Modèles causaux pour les enchères en temps réel avec interactions répétées entre utilisateurs.

Résumé Une grande partie de l'inventaire publicitaire en ligne est vendue aux enchères en temps réel. Les algorithmes d'enchères doivent estimer précisément la valeur de chaque affichage. De nombreux modèles d'enchères estiment cette valeur comme la probabilité qu'une vente soit attribuée à cet affichage, mais cette approche ne tient pas compte du fait qu'un utilisateur peut se voir présenter une séquence de plusieurs affichages. En mélangeant les outils du raisonnement causal et de l'apprentissage par renforcement pour modéliser cette séquence d'enchères, nous dérivons une règle simple pour améliorer cette estimation. Nous testons le changement en ligne dans un environnement de production et les résultats valident l'approche. Nous pensons que cette méthodologie pourrait être adaptée pour s'attaquer au problème notoirement difficile de la construction d'un enchérisseur incrémental.