信息流广告机制设计与实践

如果无法正常显示,请先停止浏览器的去广告插件。
分享至:
1. 信息流广告机制设计与实践 SK 美团XX事业部
2. 目录 1.理解广告机制背景 2.机制核心问题:如何排序和计费? 3.机制核心问题:混排策略下如何插入广告? 4.机制方向技术展望
3. 广告机制背景-三方生态
4. 广告机制背景-问题拆解 扩流量 拉供给 • 接入:内 外部 • 分配:浮 动位 • 需求:个 性化 • 产品:智 能化 做大蛋糕 做分配 • 排序:社 会福利最 大化 • 支付:激 励兼容 保体验 • 短期体 验:请求 级别 • 长期体 验:LTV 分好蛋糕
5. 广告机制背景-系统链路视角
6. 广告机制背景-机制定位和挑战
7. 目录 1.理解广告机制背景 2.机制核心问题:如何排序和计费? 3.机制核心问题:混排策略下如何插入广告? 4.机制方向技术展望
8. 如何排序和计费-问题1:GSP不IC 业界常以GSP和类GSP(如DNA)等方法排序计费, 不激励兼容(Max Utility),影响平台收入 多物品拍卖使用GSP,广告主出低价导致效用提升
9. 如何排序和计费-问题2:GSP无法兼容上下文建模
10. 如何排序和计费-优化思路
11. 如何排序和计费-排序上下文可感知
12. 如何排序和计费-AMA机制设计替代VCG
13. 如何排序和计费-可微分排序
14. 如何排序和计费-NMA框架 NMA: Neural Multi-slot Auctions with Externalities for Online Advertising.
15. 如何排序和计费-效果评估IC-R
16. 生成式模型+拍卖机制 • 借鉴ETA思路,使用Simhash 方法降低序列生成的组合数, Target为历史点击Page。 𝑅e𝑖𝑛𝑓𝑜𝑟𝑐𝑒𝑚𝑒𝑛𝑡 𝐿𝑒𝑎𝑟𝑛𝑖𝑛𝑔 生成式模型+拍卖 𝑢𝑝𝑑𝑎𝑡𝑒 (𝑒. 𝑔 𝑃𝑃𝑂) 𝜃 ← 𝜃 + ∇ 𝜃 (𝐽(𝜃)) 生成模型 后续,端到端推荐?? Reward Model 线上数据训练Reward Model PIER: Permutation-Level Interest-Based End-to-End Re-ranking Framework in E-commerce. Accepted By KDD23
17. 目录 1.理解广告机制背景 2.机制核心问题:如何排序和计费? 3.机制核心问题:混排策略下如何插入广告? 4.机制方向技术展望
18. 智能浮动位-业务背景
19. 智能浮动位-约束及RL建模 目标:广告收入 贝尔曼方程求解 MDP定义
20. 智能浮动位-组合爆炸问题-分段求解
21. 智能浮动位-组合爆炸问题-state action交叉
22. 智能浮动位-多通道建模
23. 智能浮动位-多通道建模
24. 智能浮动位-多通道建模 Cross DQN: Cross Deep Q Network for Ads Allocation in Feed . Accepted by WWW2022
25. 智能浮动位-页面级序列建模
26. 智能浮动位-页面级序列建模 Deep Page-Level Interest Network in Reinforcement Learning for Ads Allocation. Accepted by SIGIR2022
27. 智能浮动位-维度灾难&奖励稀疏
28. 智能浮动位-RL表示学习 Learning List-wise Representation in Reinforcement Learning for Ads Allocation with Multiple Auxiliary Tasks . Accepted by CIKM2022
29. 智能浮动位-N-step Learning
30. 智能浮动位-其它优化体系 迁移学习 数据利用 Hybrid Transfer in Deep Reinforcement Learning for Ads Allocation . Accepted by CIKM2022 MDDL: A Framework for Reinforcement Learning-based Position Allocation in Multi-Channel Feed. Accepted By Sigir2
31. 目录 1.理解广告机制背景 2.机制核心问题:如何排序和计费? 3.机制核心问题:混排策略下如何插入广告? 4.机制方向技术展望
32. 机制方向技术展望 拍卖与混排的融合机制 融合机制 融合机制 客户机制与流量机制融合 Deep Automated Mechanism Design for Integrating Ad Auction and Allocation in Feed. Accpted By Sigir24
33.

trang chủ - Wiki
Copyright © 2011-2024 iteam. Current version is 2.132.1. UTC+08:00, 2024-09-22 23:33
浙ICP备14020137号-1 $bản đồ khách truy cập$