Online joint bid/daily budget optimization of internet advertising campaigns.

Abstract

Il pay-per-click comprende formati diversi — search, contextual, social — per un investimento complessivo di oltre 200 miliardi di dollari l'anno nel mondo. Chi investe ha un budget giornaliero da distribuire su decine o migliaia di campagne, che si distinguono per annuncio, target o canale. I publisher scelgono quali annunci mostrare e come allocarli attraverso meccanismi d'asta: ogni giorno l'advertiser fissa per ciascuna campagna un bid, cioè la cifra massima che è disposto a pagare per click, e la quota di budget giornaliero da investire.

In questo paper affrontiamo l'automazione dell'ottimizzazione online e congiunta di bid e budget giornaliero nelle campagne pay-per-click su più canali. Formuliamo il problema come un combinatorial semi-bandit problem, che ogni giorno richiede di risolvere un caso particolare del Multiple-Choice Knapsack problem. Per ogni campagna modelliamo con i Gaussian Processes la dipendenza del numero di click da bid e budget giornaliero, con ipotesi poco stringenti sulla regolarità di queste funzioni.

Progettiamo quattro algoritmi e dimostriamo che il loro regret è limitato superiormente con alta probabilità da O(√T), dove T è l'orizzonte temporale dell'apprendimento. Li valutiamo sperimentalmente su scenari sintetici generati da dati reali di Yahoo! e riportiamo i risultati del loro impiego in un'applicazione reale, con una spesa media giornaliera di 1.000 euro per più di un anno.