본문으로 건너뛰기
라이브러리 문서 전체

CPA 캠페인과 CPM 광고 인벤토리 간 통계적 차익거래

기사 arXiv papers · 저자: Weinan Zhang et al.
원문 읽기

요약

이 논문은 노출의 기대 효과가 비슷해도 분절된 마켓플레이스나 가격 책정 방식에 따라 가격이 달라질 수 있는 실시간 디스플레이 광고에 통계적 차익거래를 적용합니다. 이 방법은 행동당 비용 캠페인과 노출 1,000회당 비용 인벤토리를 연결합니다. 메타 입찰기는 들어오는 각 노출 입찰 요청을 캠페인 포트폴리오와 비교합니다. 과거 데이터에서 학습한 전환율 추정치, 입찰 환경 및 기타 통계로 비용과 잠재 수익을 추정합니다.

이 시스템은 기대 순차익 이익을 극대화하는 입찰 최적화와 위험 및 수익의 균형을 위해 캠페인 간 입찰량과 예산을 재배분하는 포트폴리오 리스크 관리를 결합합니다. 저자들은 기댓값 최대화 접근법으로 두 요소를 함께 최적화합니다. 여러 모형 설정과 시장 환경에서 대규모 실제 데이터셋을 이용한 오프라인 실험과 상업 플랫폼의 온라인 A/B 테스트가 근거로 제시됩니다. 제공된 설명에는 수치 결과나 배포 세부 정보가 없어 이익의 규모나 지속성을 입증하지 않습니다. 이 방법은 금융 증권 시장이 아니라 광고 경매에 관한 것입니다.

핵심 아이디어

  • 분절된 광고 마켓플레이스에서는 기대 효과가 비슷한 노출 간 가격 차이가 생길 수 있습니다.
  • 메타 입찰기는 과거 추정치를 활용해 CPA 캠페인 포트폴리오를 대상으로 CPM 인벤토리를 평가합니다.
  • 이 방법은 기대 이익을 위한 입찰 최적화와 캠페인별 예산 및 물량 배분을 결합합니다.
  • 기댓값 최대화 절차로 입찰과 리스크 관리를 함께 최적화합니다.
  • 저자들은 오프라인 데이터셋 실험과 온라인 A/B 테스트를 보고하지만 제공된 글에는 수치 결과가 없습니다.

태그

차익 거래통계리스크 관리포트폴리오 구성주문 집행
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.