Закупка интернет-рекламы в нестационарных средах с автоматическим назначением ставок

Современные рекламодатели в интернете закупают цифровые рекламные показы, взаимодействуя с платформами автоматического назначения ставок: рекламодатели передают высокоуровневые цели закупки, задавая такие параметры управления, как бюджет, целевая рентабельность инвестиций и максимальная стоимость клика. Затем рекламные платформы закупают показы от имени рекламодателей и сообщают им о конечных результатах закупки, например о кликах. На практике рекламодатели могут получать минимальный объем информации о процессах закупки на платформах, а результаты закупки зависят от нестационарных факторов, включая сезонные закономерности, периодические сбои системы и рыночные тенденции, что затрудняет эффективную оптимизацию решений по настройке параметров. В связи с этим мы предлагаем среду онлайн-обучения, помогающую рекламодателям динамически оптимизировать решения по управлению рекламной платформой при соблюдении общих долгосрочных ограничений в реалистичной среде с обратной связью типа «бандит» и нестационарными результатами закупки. В частности, мы вводим примал-дуальный алгоритм для принятия решений в режиме онлайн при наличии многомерных переменных решений, обратной связи типа «бандит» и долгосрочных неопределенных ограничений. Мы показываем, что наш алгоритм обеспечивает малое сожаление в различных условиях, в которых результаты закупки порождаются соответственно стохастическими, состязательными, состязательно искаженными, периодическими и эргодическими процессами, причем знание истинного типа процесса не требуется. Наконец, мы подчеркиваем, что предложенный алгоритм и полученные теоретические результаты применимы не только к задачам интернет-рекламы.