在線廣告DSP平臺(tái)實(shí)時(shí)競價(jià)算法的研究與實(shí)現(xiàn).pdf

1、實(shí)時(shí)競價(jià)（RTB）在廣告需求方平臺(tái)（DSP）程序化購買廣告中占很大比重，目前越來越多的廣告商了解并愿意采用RTB的方式投放在線廣告，媒體也愿意通過這種方式將長尾流量的廣告位售賣出去。在搜索廣告、合約廣告等在線廣告占大部分比重的環(huán)境中，RTB從廣告位售賣的方式中跳出來，引入受眾購買的模式，在正確的時(shí)間里把正確的廣告投放給正確的受眾，從而使得這種具有公共競價(jià)拍賣機(jī)制的廣告能夠在在線廣告市場中占據(jù)一席之地。
　　廣告商利用DSP平臺(tái)的技

2、術(shù)手段，能夠接收廣告交易平臺(tái)發(fā)送過來的競價(jià)請求，并從中利用頁面信息及用戶cookie作為精準(zhǔn)投放的依據(jù)，同時(shí)由于RTB是一種公共拍賣的廣告售賣方式，因此會(huì)有多家DSP共同競拍，每家DSP都會(huì)用自己的算法計(jì)算出價(jià)，整個(gè)市場競爭會(huì)很激烈，在投放回報(bào)率（ROI）方面又充滿著博弈。
　　本文介紹RTB的生態(tài)系統(tǒng)及其整個(gè)工作流程，并對(duì)RTB的特點(diǎn)和競拍模式有相關(guān)描述,并對(duì)其算法進(jìn)行深入研究。
　　本文主要研究的是實(shí)時(shí)競價(jià)算法，其中包括

3、兩個(gè)主要內(nèi)容，點(diǎn)擊率預(yù)測和競價(jià)策略。在點(diǎn)擊率預(yù)測中采用兩種預(yù)測方法，一種是在搜索廣告中較為常用的邏輯回歸（Logistic Regression）方法，其中特征屬性和因變量均采用二值表示。另一種是可以處理非線性變量的梯度提升決策樹（Gradient Boost Decision Tree），特征屬性采用連續(xù)值，然后分別對(duì)這兩種預(yù)測性能結(jié)果進(jìn)行對(duì)比。本文在競價(jià)策略上提出了固定競價(jià)、分組競價(jià)和綜合競價(jià)，綜合競價(jià)中著重對(duì)競價(jià)函數(shù)進(jìn)行了數(shù)學(xué)推導(dǎo)