直播 | 信息流广告冷启动算法优化与实验评估

11月29日（周日），09：30-10：30，DataFunTalk邀请到来自上海纽约大学/快手的张任宇 博士做客 DataFunTalk 直播间。

01

直播信息

本期主题： 信息流广告冷启动算法优化与实验评估

活动主办： Da taFunTalk

分享嘉宾： 张任宇 博士

分享时 间： 11月29日，09:30-10:30

分享地点：网络直播间

02

内容摘要

张任宇 博士

上海纽约大学助理教授，快手经济学家

张任宇，上海纽约大学运营管理学助理教授，快手经济学家&Tech Lead，主要研究数据驱动优化与A/B实验及其在大规模在线平台定价与推荐策略中的应用。研究成果在OR和MSOM运营管理学顶级期刊发表并获得INFORMS、POM等多个学术共同体研究奖励。在纽约大学和快手内部讲授数据科学和运筹学课程。为快手平台开发经济学/数据科学方法论与框架，主要用于评估并优化平台宏观流量与营收生态（尤其是推荐系统和广告平台）。

个人网站：

https://rphilipzhang.github.io/rphilipzhang/

分享主题： 信息流广告冷启动算法优化与实验评估

内容摘要： 信息流广告冷启动一直是在线广告平台 (抖音、快手、 Facebook 等 ) 面临的的巨大难题。 受数据量的限制，新广告的点击率和转化率预估准确率都很低。 新广告冷启动效果不佳会使得在广告平台上竞价广告的广告数量减少，并最终导致广告主离开平台。 运用数据驱动优化的方法可以有效地解上述广告冷启动问题。 基于对偶理论和 neural bandit s可以开发一种全新的广告冷启动算法 Shadow Bidding with Learning (SBL) 。 S BL 算法直接在广告主出价基础上叠加 (自动化 ) 影子出价，所以可以很方便地在广告系统中实施。 S BL 算法在快手信息流广告落地。 采用用户 - 广告双边实验可以准确地测算该算法对短期消耗和长期冷启动价值的影响。 该实验解决了基于广告或用户的单边随机实验对算法效果估计的误差问题。 双边实验结果证明， S BL 算法可以在不损失短期消耗的前提下，显著提升广告平台冷启动价值。

听众收益：

• 所有听众：全新的算法设计思路与算法评估实验方法。
  

• 不熟悉信息流广告的听众：信息流广告的业务逻辑与冷启动痛点。

新技术/实用技术点：

冷启动算法及其评估方法

03

直播报名

识别海报中二维码，即可报名：