论文部分内容阅读
随着互联网用户人数规模的不断扩大,广告活动的运营模式从传统的线下模式扩展到了线上模式。目前,效果类展示广告主要的投放方式是通过实时竞价系统进行投放。在实时竞价中,代表广告商利益的需求方平台评估每一个展示机会的质量,并结合广告活动的预算金额、转化价值等因素决定是否对展示机会出价,以及出价的金额。需求方平台最终的输出是对展示机会的出价,因此,可以将需求方平台上的相关算法均看作出价策略中的一部分。作为实时竞价系统中不可或缺的组成模块,需求方平台上出价策略的研究和优化是一个值得关注的方向。本文将需求方平台的出价策略划分为以下几个部分:点击率预测、竞价愿景、出价算法以及预算管理。而本文主要针对其中的竞价愿景、出价算法以及预算管理三个部分进行深入的研究,设计与实现。本文的创新性成果如下:(1)考虑需求方平台数据信息的不完整,本文将提出考虑删失数据的竞价愿景算法。包括两个部分:赢标率预测和赢标价预测算法。本文将PNN模型应用于赢标率预测;本文利用FM模型分别对赢标数据和删失数据建模,并利用赢标率预测结果将两个模型结合,从而得到完整数据的赢标预测模型。(2)为了赢得更多的符合投放规则的展示机会,本文将提出基于竞价愿景的出价算法,该算法将在赢标价格的基础上,考虑广告展示机会的质量。同时,为了适应动态变化的竞价环境,本文还采用反馈机制对出价函数进行实时修正。(3)出价问题的本质是预算受限的最优化问题。本文的预算管理算法将包括预算分配和阈值设置两个部分。其中,预算分配算法同时考虑流量和质量。而阈值设置算法根据各个时间段的预算动态地设置阈值,有效的过滤低质量的展示机会,从而实现将预算更多的花费在有效的展示机会上。本文在iPinYou数据集上进行实验,基于PNN的赢标率预测模型的AUC值达到93%,赢标价预测算法的MSE为1151。在2种预算下,本文出价算法比最好的对比算法分别提升了4.9%、2.7%。本文预算管理算法比最好的对比算法分别提升了0.7%,1.2%。