7
Help us understand the problem. What are the problem?

More than 1 year has passed since last update.

posted at

updated at

Organization

オンライン広告運用に関わる論文まとめ

はじめに

negocia株式会社では、「うれしい広告」の実現をミッションに、機械学習、数理最適化の技術を活かして、オンライン広告向けのSaaSを開発しています。今回、オンライン広告運用に関わる最適化、機械学習技術の中から、主にReal time bidding(RTB)周りの論文の動向をまとめました。

動向把握に有用な文献

個別の研究を紹介する前に、まず全体の研究動向を把握するために有用な文献の紹介です。

研究カテゴリ

効用(CTR, CVR)予測

  • 過去の実績データを元にCTR, CVRなどの効用を予測する技術
  • ロジスティック回帰、Factorization machines, Gradient Boost, Deep Learningなど

インプレッション獲得確率の予測(bid landscape)

  • 入札額に対してオークションに勝利する確率を求める技術
  • オークションに負けた入札額も含めた打ち切り回帰など

入札額最適化

  • インプレッション、CTRやCVRの推定モデルを元に、入札額を最適化する技術
  • 貪欲法ベースのロジック、 傾斜勾配法などを用いた最適化

バンディット方策

  • 探索と最適化のバランスを取りながらリグレットの最小化(利益の最大化)
  • ガウシアンプロセスをもとに、文脈付与、不等式制約、組み合わせ制約など派生

理論解析

  • 広告配信の枠組みをゲーム理論で評価する研究など

論文まとめ

効用(CTR, CVR, CPA, CPC)予測

ロジスティック回帰(LR)

Factorization machines(変数間の相関を考慮したモデル)

Gradient Boost

  • 予測モデルの比較実験で使われることが多い

Deep Learning

トピックモデル

インプレッション取得確率の予測 (bid landscape)

Tree-based log-nominal model

  • Bid Landscape Forecasting in Online Ad Exchange Marketplace
    • 入札額に対するRTBの勝率がlog-nominal分布に従っていると仮定。分布の平均・分散をGBDTで推定
    • スパースデータに対応するため実績データをツリー構造でモデル化していることが特徴

Censored regression

Survival Model

  • 患者の生存率モデルをヒントに作られたモデル(患者の生存日数は打ち切りデータのため)
  • Budget Optimization for Sponsored Search: Censored Learning in MDPs
    • カプランマイヤー法(サバイバルモデル)で入札額に対する入札勝率のノンパラメトリックな最尤推定を行い、推定した確率分布上で広告の入札額を決定し、戦略の有効性をマルコフ決定過程上で検証
  • Bid-aware gradient descent for unbiased learning with censored data in display advertising
    • CTRの予測モデルの損失関数を、Bid landscape(サバイバルモデル を利用)で重みつけし、勝率が低いサンプルデータの重要度を増やすことで、入札額によるバイアスを取り除いたアンバイアスなCTR予測を実施
  • Deep landscape forecasting for real-time bidding advertising
    • LSTMで入札額に対する勝率を予測するモデルを作成し、サバイバルモデル の考えを取り込んだ損失関数の元でパラメータを最適化することでBid landscapeを予測

入札額最適化

数理最適化

強化学習

ロジック

  • Bid optimizing and inventory scoring in targeted online advertising

    • ロジスティック回帰でコンバージョンのされやすさをサイトごとにスコア付。スコアがいつもより高い(コンバージョン確率が通常より高い)と予測されるサイトの入札額を増やす貪欲法ベースのロジックを構築

PID制御

バンディット

基本理論

応用

理論解析

ゲーム理論

おわりに

論文はまだまだ調べたりないところがあるので今後も随時内容を更新していきたいと思います。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Sign upLogin
7
Help us understand the problem. What are the problem?