コンテンツへスキップ
ライブラリの全資料

CPAキャンペーンとCPM広告在庫の統計的裁定

記事 arXiv papers · 著者: Weinan Zhang et al.
原文を読む

サマリー

本論文は、期待される効果が似た広告表示でも、分断された市場や価格設定方式の違いによって価格が異なるリアルタイムディスプレイ広告に、統計的裁定を応用しています。アクション単価型キャンペーンとインプレッション単価型在庫を結び付ける手法です。メタ入札者は、過去データから得た推定コンバージョン率、入札状況などの統計を用い、届いた各広告表示の入札リクエストをキャンペーンのポートフォリオと照合して、コストと潜在利益を推定します。

このシステムは、期待純裁定利益の最大化を目指す入札最適化と、リスクとリターンの均衡を図るためキャンペーン間で入札量と予算を再配分するポートフォリオ・リスク管理を組み合わせています。著者らは期待値最大化法を用いて両要素を同時に最適化しています。複数のモデル設定や市場環境における、大規模な実データを使ったオフライン実験と商用プラットフォーム上のオンラインA/Bテストで裏付けを得たと報告しています。提示された説明には数値結果や導入の詳細がなく、改善の規模や持続性は立証されていません。この手法の対象は広告オークションであり、金融証券市場ではありません。

主なアイデア

  • 分断された広告市場では、期待される効果が同程度の広告表示でも価格差が生じる場合があります。
  • メタ入札者は、過去の推定値を用いてCPM在庫をCPAキャンペーンのポートフォリオと照合します。
  • 期待利益に基づく入札最適化と、キャンペーン単位の予算・配信量配分を組み合わせています。
  • 期待値最大化の手順で入札とリスク管理を同時に最適化します。
  • オフラインのデータ実験とオンラインA/Bテストを報告していますが、提示文には数値結果がありません。

タグ

裁定取引統計リスク管理ポートフォリオ構築注文執行
全文
# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。