[论文解读] Lift-Based Bidding in Ad Selection

Jian Xu, Xuhui Shao+4 more|arXiv (Cornell University)|Jul 17, 2015

Consumer Market Behavior and Pricing参考文献 11被引用 13

一句话总结

本文提出了一种基于提升的实时广告拍卖出价机制，其中出价价格基于增量表现提升（行动率提升）而非绝对行动率。通过建模和预测用户层面的曝光效应，该方法通过针对受广告影响最大的用户进行投放，提升了广告主的行动次数，在理论和真实广告活动的A/B测试中均优于传统的基于价值的出价方式。

ABSTRACT

Real-time bidding (RTB) has become one of the largest online advertising markets in the world. Today the bid price per ad impression is typically decided by the expected value of how it can lead to a desired action event (e.g., registering an account or placing a purchase order) to the advertiser. However, this industry standard approach to decide the bid price does not consider the actual effect of the ad shown to the user, which should be measured based on the performance lift among users who have been or have not been exposed to a certain treatment of ads. In this paper, we propose a new bidding strategy and prove that if the bid price is decided based on the performance lift rather than absolute performance value, advertisers can actually gain more action events. We describe the modeling methodology to predict the performance lift and demonstrate the actual performance gain through blind A/B test with real ad campaigns in an industry-leading Demand-Side Platform (DSP). We also discuss the relationship between attribution models and bidding strategies. We prove that, to move the DSPs to bid based on performance lift, they should be rewarded according to the relative performance lift they contribute.

研究动机与目标

• 解决行业标准中基于绝对行动率而非增量提升进行出价的次优问题。
• 证明基于提升的出价相比基于价值的出价能带来更多的期望行动次数（例如转化）。
• 通过根据相对表现提升贡献进行奖励，使DSP的激励与广告主目标保持一致。
• 开发一种实用的建模框架，用于在实时出价环境中预测行动率提升。

提出的方法

• 将行动率提升建模为用户暴露于广告时的行动概率与未暴露时的基线行动概率之差。
• 使用历史用户级数据，为每个用户估计提升分量 Δp_i = p_i^treated - p_i^untreated。
• 推导出价价格与预测提升（Δp_i）成正比，而非与绝对行动率（p_i^treated）成正比。
• 应用转换将基于提升的出价转换为有效CPM（eCPM），以兼容第二价格实时出价拍卖。
• 通过真实广告活动的A/B测试，验证基于提升的出价相比基于价值的出价在性能上的优势。
• 提出一种基于DSP对表现提升相对贡献的奖励机制，以对齐激励。

实验结果

研究问题

• RQ1 在实时广告拍卖中，基于表现提升而非绝对行动率的出价是否能带来更多的期望行动次数？
• RQ2 能否利用用户层面的曝光和行为数据准确预测行动率提升？
• RQ3 在行动次数和成本效率方面，基于提升的出价与传统的基于价值的出价相比如何？
• RQ4 何种激励机制可使DSP的出价行为与广告主最大化增量转化的目标保持一致？
• RQ5 在真实世界的实时出价环境中，基于提升的出价能在多大程度上提升广告活动表现？

主要发现

• 在激励性示例中，基于提升的出价将期望行动次数从0.041提升至0.05，展示了可衡量的表现提升。
• 在真实广告活动的A/B测试中，基于提升的出价实现了比基于价值的出价更高的行动次数，证实了其经验优越性。
• 在基于价值的归因方式下，当使用基于提升的出价时，DSP的期望收入下降，表明激励存在错配。
• 理论分析证明，在使用相同总预算的情况下，基于提升的出价在行动次数方面优于基于价值的出价。
• 研究表明，DSP应根据其相对提升贡献获得奖励，以使其激励与广告主的增量表现目标保持一致。
• 所提出的方法使广告主仅需为能带来增量转化的展示付费，朝着更公平、更高效的CPA定价模型迈进。