阿里kdd 2019 出价论文《Bid Optimization by Multivariable Control in Display Advertising》
一、研究背景与问题
在展示广告实时竞价（RTB）系统中，广告主需同时满足预算约束与CPC成本约束：
- 预算需在投放周期内匀速消耗，不超支、不浪费
- 平均点击成本（CPC）需稳定控制在目标值附近
传统单PID控制方案（如OCPC）存在严重缺陷：
- 预算与CPC强耦合，调节一个目标会严重干扰另一个
- 流量波动时系统易震荡、成本超标、跑量不稳定
本论文提出双PID + MPC耦合解耦框架，解决多约束干扰问题，实现工业级稳定最优出价。
二、整体技术框架
论文采用闭环控制架构：
- p-PID：预算匀速消耗控制
- q-PID：CPC成本稳定控制
- MPC线性耦合模型：建模并消除PID间交叉干扰
- 最优出价公式：输出满足双约束的动态出价
三、双PID控制器原理
1. p-PID（预算Pacing控制）
误差公式
\[e_p = B \cdot \frac{t}{T} - \text{spend}(t)
\]
PID控制律
\[u_p = K_{p,p}e_p + K_{i,p}\sum e_p + K_{d,p}(e_p - e_{p,prev})
\]
作用：使预算平滑、匀速消耗。
2. q-PID（CPC控制）
误差公式
\[e_q = \text{CPC}_{target} - \text{CPC}_{real}
\]
PID控制律
\[u_q = K_{p,q}e_q + K_{i,q}\sum e_q + K_{d,q}(e_q - e_{q,prev})
\]
作用：使实际CPC稳定贴近目标值。
四、MPC耦合模型与解耦（核心创新）
1. 线性耦合状态方程
\[\begin{bmatrix}
\Delta \text{cost} \\
\Delta \text{CPC}
\end{bmatrix}
=
X
\begin{bmatrix}
u_p \\
u_q
\end{bmatrix}
+ b
\]
- \(X\)：2×2耦合矩阵（最小二乘法拟合得到）
- \(b\)：系统静态偏置
2. MPC解耦公式
\[u^* = X^{-1}(u - b)
\]
得到解耦后的控制量 \(u_p^*, u_q^*\)，实现预算与CPC独立控制、互不干扰。
五、最终出价公式完整推导
步骤1：构建约束优化问题
目标：最大化点击量
\[\max \quad \text{Click} = \sum pCTR
\]
约束：
\[\sum \text{cost} \le B
\]
\[\frac{\sum \text{cost}}{\sum \text{click}} \le \text{CPC}_{target}
\]
步骤2：构造拉格朗日函数
\[\mathcal{L} = \text{Click} - \lambda_p(\text{Cost}-B) - \lambda_q(\text{CPC}-\text{CPC}_{target})
\]
步骤3：对bid求极值
\[\frac{\partial \mathcal{L}}{\partial \text{bid}} = 0
\]
步骤4：推导最优出价结构
\[\text{bid} = \frac{\lambda_1 + \lambda_2 \cdot pCTR}{1 - \lambda_3}
\]
步骤5：代入解耦控制量（最终公式）
\[\boxed{\text{bid} = \frac{u_p^* + u_q^* \cdot pCTR}{0.999}}
\]
六、公式物理意义
- \(u_p^*\)：保证预算匀速消耗
- \(u_q^*\)：保证CPC稳定不超标
- \(pCTR\)：高价值流量自动提高出价
- MPC解耦：消除预算与CPC的相互干扰
七、论文创新点
- 首次将多变量控制理论应用于工业级广告自动出价
- 提出MPC线性解耦方法，解决预算-CPC耦合干扰难题
- 从约束优化+拉格朗日对偶严格推导出最优出价公式
- 低延迟、高稳定性，支撑电商亿级流量实时投放
八、实验效果
- 预算消耗波动降低 30%+
- CPC达标率提升 25%+
- 同等约束下转化量提升 15%~20%
- 成为现代 OCPC/OCPM/CPA 智能出价底层标准算法
九、全文总结
本论文针对广告投放中预算与CPC强耦合痛点，提出双PID+MPC解耦的自动出价方法。通过双PID实现目标跟踪，通过MPC建模并抵消交叉干扰，并从约束优化理论推导出最优动态出价公式，最终实现预算匀速、成本稳定、流量最优的投放目标。该方法是广告智能出价从“可用”到“稳定最优”的里程碑技术。
浙公网安备 33010602011771号