НаправлениеADS

Реклама и рекомендации

Рекламный показ и органическая рекомендация живут в одной выдаче, но оптимизируются разными целями. Доля клика, ценность конверсии и занятое место измеряются отдельно, а один показ расходует общий ресурс кампаний.

18 материалов с этим тегом · 13 с этой темой в качестве главной · в каталоге →

1. 01

   Один слот делят реклама и органика, поэтому локальный CTR не равен выигрышу сессии

   PinDCO оценивает варианты креативов параллельно рекламному ранжированию: общий Ad CTR растёт на 3.09%, а доля успешных сессий — только на 0.04%, и штраф за высоту карточки удерживает рост aspect ratio на 5.22% при локальном кликовом +9.5%. Deadweight Loss считает цену принудительной вставки: MAP@10 падает на 9.67% на Amazon-lb и 10.66% на LastFM, у группы hit-loss на Amazon-lb — на 35.03%: один из десяти слотов отдан под вставку, и пользователь видит девять органических позиций вместо десяти. RetargetRec показывает ту же асимметрию в проде: GMV +4.4% при доле retargeting −1.6%, и контроль recall с cap уже дают +3.6% из этих 4.4%. Ни в одном случае улучшение одного числа не означает улучшения системы.

   • PinDCO: Whole-Page Aware Dynamic Creative Optimization at Scale
   • Deadweight Loss in Recommendation Systems
   • From Exploitation to Balance: Efficient Retargeting Recommendation via DPO-Guided Slot Allocation
2. 02

   Цену показа задают ставка, атрибуция и занятый ресурс, а не только вероятность клика

   Value-Aligned Modeling заменяет невзвешенную ошибку взвешенной пуассоновской потерей с весом tCPA: DV растёт на 3% у модели конверсий и на 0.5% у кликовой, а заголовочные +4.7% — сумма трёх изменений, не один факторный тест. CT-MTA получает CPA 29.60 против 30.34 у CausalMTA при половине бюджета, но AUC 0.9779 не идентифицирует инкрементальный эффект отдельного контакта. Impression Share Prediction предсказывает сами доли показов: лучшее качество даёт набор capacity, confidence и coverage (L1 +48.6%), потому что показы расходуют общий ресурс кампаний, а не только качество скоров.

   • A Framework for Value-Aligned Modeling and Robust Experimentation
   • A Causal Transformer Multi-Touch Attribution with Dual Debiasing and Explainable Visualization for Advertising Recommendation
   • Impression Share Prediction: An Offline Evaluation Task for Ads Ranking Systems
3. 03

   Дорогую модальность включают избирательно, а её пересчёт считают

   IDProxy доводит холодный CTR-сигнал до +0.14% онлайн-AUC против +0.015% у контентного аналога и до +0.23–0.32% на новых постах. SALM назначает бюджет языковой аугментации по ожидаемой пользе: 18.32 ч против 76.27 ч при AUC 94.77 против 94.82. SMART включает дорогой путь для 10% пользователей, сохраняя CatRecall@200 56.6% против 54.5% при постоянном включении. The Text on the Creative показывает, что надпись на креативе читается дешёвым распознавателем: выборка из 6 кадров даёт token recall 0.92 против 0.84 у равномерной из 12. LO-FAR напоминает о цене повторного отбора признаков — около 2 CPU-часов против GPU-дней у сложных селекторов.

   • IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs
   • Do We Really Need LLMs to Augment All? A Selective Augmentation Framework with Lightweight Language Models for Multimodal CTR Prediction
   • SMART: LLM-Augmented Hybrid Retrieval for Dynamic Product Ads
   • The Text on the Creative: An Under-Exploited Ranking Modality for Short-Form Video Ads
   • LO-FAR: A Cost-Aware Local Filter for Sparse Feature Ranking in Industrial Ad Recommendation

Работы по теме

1. 009

   Bridge the Unseen Gap: Enhancing Non-overlapping Cross-domain CTR Prediction via Profile Retrieval

   #Реклама и рекомендации#Домены, группы и мультимодальные задачи#Языковые модели, диалог и агенты
2. 020

   Do We Really Need LLMs to Augment All? A Selective Augmentation Framework with Lightweight Language Models for Multimodal CTR Prediction

   #Реклама и рекомендации#Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты#Домены, группы и мультимодальные задачи
3. 065

   A Causal Transformer Multi-Touch Attribution with Dual Debiasing and Explainable Visualization for Advertising Recommendation

   #Реклама и рекомендации#Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
4. 078

   Impression Share Prediction: An Offline Evaluation Task for Ads Ranking Systems

   #Реклама и рекомендации#Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
5. 083

   PriCoRec: A Privacy-Aware Cloud–Device Collaborative Framework for Ad Recommendation under Feature Constraints

   #Реклама и рекомендации#Контроль, объяснения и интересы участников#Промышленное ранжирование и стоимость
6. 117

   A Framework for Value-Aligned Modeling and Robust Experimentation

   #Реклама и рекомендации#Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
7. 125

   Building a User Foundation Model for the Open Web

   #Реклама и рекомендации#Промышленное ранжирование и стоимость#История, время и последовательности
8. 132

   Entity Representation Learning Through Onsite-Offsite Graph for Pinterest Ads

   #Реклама и рекомендации#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
9. 134

   From Exploitation to Balance: Efficient Retargeting Recommendation via DPO-Guided Slot Allocation

   #Реклама и рекомендации#Промышленное ранжирование и стоимость
10. 141

    HIPA-Net: Heterogeneous Intent Projection Alignment for Feedback Calibration in CVR Prediction

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#История, время и последовательности
11. 145

    IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты#Домены, группы и мультимодальные задачи
12. 150

    LO-FAR: A Cost-Aware Local Filter for Sparse Feature Ranking in Industrial Ad Recommendation

    #Реклама и рекомендации#Промышленное ранжирование и стоимость
13. 168

    PinDCO: Whole-Page Aware Dynamic Creative Optimization at Scale

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
14. 174

    SMART: LLM-Augmented Hybrid Retrieval for Dynamic Product Ads

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты
15. 183

    The Text on the Creative: An Under-Exploited Ranking Modality for Short-Form Video Ads

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
16. 195

    UniTraj: Cross-Domain Long-Sequence Modeling for Commercial Recommendation

    #Реклама и рекомендации#История, время и последовательности#Домены, группы и мультимодальные задачи#Промышленное ранжирование и стоимость
17. 203

    Deadweight Loss in Recommendation Systems

    #Реклама и рекомендации#Контроль, объяснения и интересы участников#Оценка, причинность и достоверность вывода
18. 240

    Loom: LLM-Powered Naturally Embedded Recommendation

    #Реклама и рекомендации#Языковые модели, диалог и агенты#Контроль, объяснения и интересы участников#Домены, группы и мультимодальные задачи