阿里妈妈：基于动态背包的多场景广告序列投放算法

Posted 2021-05-19 文宇肃然

前言

ROI提升10%！阿里妈妈定向广告技术团队首次采用基于长期价值的动态背包问题来建模和求解序列广告投放问题。本文将为大家分享具体的建模方案和细节，并通过离线和在线实验进行验证。

01背景

在电商平台中，在预算约束下优化一段时间的GMV是广告主的核心诉求之一。作为电商平台，从广告主视角如何帮助其实现该诉求是非常重要的问题。

• 对广告主：一段时间预算约束下的GMV优化帮助广告主实现更多营收和更高的投资回报率 ( ROI )，从而让广告主真正满意；

• 对平台：消费者和广告主的满意度提升为平台带来健康的生态和长期的贸易繁荣，并能吸引更多的广告主加入以及投入更多的广告预算，从而带来平台的收入提升；

• 对消费者：GMV的优化满足了更多的消费者购买需求，从而优化了消费者体验。

总之，在预算约束下优化一段时间的GMV能够带来三方共赢，其重要性不言而喻。

为了解决该问题，绝大多数出价策略将一段时间的GMV优化问题拆解为：对每次用户请求进行独立优化，并简单地认为这些独立优化的汇总结果可以实现一段时间整体GMV的最优化。事实上，这类策略得到的是次优解，因为它们以孤立的视角把消费者和广告限定在了单次交互中，而忽略了一段时间内的多次交互可能产生的其它影响。

为什么孤立的单次交互视角优化会导致次优解？我们从实际情况出发，首先，同一个消费者在一段时间内 ( 例如3-7天 ) 会多次访问淘宝，并且随机地在淘宝不同的场景出现 ( 例如首页猜你喜欢、支付成功等 )，这为同一个广告和同一个消费者在不同场景多次接触创造了机会；其次࿰