LLM挖出广告主竞争关系，生产A/B测试广告收入提升1.73%
LACRM: LLM-Guided Mining of Directed Advertiser Competition Relationships in E-Commerce Advertising
📖 AI 总结
该研究针对电商广告中平台难以建模广告主之间外部竞争关系的问题，提出LACRM框架。广告主的实际表现受争夺同一用户、品类重叠且预算相近的竞争对手影响，但这种竞争关系具有方向性、多面性和部分可观测性，传统交互图、分类规则和单一嵌入模型难以充分刻画。LACRM通过三阶段流程构建带连续边强度的有向竞争图，利用大语言模型进行角色分离画像，实现非对称多路径检索，同时挖掘已显现和潜在的竞争对手，并结合拍卖时序行为进行列表式学习排序以建模竞争强度。在工业基准的离线检索实验中，LACRM优于有向图神经网络基线及消融变体；多模型与人工研究证实其挖掘的潜在对手反映真实市场竞争。生产环境A/B测试显示，基于LACRM的出价与激励分配分别提升广告收入1.73%和1.14%，表明显式竞争建模在大规模广告系统中具有实际价值。
🔑 关键词速览
| LACRM | LLM驱动的广告主竞争关系挖掘框架，用于构建有向竞争图。 |
| 有向竞争图 | 一种表示广告主之间非对称竞争关系的图结构，边具有方向和强度。 |
| LLM驱动的角色分离画像 | 利用大语言模型为广告主生成不同角色的画像，以捕捉非对称竞争关系。 |
| 列表式学习排序 | 一种机器学习排序方法，考虑整个列表的上下文来优化排序结果。 |
| 外部性 | 广告主之间的相互影响，即一个广告主的决策对其他广告主表现的影响。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅