广告学|广告学流量预算广告学|机器学习

平滑资料整理：

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

实现中的一些可能问题：

冷启动：初期的数据不全，导致无法制定合理计划；这可以通过数据积累，或者调整预测的节奏和步伐，进行一定程度的缓解。
效果评测：作为广告平台来说，可以参考整体的CPC的变化趋势，是否比之前更加平稳；对于DSP来说，可以将流量做AB测试，保持和一定比例的流量完全不打开Pacing。
预算无法耗尽：算法有时候对于一些Campaign的Pacing，可能导致预算无法耗尽，一个简单粗暴的方法，就是设置一天只有20个小时消耗时间，后面4个小时可以在一定程度上放水。

参考资料：
http://wnzhang.net/share/rtb-papers/linkedin-pacing.pdf

https://zhuanlan.zhihu.com/p/20799487

http://wnzhang.net/share/rtb-papers/throatling-pacing.pdf

From 0.5 Million to 2.5 Million: Efficiently Scaling up Real-Time Bidding by Jianqian Shen et al. ICDM 2015.
Smart Pacing for Effective Online Ad Campaign Optimization by Jian Xu et al. KDD 2015.
An analytical solution to the budget-pacing problem in programmatic advertising by Joaquin Fernandez-Tapia. Working paper.
Adaptive Targeting for Online Advertisement by Andrey Pepelyshev, Yuri Staroselskiy, Anatoly Zhigljavsky. Machine Learning, Optimization, and Big Data 2015.
Real Time Bid Optimization with Smooth Budget Delivery in Online Advertising by Kuang-Chih Lee, Ali Jalali, Ali Dasdan. ADKDD 2013.
Budget Pacing for Targeted Online Advertisements at LinkedIn by Deepak Agarwal et al. KDD 2014.
Frequency Capping in Online Advertising by Niv Buchbinder et al. WADS 2011.

【广告学|广告学流量预算】