[论文解读] Inventory Allocation for Online Graphical Display Advertising

Jian Yang, Erik Vee+5 more|arXiv (Cornell University)|Aug 20, 2010

Optimization and Search Problems参考文献 19被引用 25

一句话总结

本文提出了一种多目标线性规划模型，用于在保证投放（GD）和非保证投放（NGD）广告活动之间分配在线图形广告库存，以优化收入、未来NGD潜力和公平性。该模型使用用户访问与广告活动之间的二分图，并对出价、转化率和点击率进行预测，通过现成的优化工具在真实数据上展示了其灵活性和有效性。

ABSTRACT

We discuss a multi-objective/goal programming model for the allocation of inventory of graphical advertisements. The model considers two types of campaigns: guaranteed delivery (GD), which are sold months in advance, and non-guaranteed delivery (NGD), which are sold using real-time auctions. We investigate various advertiser and publisher objectives such as (a) revenue from the sale of impressions, clicks and conversions, (b) future revenue from the sale of NGD inventory, and (c) "fairness" of allocation. While the first two objectives are monetary, the third is not. This combination of demand types and objectives leads to potentially many variations of our model, which we delineate and evaluate. Our experimental results, which are based on optimization runs using real data sets, demonstrate the effectiveness and flexibility of the proposed model.

研究动机与目标

• 解决在保证投放（GD）和非保证投放（NGD）广告活动之间分配共享用户访问库存的挑战。
• 优化多种发布商和广告商目标，包括来自展示、点击和转化的货币收益，以及未来NGD收入。
• 纳入非货币目标，如广告分配中的公平性和代表性，以避免极端或不平衡的分配模式。
• 提供一种灵活且可扩展的框架，整合多种计价模式（CPM、CPC、CPA），并支持实时决策。
• 通过真实世界数据集评估模型性能，并在多个目标权衡中展示其有效性。

提出的方法

• 将库存分配问题建模为二分图，其中用户访问和保证投放活动为节点，边标注有预测的点击/转化概率以及NGD出价值。
• 构建一个包含两部分的多目标优化模型：一部分最大化NGD活动的收入，另一部分在公平性和收入约束下优化GD活动的履约。
• 使用目标规划方法，通过为不同目标分配优先级权重，平衡相互竞争的目标，包括收入最大化和公平性。
• 采用线性与二次规划技术，包括对偶值计算，以实现高效求解，并支持与广告投放系统的集成。
• 应用现成的优化求解器（如XpressMP）将模型扩展至大规模真实世界数据集。
• 整合对未来NGD出价和预期支付的预测，以预估现货市场价值并提升长期收入。

实验结果

研究问题

• RQ1 如何最优地在保证投放和非保证投放广告活动之间分配共享用户访问库存？
• RQ2 如何在确保满足保证投放承诺的前提下，最大化GD和NGD活动的收入？
• RQ3 如何对广告分配中的公平性和代表性进行建模与优化，同时兼顾货币目标？
• RQ4 将未来NGD收入预测纳入分配决策过程会产生何种影响？
• RQ5 在真实世界数据上评估时，所提出的多目标模型在实际中表现如何？

主要发现

• 所提出的多目标优化模型能有效平衡GD和NGD活动的收入生成，同时满足保证投放承诺。
• 引入公平性目标可防止标准线性规划中常见的极端分配模式，从而实现更均衡、更具代表性的广告活动分布。
• 该模型在处理多种计价类型（CPM、CPC、CPA）方面表现出灵活性，可适应不同的发布商和广告商目标。
• 使用真实数据集的实验结果表明，该模型在求解质量和可扩展性方面表现优异，尤其在使用商业优化求解器（如XpressMP）时。
• 该模型通过提供对偶值和准入约束，支持与下游系统（如广告投放和准入控制）的集成。
• 初步的随机规划实验表明，供给和需求的不确定性显著影响结果，提示未来需引入鲁棒性扩展。