Adaptive Ad Load Design for Sponsored Search Markets: Evidence, Theory, and Deployment
创建于 更新于
摘要
本研究在大规模随机分组实验与自适应决策框架下，量化广告负载（Sponsored slots 数量）对收入、转化与用户参与的权衡，揭示更多广告位在短期提升收入（最高约43%），但会降低总转化（最高约5%）与日常活跃度（最高约2.2%），且效果在查询层、时间维度以及品牌参与等情形下呈现显著异质性。基于此，提出并落地了探索增强的局部自适应广告负载（e-LAAL）架构：LAAL（查询级、模型无关的滑动窗口决策规则）结合固定探索臂，既能在查询层对广告位进行个性化调整，也能在市场条件变化时保持持续学习与对照基准；并给出动态-regret 的理论保证。在平台级生产部署中，e-LAAL 移动了 revenue–conversion frontier，使收入水平接近高广告负载策略的同时，转化水平接近低负载策略，显示出在非静态、非线性广告环境中可行且具操作性的优化路径。 [page::1][page::2][page::3][page::4]
