品牌广告调度 陈义@豆瓣
在线广告分类 Non-Guaranteed Delivery Guaranteed Delivery (品牌广告?) 小广告主 提高短期销售额、吸引用户注册、... CPC/CPA 只设置投放量或预算的上限 Guaranteed Delivery (品牌广告?) 大广告主 提高品牌的认知程度 CPM/CPD 事先为预订的投放量付款
广告预定 广告主的需求 广告位的浏览量的划分 指定预订的流量属性 指定预订的投放量、开始和结束时间、… 按照用户属性划分(年龄、性别、地区、...) 按用户兴趣划分 按照页面属性划分(电影首页、音乐首页、…) 按照其他属性划分(例如访问时间)
广告调度的作用 1k A 2k 1k B 1k C 2k 1k D 1k E 2k 1k F 1k G
广告调度的作用 1k A 2k 1k B 1k C 2k 1k D 1k E 2k 1k F 1k G
广告调度的作用 1k A 2k 1k B 1k C 2k 1k D 1k E 2k 1k F 1k G
广告调度的作用 ? 1k A 2k 1k B 1k C 2k 1k D 1k E 2k 1k F 1k G
广告调度的作用 广告预订 广告投放
运输问题 1k A 2k 1k B 1k C 2k 1k D 1k E 2k 1k F 1k G
实际状况 1k A 2k 1k B ? 1k C 2k 1k D 1k E 2k 1k F 1k G
理论结果 Adwords (sia = via) Display Ads (sia = 1) Worst Case 1 – 1/e i.i.d. 1 - 取自Mehta与Mirrokni的tutorial
实际情况下的对策 两种策略混合使用 重复规划 在线校正 浏览量预估错误比例为r > 0,重复规划次数为k,最 终少投放的比例为(r + r^2)/(k^(1 - r)). r < 0时,最终 多投放比例是|r|/(k^(1 - r))。 类似结果在不同场景和假设条件下多次被提出和证明。 在线校正
公平问题 2k A 2k B 1k 优质资源 2k 2k C
公平问题 2k A 2k B 1k 优质资源 2k 2k C
公平问题 2k A 1.33k 2k 0.67k B 1k 0.67k 2k 1.33k 2k C
公平问题 2k A 容量:1.33k 成本:0 2k 容量:0.67k 成本:0 1k 容量:0.67k B 成本:0 2k C
公平问题 容量:0.67 成本:100 2k A 容量:1.33k 成本:0 2k 容量:0.67k 成本:0 容量:0.33 1k B 容量:0.33 成本:100 2k 容量:1.33k 成本:0 2k C 二次规划能取得 更好的公平性. 容量:0.67 成本:100
PV类型的组合爆炸 规划的执行效率 规划结果的保存和访问
Aggregated LP 1k A 1k B 2k 1k C 2k 1k D 1k E 2k 1k F 1k G
Aggregated LP 1k A 1.2k 1k B 2k 0.5k 0.8k 1k C 0.8k 2k 1k D 0.3k 0.7k F 1k G
Aggregated LP 1k A 0.5k 2k 0.5k 1k B 0.5k 0.5k 1k C 0.5k 0.5k 2k 1k F 0.5k 1k G
Aggregated LP 1k A 0.5k 2k 0.5k 1k B 0.5k 0.5k 1k C 0.5k 0.5k 2k 1k F 0.5k 1k G
Aggregated LP 1k D 0.33k 0.33k 0.33k 2k 0.56k 1k A 0.56k 0.56k 1k B C 0.56k 1k E 0.56k 2k 1k 0.56k F 0.56k 1k G
Aggregated LP 1k D 0.33k 0.33k 0.33k 2k 0.56k 1k A 0.56k 0.56k 1k B C 0.56k 1k E 0.56k 2k 1k 0.56k F 0.56k 1k G
Aggregated LP 1k D 0.33k 0.33k 0.33k 2k 1k 0.44k B 0.44k 1k C 0.56k F 0.62k 1k G
Contract Weights 每个订单保存一个权重,根据权重投放广告 诱导式方法(HWM) 利用历史流量模拟,寻找合适的权重
其他问题 流量的价值 提高流量价值的方法 品牌广告和CTR Targeting Targeting 与Frequency Capping
其他问题 Guaranteed和Non-Guaranteed广告同时出现 广告位定价 用户体验
谢谢