Hierarchical Bayesian Experimental Estimation of Incremental Local Advertising Effects with Secure Aggregation and Differential Privacy
Dieses Paper präsentiert ein datenschutzwahrendes Rechenframework, das paarweise Gebiets-Randomisierungsexperimente, sichere Aggregation und Differential Privacy mit hierarchischer Bayes-Inferenz kombiniert, um inkrementelle lokale Werbeeffekte trotz spärlicher Konversionsdaten und strenger Datenschutzbeschränkungen präzise zu schätzen und Budgets zu optimieren.