Bidding strategy problem

Mając wyznaczony CTR, CVR (CTR, CVR prediction problem) czy jakąkolwiek inną metrykę mówiąca ile dany bid request jest dla nas warty, musimy zdecydować za ile biddować. I to jest właśnie bidding strategy. Źródło: Display Advertising with Real-Time Bidding (RTB) and Behavioural Targeting

Ponieważ generalnie cel jest taki, żeby coś zoptymalizować (np. liczbę klików) przy zadanych warunkach (np. przy określonym koszcie za klik), to bidding strategy problem można rozpatrywać jako problem optymalizacyjny z warunkami w interaktywnym / dynamicznym, stochastycznym środowisku. Źródło: A Survey on Bid Optimization in Real-Time Bidding Display Advertising

Optymalizacja

Dwa typy:

1. utility maximizer

utility per pojedyncza impresja definiujemy po prostu jako różnicę między zarobkiem (value) a kosztem

2. value maximizer

Tutaj optymalizowane jest value przy pewnych zadanych ograniczeniach (HIG tak działa). Jest to sformułowanie bardziej elastyczne od utility maximizer.

Ograniczenia

1. maksymalne budżet jaki mamy wydać. Rozwiązania: ^c25aa8
   1. feedback controller wraz z mnożnikami Langrangre’a: ^957694
      1. Adaptive Bid Shading Optimization of First-Price Ad Inventory
      2. Feedback Control in Programmatic Advertising The Frontier of Optimization in Real-Time Bidding
      3. Optimization in Online Advertising via Simultaneous Adaptive Rate and Price Feedback Control (rozwinięcie powyższych publikacji)
      4. Feedback Control of Real-Time Display Advertising
   2. Optimal real-time bidding for display advertising
   3. Reinforcement Learning:
      1. Real-Time Bidding by Reinforcement Learning in Display Advertising
2. pacing
3. cost per click. Rozwiązania:
   1. Generative Large-Scale Pre-trained Models for Automated Ad Bidding Optimization
4. Return-on-investment
5. click-through-rate
6. conversion-rate