在线广告交易所拍卖机制研究

摘要

作为一种新的广告交易形式，在线广告交易所在近期被多家商业公司引入。该种广告交易方式要求各广告网络(ad networks)为每次页面浏览进行实时自动竞价。交易Agent竞赛之广告交易所(TAC AdX)是一个要求参与者扮演广告网络，在广告交易所中自动竞买广告计划(advertising campaign)和广告展现(impression)的竞赛，其主要特殊点在于存在长期信誉度。本文从第一届TAC AdX比赛出发，讨论该广告交易所规则下的竞拍策略。根据竞赛平台规范，本文设计了含有广告计划竞拍模块、用户属性发现服务竞拍模块、展示竞拍模块和物价预测模块的4模块框架，并在框架的基础上实现了用于竞赛的自动化交易agent——ANL。ANL依照主动、慷慨和搏运等性质进行设计，并在首届AdX竞赛中获得冠军，净收益超越第二名达59%。本文分析了ANL在多变的市场中超越所有竞争对手的原因，利用竞赛详细日志中数据佐证游戏的复杂性并说明了广告计划完成度与长期信誉度对agent在平台中的竞争力和收益的影响。在ANL的基础上，进一步完善Agent的设计，实现了新agent——AdvANL。通过分析日志数据，我们发现ANL对广告展示市场的物价估计平均有超过7倍的误差，因此AdvANL重新设计了物价预测模块，提出了响应式物价估计模型。由于我们无法获得其他竞赛agent的可执行文件，且原始AdX无法支持往期竞赛回放，我们使用其他语言完整实现了竞赛平台，并设计了新的竞赛回放机制，共同构成模拟平台。在新的回放机制下，竞赛中的agent称为离线agent，可现场执行的agent称为在线agent，离线agent在竞赛中的每个决策均可最大限度地被参考，以便模拟平台进行更为真实的模拟。在线AdvANL、在线ANL与若干离线agent参与的模拟仿真结果表明，AdvANL在出价稳定性方面相对ANL有显著的提升，与此同时其收益能力更为突出;多agent参与的模拟仿真表明，AdvANL在多对手的复杂环境中有较好的适应性，仍能通过较为准确的物价估计模块获得高收益。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 本文贡献

1.3 论文结构

1.4 本章小结

第二章 国内外研究现状

2.1 在线广告

2.2 Trading Agent Competition

2.3 本章小结

第三章 TAC AdX

3.1 基本介绍

3.2 广告计划拍卖

3.3 用户分类服务拍卖

3.4 广告展示拍卖

3.5 本章小结

第四章 竞赛Agent:ANL

4.1 形式化问题

4.2 ANL概述

4.3 广告计划竞价模块

4.4 UCS竞买模块

4.5 物价预测模块

4.6 广告展示竞买模块

4.7 本章小结

第五章 改进的Agent:AdvANL

5.1 响应式物价估计

5.2 广告展示竞买模块

5.3 组测试方法

5.4 本章小结

第六章 TAC AdX竞赛结果

6.1 结果概要

6.2 活跃agent与非活跃agent

6.3 信誉度

6.4 盈利能力

6.5 本章小结

第七章 模拟平台与模拟结果

7.1 数据与挑战

7.2 模拟平台

7.3 收益比较

7.4 响应式物价估计模型效果

7.5 特殊场景评估

7.6 组测试方法效果

7.7 本章小结

第八章 总结与展望

8.1 全文总结

8.2 未来工作

参考文献

致谢

攻读学位期间发表的学术论文

攻读学位期间参与的项目