配套工作中关于预算约束下的广告分配所展示的那样。