【论文阅读-Bidding】《Real-Time Bidding Algorithms for Performance-Based Display Ad Allocation,2011年,微软》...

本文探讨了在预算和库存限制条件下实现平台利益最大化的出价优化目标。提出了两种出价策略:基于控制论的出价及基于历史BinddingLandscape的出价,并分析了现有策略存在的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

0、摘要

已有的出价策略是投放粒度的,本文给出两种:

1)基于控制论的出价

2)基于历史Bindding Landscape的出价

1、介绍

出价优化的目标:在预算和库存限制下,求得平台利益最大化方案。

广告主预算无限的时候,直接按eCPM排序,平台利益最大。但是此策略在存在DSP时,是次优的。

当前方法是离线计算一个LP问题,然后制定投放策略。

这个策略存在3个问题:

未完待续 

转载于:https://www.cnblogs.com/ai1024/p/9508498.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值