Arbitraje estadístico entre campañas CPA e inventario publicitario CPM

Resumen

El artículo adapta el arbitraje estadístico a la publicidad gráfica en tiempo real, donde las impresiones con una eficacia esperada similar pueden tener precios distintos en mercados fragmentados o bajo diferentes modalidades de precios. El método conecta campañas de coste por acción con inventario de coste por mil impresiones. Un agente de puja evalúa cada solicitud recibida para pujar por una impresión frente a una cartera de campañas, y utiliza tasas de conversión estimadas, curvas de puja y otras estadísticas aprendidas de datos anteriores para estimar costes y beneficios potenciales.

El sistema combina la optimización de pujas, cuyo objetivo es maximizar el beneficio neto esperado del arbitraje, con la gestión de riesgo de la cartera, que redistribuye el volumen de pujas y los presupuestos entre campañas para equilibrar riesgo y rendimiento. Los autores optimizan conjuntamente estos componentes mediante un método de esperanza-maximización. Presentan como respaldo experimentos fuera de línea con un gran conjunto de datos del mundo real y pruebas A/B en línea en una plataforma comercial, con diversos ajustes del modelo y entornos de mercado. La descripción proporcionada no ofrece resultados numéricos ni detalles del despliegue, por lo que no establece la magnitud ni la duración de las ganancias. El método se ocupa de subastas publicitarias, no de mercados de valores financieros.

Ideas clave

• Los mercados publicitarios fragmentados pueden crear diferencias de precio entre impresiones con una eficacia esperada comparable.
• El agente de puja evalúa el inventario CPM frente a una cartera de campañas CPA mediante estimaciones históricas.
• El método combina la optimización de pujas para obtener beneficios esperados con la asignación de presupuestos y volúmenes por campaña.
• Un proceso de esperanza-maximización optimiza conjuntamente las pujas y la gestión de riesgos.
• Los autores presentan experimentos con conjuntos de datos fuera de línea y pruebas A/B en línea, pero el texto no proporciona resultados numéricos.

Etiquetas

# Statistical Arbitrage Mining for Display Advertising


# Statistical Arbitrage Mining for Display Advertising









We study and formulate arbitrage in display advertising. Real-Time Bidding (RTB) mimics stock spot exchanges and utilises computers to algorithmically buy display ads per impression via a real-time auction. Despite the new automation, the ad markets are still informationally inefficient due to the heavily fragmented marketplaces. Two display impressions with similar or identical effectiveness (e.g., measured by conversion or click-through rates for a targeted audience) may sell for quite different prices at different market segments or pricing schemes. In this paper, we propose a novel data mining paradigm called Statistical Arbitrage Mining (SAM) focusing on mining and exploiting price discrepancies between two pricing schemes. In essence, our SAMer is a meta-bidder that hedges advertisers' risk between CPA (cost per action)-based campaigns and CPM (cost per mille impressions)-based ad inventories; it statistically assesses the potential profit and cost for an incoming CPM bid request against a portfolio of CPA campaigns based on the estimated conversion rate, bid landscape and other statistics learned from historical data. In SAM, (i) functional optimisation is utilised to seek for optimal bidding to maximise the expected arbitrage net profit, and (ii) a portfolio-based risk management solution is leveraged to reallocate bid volume and budget across the set of campaigns to make a risk and return trade-off. We propose to jointly optimise both components in an EM fashion with high efficiency to help the meta-bidder successfully catch the transient statistical arbitrage opportunities in RTB. Both the offline experiments on a real-world large-scale dataset and online A/B tests on a commercial platform demonstrate the effectiveness of our proposed solution in exploiting arbitrage in various model settings and market environments.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.