Онлайн-рекламные платформы часто сталкиваются с общей проблемой — холодным стартом. Нехватка поведенческих данных (кликов) затрудняет точное прогнозирование кликабельности (CTR) новых объявлений. CTR «старых» товаров также может быть существенно занижен, поскольку их ранняя эффективность влияет на их долгосрочное поведение на платформе.
Проблема холодного старта имеет далеко идущие последствия для бизнеса, включая упущенные возможности долгосрочной выручки. Чтобы смягчить эту проблему, мы разработали UCB-подобный алгоритм в постановке многорукого бандита (MAB) для позиционной модели (PBM), специально адаптированный к аукционным системам с оплатой за клик.
Предложенный алгоритм успешно сочетает теорию и практику: мы получаем теоретические верхние оценки бюджетного регрета и проводим серию экспериментов на синтетических и реальных данных, подтверждающих применимость метода на реальной платформе.
Помимо повышения долгосрочной прибыльности платформы, мы также предлагаем механизм поддержания краткосрочной прибыли за счёт контролируемого исследования и использования товаров.