Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

NEWS 新闻NEWS 新闻
0

阿里妈妈AIGB:生成式AI革新在线广告投放,开启竞价新纪元

引言: 2023年,在线广告市场规模达到6268亿美元,自动出价(Auto-Bidding)技术成为其持续增长的关键驱动力。然而,传统的强化学习(RL)方法在处理长序列决策问题时面临挑战。阿里妈妈率先提出并大规模落地AI-Generated Bidding (AIGB)新范式,将生成式AI引入自动出价领域,并将在NeurIPS 2024开源其Benchmark,预示着在线广告投放技术的一次革命性变革。

主体:

1. 自动出价的挑战与机遇: 在线广告投放本质上是一个复杂的优化问题,广告主需在预算和ROI约束下最大化广告价值。传统的自动出价方法,例如基于强化学习的策略,虽然取得了一定成果,但其价值函数预估和自举过程容易导致训练不稳定,尤其在处理长序列稀疏回报的Bidding场景时效果欠佳。 这为新的算法范式升级提供了巨大的空间。

2. AIGB:生成式AI的破局之举: 阿里妈妈提出的AIGB,将自动出价问题建模为一个生成式序列决策问题,这是生成式AI在该领域的首次成功应用。不同于强化学习的试错学习模式,AIGB利用生成模型(如Transformer和Diffusion Model)强大的特征关联和分布拟合能力,直接从历史投放数据中学习优化目标和出价策略之间的复杂关系。 通过对历史投放轨迹(包含出价、优化目标、约束等指标)进行数据挖掘,AIGB模型能够自动学习出价策略、状态转移概率以及优化目标和约束项之间的相关性,并生成符合优化目标的全新出价策略。 (参见图1,原文提供)。 这有效避免了强化学习方法中价值函数预估和自举带来的误差,尤其擅长处理Bidding面临的长序列稀疏回报问题。

3. AIGB的商业化落地与技术突破: 阿里妈妈已成功将AIGB部署在其广告平台,并取得了显著的商业化效果。 这不仅证明了AIGB的有效性,也为其他广告平台提供了可借鉴的成功案例。 更重要的是,阿里妈妈将AIGB的经验总结成论文发表在KDD 2024 (论文链接:https://arxiv.org/abs/2405.16141),并发起大规模拍卖中的自动出价比赛,特别设置AIGB赛道,推动行业技术创新。 获得NeurIPS 2024比赛主办权,并将在会上开源业界首个标准化的大规模模拟竞价系统和大规模博弈数据集,进一步促进了AIGB技术的普及和发展。

4. 未来展望: AIGB的开源和比赛的举办,将极大地促进学术界和工业界对生成式AI在自动出价领域的深入研究。 未来,我们可以期待AIGB在处理更复杂场景、更精细化目标以及更个性化投放策略方面取得更大的突破。 这不仅将提升广告主的投放效率和ROI,也为整个在线广告生态带来新的活力。

结论: 阿里妈妈提出的AIGB,标志着生成式AI在在线广告投放领域迈出了关键一步。 其商业化落地和开源Benchmark的发布,将加速该技术的普及和发展,为整个行业带来新的变革。 未来,随着技术的不断成熟和应用场景的不断拓展,AIGB有望成为在线广告自动出价领域的主流技术,推动整个行业的持续进步。

参考文献:

  • Guo, Jiayan, et al. AIGB: Generative Auto-bidding via Diffusion Modeling. KDD 2024. https://arxiv.org/abs/2405.16141
  • 阿里妈妈生成式出价模型(AIGB)详解 (具体链接需补充) (此处需要补充原文中提到的阿里妈妈AIGB详解链接)
  • 机器之心报道 (具体链接需补充) (此处需要补充机器之心报道的链接)

(注:由于原文中部分链接缺失,参考文献部分需要补充完整。)


>>> Read more <<<

Views: 0

0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注