配信の瞬間:トンプソン・サンプリング

オークションは候補のプールをキャッシュしました。いま読者がここにいて、システムは選ばなければなりません——速く、インプレッションごとに、ページ上の全スロットを一度に。ここが Promovolve が学ぶ場所です。

リクエストはページにつき1回

広告タグは全スロットを列挙した1つのバッチリクエストを送ります。サイトの AdServer エンティティは順に確認します。リクエスト元ホストがサイトの検証済みホストであること(違えば 403)。ページの分類が鮮度ウィンドウ内であること(外れていれば 204)。読者のドッグイヤーが最優先で尊重されること(有効なピンはスロットを取り、以下のすべてを飛ばします)。そしてペーシングゲート——予算ペーシング参照——が、このインプレッションをそもそも使うべきかを決めます。

残ったものが、候補プールからの選択です。

平均ではなく、サンプリングでスコアを付ける

各クリエイティブは、インプレッション・クリック・フォールドの直近60分間の窓を分単位のバケットで持ち歩いています。そこから2つのベータ分布を作ります(下の CTR はクリック率——このクリエイティブを見た読者のうち、開いた人の割合です)。

sampledCTR  ~ Beta(clicks + 1,  impressions − clicks + 1)
sampledFold ~ Beta(folds + 1,   impressions − folds  + 1)

リクエストのたび、すべての候補が自分の分布から1つ引きます——平均値は使いません。スコアは:

engagement = sampledCTR + 2.0 × sampledFold + newcomerBonus
score      = engagement × CPM^α

このサンプリングこそが仕掛けのすべてです(これがトンプソン・サンプリングです)。1,000インプレッションを持つクリエイティブの引きは真の率の周りに固く集まり、9インプレッションしかないクリエイティブの引きは荒れます。だから不確かなクリエイティブはときどき高く引いて勝ちます——探索です——それも、自分の不確かさに正確に比例して。探索スケジュールも、イプシロンも、フェーズもありません。信頼度そのものが実験を配分し、データが積もれば引きは狭まり、最良のクリエイティブがただ最も多く勝つようになります。

ここでのクリックとは雑誌を開くこと——このフォーマットではクリックとは展開です。フォールドはドッグイヤーで、2倍の重みを持ちます。広告をしおりする読者は、ただ開く読者より強いシグナルだからです。

指数 α はパブリッシャーの唯一の調整つまみです(bidWeight)。デフォルトは0.5で、10ドルの入札は1ドルの入札に10倍ではなく約3.2倍で勝ります——価格は効きますが、読者が反応するクリエイティブは、無視される金持ちクリエイティブに勝てるのです。発見を重視するパブリッシャーは0.3に、収益なら0.7に。

コールドスタートも、同じ式の中に

コールドスタートとは、ランキング問題の気まずい初日のことです。履歴のない広告をどうスコアすればいいのか?新しいクリエイティブは2つの助けを得ますが、どちらもスコアとして表現されます——別のコールドスタート用コードパスも、ラウンドロビンも、強制配信もありません。

• インプレッションがゼロのとき: CTR の引きは、そのクリエイティブのカテゴリー親和度スコア(オークション時にページとどれだけ合っていたか)±0.15の一様ノイズに置き換えられ、フォールドの引きは Beta(1, 3) の事前分布から来ます。コイン投げではなく、関連性に裏打ちされた推測です。
• 最初の50インプレッション: +0.5から始まり線形にゼロへ減衰する加算の新参ボーナス——自信満々の古参に対する保証付きの助走であり、クリエイティブが実データを持つ頃には消えています。

選択は、どのライフサイクル段階でも単一の argmax——最高スコアを取る、それだけ——のままです。

ページを埋める

スロットは大きい順に貪欲に割り当てられ、それぞれが残る候補の中で最高のサンプルスコアを取ります——ただし2つの固い規則の下で。クリエイティブは1ページに最大1回、そしてキャンペーンも1ページに最大1回。1つの広告主に染まったページは読者にもパブリッシャーにも広告主にも悪い。この制約は、ごまかしの効かない割り当て時に強制されます。

勝者の予算はレスポンス送信前に確保され、インプレッションは選択の時点でサーバー側に記録されます——課金は、トラッキングピクセルが読者のブラウザを生き延びるかどうかに依存しません。クリック(展開)、フォールド(ドッグイヤー)、CTA イベントはあとからトラッキングエンドポイント経由で届き、ベータ分布の窓を更新します。 ドッグイヤーによる再会はこのどれも更新しません。専用カウンターに住み、学習からも消化額からもレポーティングの主要指標からも除外されています。