Deep Automated Mechanism Design for Integrating Ad Auction and Allocation in Feed

电商平台通常会针对每个用户的页面浏览请求，呈现一个有序列表，其中混合了几个有机物品和一则广告。这个列表是广告拍卖和分配过程的结果，直接影响平台的广告收入和总交易额。具体来说，广告拍卖确定了要展示哪个广告以及相应的付款，而广告分配则决定了广告和有机物品的展示位置。目前，将广告拍卖和分配分为两个不同的阶段的方法面临两个问题：1）广告拍卖没有考虑外部性，比如实际展示位置和上下文对广告点击率的影响；2）广告分配利用拍卖获胜广告的付款来动态确定展示位置，但无法保持广告的激励兼容性。例如，在使用传统的广义第二价格(GSP)的拍卖阶段，即使获胜广告增加出价，它的付款也不会改变。这意味着广告无法获得更好的位置，从而失去了在随后的广告分配阶段实现更高效用的机会。以往的研究通常关注其中一个阶段，忽略了两个阶段的问题，这可能导致次优结果。

本论文旨在解决电子商务平台广告拍卖和分配阶段的两个问题：广告拍卖阶段不考虑外部性，广告分配阶段无法维持广告的激励兼容性。

论文提出了一种新的两阶段广告拍卖和分配方法，包括一个基于位置的拍卖和一个基于概率的分配。拍卖阶段考虑了外部性，分配阶段维护了广告的激励兼容性。

论文在两个真实的电子商务平台上进行了大规模的在线实验。实验结果表明，该方法可以显著提高广告收入和GMV。论文还提供了一个开源的实现和数据集，以便其他研究者进行进一步研究。

相关研究包括基于位置的广告拍卖和基于概率的广告分配的研究，以及广告拍卖和分配中其他问题的研究，如激励兼容性和外部性的考虑。