2018年12月6日上午八点四十五分，中国营销工程与创新研究中心(以下简称“MEI”)2018-2019年第一学期第12次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师、朱华伟老师及MEI各位成员。

　　本次Seminar由刘通研读文章《Efficient Large Scale Internet Media Selection Optimization for Online Display Advertising》。

　　RTB是“Real Time Bidding”的缩写，意思就是“实时竞价”，即在每个广告展示曝光的基础上进行实时竞价的新兴广告类型。在展示型广告市场上，交易的货品是每个广告展示的曝光，需求方是广告商和代理商，供应方就是各大媒体，那么效益最大化的竞价策略就是在每个广告展示曝光的基础上，根据这个展示曝光的需求量，在支持维克瑞拍卖模式的大环境下，给出不同的竞价进行类似拍卖意义的交易，这就是RTB广告。图1是RTB广告交易流程。

　　图1 RTB广告交易流程

　　文章指出，现有的大部分DSP算法需要遵守某种简单的评价量规去做竞价决定，而不是在所有广告机会中做出最优选择。因此，根据规则(rule-based)严格专有化(strictly proprietary)，即根据每一次广告的展示机会而进行竞价，可能会导致在昂贵的展示位进行重复竞价，浪费了预算，而且不利于产生广告效果。

　　文章主要是基于LASSO的坐标下降算法，使用两个仿真实验作为概念示范，同时，使用使用真实数据做了两个实例研究。

　　基于LASSO的坐标下降算法设计的一个算法，用于在程序化广告的背景下对互联网展示广告进行最佳预算分配。该算法还可以用作预算设定工具。另外，该方法适用于几个实际考虑因素，包括消费者定位，广告曝光的目标频率以及对匹配的内容网站的强制媒体覆盖。

　　文章内容用一句话可以概括为，提出了一个算法，该算法可以改进广告投放的效率。当预算一样的时候，使用该算法可以让更多消费者看到企业的广告，是一次性迭代整体数据，而其他算法是逐个迭代数据。

　　本文提出的方法设定了竞价指南，同时提供了检验竞价有效性的方法，并且根据结果，可以对竞价策略进行升级。本文的方法提供了一个易于操作的竞价和预算设定的工具，在在线广告的竞争中，该工具拥有很大的灵活性。

　　但是，可以看到，当消费者分层状况明显的时候，该算法的效率并不会有明显优势。为什么呢?本文讲的是需方品牌的构建，针对的是女性群体，供方提供广告位，是通过匹配而非竞争的方式来设计的算法。因此存在一个前提，即需方是固定的，预算也是固定的。反之，当需求分散，供需不稳定时，这种优化的算法就不具备优势，随机竞标反而是一种更好的策略。

　　至此，文章研读完毕。

　　图2 刘通讲解文章

　　之后，陈晶晶分享了自己的研究思路和框架，黄老师和朱老师分别提出了宝贵的想法和建议，MEI小伙伴从现实生活中出发，提出了一些思路。

　　至此，本学期第12次Seminar顺利结束。

　　文字/陈晶晶

　　供图/陈晶晶

　　审核/郑仕勇

　　网站编辑 / 苏  羽