面向实时竞价广告市场的人群精准细分优化策略研究

Real Time Bidding (RTB) is a novel business model of online precision marketing in the big data era, and the audience precise segmentation strategy of the Demand-Side-Platforms (DSPs) is an important premise to realize the precision marketing. RTB advertising is a bi-level bidding processes, including not only diverse revenue models and auction mechanisms, but also complex principal-agent relations between the advertisers and the DSPs. Moreover, the market environment is dynamicly changing in real time. Thus, it is a great challenge for DSPs to make their audience precise segmentation strategy. In this research, we aim to study the audience precise segmentation strategies faced by DSPs, with theories and methods such as operations research, pricipal-agent theory, game theory, equilibrium analysis and experimental economics. First, we expore the effects of the revenue models in the bi-level auction and the princial-agent relation on DSPs’ audience precise segmentation strategies. Second, we establish a framework for optimizing the segmentation granularity under different revenue models adopted by DSPs. Third, we propose a dynamic adjustment strategy for the established framework to deal with the dynamics of the RTB markets. Furthermore, we establish a computational experiment platform based on user profile and agent to evaluate the proposed framework and its adjustment strategies. The research achievements and findings of this research are both theoretically and practically valuable. It can not only provide theoretical support for the market segmentation strategies of DSPs, but also promote the development of the RTB industry.

实时竞价广告是大数据时代的精准营销模式，而广告需求方（DSP）平台的人群精准细分策略是实现精准营销的重要前提。在实时竞价中，双层的竞价过程、多样的盈利模式和机制、复杂的委托代理关系以及实时动态变化的市场环境，使得DSP平台的人群精准细分决策面临巨大的挑战。本项目拟采用运筹学、委托代理理论、博弈论、均衡分析、实验经济学等理论与方法，对DSP平台的人群精准细分策略展开研究，探索双层竞价中不同盈利模式与委托代理关系对人群精准细分决策的影响机理，建立多种盈利模式下的人群精准细分框架模型，并提出人群细分粒度的实时自适应动态调整策略。在此基础上，建立基于用户画像和智能体的人群细分仿真与计算实验平台，对本项目的理论研究成果进行验证与评估，以保证本项目研究成果的理论价值与实际价值。本项目的研究成果可以为DSP平台的人群细分决策提供理论依据，从而促进RTB产业的可持续发展，因此具有重要的理论意义和应用价值。

在实时竞价广告中，如何借助目标人群大数据实现目标人群定向和精准营销是广告需求方平台面临的重要挑战，也是提升实时竞价广告营销效果的重要手段。针对实时竞价广告中所面临的复杂性、动态性和实时性等挑战，项目组重点研究了实时竞价广告双层竞价过程中广告需求方平台的盈利模式选择与目标人群细分策略、双层竞价的市场竞价机制设计与评估、广告展示的跨渠道广告库存管理与保留价优化、实时竞价广告的计算实验研究等核心内容。本项目的研究工作进展顺利，通过三年系统深入的研究，取得了一批具有原创性的研究成果，共发表学术论文50篇，包括国际期刊论文20篇，国际会议论文14篇，国内期刊与会议论文16篇，其中SCI检索11篇，EI检索33篇，圆满完成了项目的预期研究目标。首先，分析了广告需求方在佣金模式和双层转售模式这两种盈利模式下的收益情况和目标人群细分策略，并研究了目标人群细分维度中的个人行为画像及其在组织管理中的应用。其次，研究了确定环境和随机环境下的双层竞价的机制设计问题，提出了一个帕累托最优竞价机制来提升广告收益和效果，并将实时竞价中的机制应用于区块链经济系统中的交易费竞价过程，提出了一个基于广义二价拍卖机制的交易费竞价机制来提升交易确认效率。第三，依据实时竞价广告特性，提出广告展示跨渠道、跨市场以及跨平台分配与调整的三层框架模型，并研究了离线和在线这两种渠道下广告展示的保留价制定和优化问题，从而有效提升广告收益。第四，针对实时竞价广告中由于竞价过程复杂性、动态性和数据的难以获取性而导致的策略评估与验证难题，项目组采用计算实验方法，针对实时竞价广告中的盈利模式分析、人群细分策略、竞价机制设计等典型问题，设计相关计算实验场景，并进行了计算实验验证与评估，从而为参与者的相关决策提供重要依据。