🤖 AI

HMAF: A Hierarchical Multi-Slot GD-RTB Allocation Framework

Das Papier schlägt HMAF vor, ein einheitliches hierarchisches Framework, das die Offline-Constraint-Optimierung mit der Online-Listwise-Entscheidungsfindung integriert, um die langfristige Erfüllung von Guaranteed-Delivery-Verträgen und die kurzfristige Maximierung des Real-Time-Bidding-Umsatzes in komplexen Multi-Slot-Werbeumgebungen effektiv auszubalancieren, wobei signifikante Leistungssteigerungen in den Marketing-Szenarien von Meituan erzielt werden.

Ursprüngliche Autoren: Tianxing Bu, Zhaoqi Zhang, Linyou Cai, Miao Xie, Shengri Xue, Tan Qu, Qianlong Xie, Xingxing Wang, Siqiang Luo, Gao Cong

Veröffentlicht 2026-06-10

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Tianxing Bu, Zhaoqi Zhang, Linyou Cai, Miao Xie, Shengri Xue, Tan Qu, Qianlong Xie, Xingxing Wang, Siqiang Luo, Gao Cong

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich ein geschäftiges Restaurant (die Werbeplattform) vor, das zwei Arten von Kunden hat:

Die VIPs (GD-Verträge): Dies sind große Werbetreibende, die vor Monaten einen Vertrag unterzeichnet haben. Sie haben einen Festpreis bezahlt und gesagt: „Wir müssen in den nächsten 30 Tagen unbedingt 10.000 Tischreservierungen (Anzeigenimpressionen) erhalten, egal was passiert.“ Wenn das Restaurant es versäumt, sie unterzubringen, muss es eine Strafe zahlen.
Die Laufkundschaft (RTB-Anzeigen): Dies sind Werbetreibende, die jeden Tag auftauchen und sagen: „Ich zahle, was der aktuelle Marktpreis für einen Tisch gerade ist.“ Das Restaurant möchte diese Tische mit den Höchstbietenden füllen, um heute so viel Geld wie möglich zu verdienen.

Das Problem:
Das Restaurant hat eine begrenzte Anzahl an Tischen (Anzeigenplätze) auf jeder Seite. Manchmal müssen die VIPs einen Tisch bekommen, aber die Laufkundschaft bietet gerade eine riesige Summe Geld für denselben Tisch.

Wenn Sie den Tisch der Laufkundschaft geben, verdienen Sie heute mehr Geld, aber Sie könnten es versäumen, genügend VIPs bis zum Ende des Monats unterzubringen.
Wenn Sie den Tisch dem VIP geben, halten Sie seinen Vertrag ein, aber Sie könnten einen enormen Geldeingang durch die Laufkundschaft verpassen.
Frühere Systeme versuchten, dies zu lösen, indem sie entweder die VIPs bis zum Ende des Monats ignorierten (riskant) oder einfache, starre Regeln verwendeten (wie „VIPs gehen immer vor“), was jedoch Geld verschwendet (wie „VIPs gehen immer vor“, was Geld verschwendet).

Die Lösung: HMAF (Der smarte Restaurantmanager)
Das Paper stellt ein neues System namens HMAF (Hierarchical Multi-Slot Allocation Framework) vor. Denken Sie an ein dreistufiges Management-Team, das Ihr Restaurant perfekt führt.

Schritt 1: Der Planer (Die „Plan“-Phase)

Bevor das Restaurant überhaupt für den Tag öffnet, schaut der Planer auf den gesamten Monatsplan.

Was er tut: Er berechnet exakt, wie viele Tische die VIPs benötigen und wie viele verfügbar sind. Er ermittelt den „Schattenpreis“ (Shadow Price) für jeden Tisch.
Die Analogie: Stellen Sie sich vor, der Planer erkennt: „Tisch 4 im zweiten Stock ist sehr beliebt, aber wir haben nur 5 davon. Wenn wir Tisch 4 einem VIP geben, kostet uns das viel potenzielles Geld der Laufkundschaft. Aber wenn wir ihn der Laufkundschaft geben, versäumen wir vielleicht den VIP-Vertrag.“
Das Ergebnis: Der Planer erstellt einen Satz von „Faustregeln“ (genannt Dual-Variablen), die dem Personal sagen: „Tisch 4 ist gerade teuer; geben Sie ihn nur einem VIP, wenn es wirklich dringend ist. Ansonsten sparen Sie ihn für hochbezahlende Laufkundschaft.“

Schritt 2: Der Kalibrierer (Die „Kalibrieren“-Phase)

Wenn ein Kunde eintrifft (ein Nutzer öffnet die App), nimmt der Kalibrierer die Regeln des Planers und passt die Scores der Anzeigen in Echtzeit an.

Was er tut: Er betrachtet die VIPs und die Laufkundschaft. Wenn ein VIP-Vertrag hinter seinem Lieferziel zurückbleibt, gibt der Kalibrierer diesem VIP einen „Boost“, was ihn wahrscheinlicher einen Tisch bekommen lässt. Wenn ein VIP bereits im Plan liegt, wird der Boost entfernt.
Die Analogie: Es ist wie ein Verkehrspolizist an der Tür. Wenn der VIP-Bereich leer ist, winkt der Polizist die VIPs schneller rein. Wenn der VIP-Bereich voll ist, lässt er die hochbezahlende Laufkundschaft herein. Er balanciert die beiden Gruppen dynamisch, Sekunde für Sekunde aus.

Schritt 3: Der Exekutor (Die „Ausführen“-Phase)

Dies ist der endgültige Entscheidungsträger, der tatsächlich die Tische zuweist.

Was er tut: In einem modernen Restaurant haben Sie nicht nur einen Tisch, sondern eine ganze Reihe von Tischen (eine „Multi-Slot“-Seite). Der Exekutor wählt nicht einfach nur den besten einzelnen Tisch aus; er wählt die beste Anordnung für die gesamte Reihe.
Die Analogie: Stellen Sie sich vor, der Exekutor ist ein Koch, der einen Teller anrichtet. Er legt nicht einfach nur das teuerste Gericht in die Mitte; er arrangiert den ganzen Teller so, dass die VIPs ihre spezifischen Plätze bekommen, ohne die Sicht der Laufkundschaft zu blockieren, und stellt sicher, dass der ganze „Teller“ (der Bildschirm des Nutzers) gut aussieht und den meisten Gewinn abwirft.
Die Magie: Dieser Teil verwendet ein „Generator-Evaluator“-Netzwerk. Der Generator erstellt einige mögliche Sitzordnungen (z. B. „Was, wenn wir den VIP hier und die Laufkundschaft dort platzieren?“). Der Evaluator fungt als Richter, der all diese Optionen prüft und diejenung auswählt, die am meisten Geld einbringt und gleichzeitig die VIPs zufriedenstellt.

Die Ergebnisse

Das Paper besagt, dass dieses System bei Meituan getestet wurde, einer massiven Essenslieferplattform in China (denken Sie an eine riesige digitale Restaurant-Plattform).

Das Ergebnis: Durch die Verwendung dieses dreistufigen Managers konnte Meituan 3,72 % mehr VIPs unterbringen (mehr Verträge erfüllen) UND 1,59 % mehr Gesamtumsatz durch die Laufkundschaft generieren.
Warum es überraschend ist: Normalerweise, wenn man mehr VIPs unterbringt, verdient man weniger Geld, weil man der Laufkundschaft nicht so viel berechnen kann. Aber weil HMAF so intelligent darin ist, welche Tische es wem gibt (unter Verwendung der „Schattenpreise“ vom Planer), hat es einen Weg gefunden, beides gleichzeitig zu erreichen.

Zusammenfassend:
HMAF ist wie ein super-smarter Restaurantmanager, der nicht nur auf Kunden reagiert, die gerade zur Tür hereinkommen. Stattdessen plant er den gesamten Monat, passt die Einlasspolitik in Echtzeit an, je nachdem, wie voll der VIP-Bereich ist, und arrangiert die Tische perfekt, um sicherzustellen, dass jeder bekommt, was er braucht, während das Restaurant den maximalen Gewinn erzielt.

Technisches Resümee: HMAF – Ein hierarchisches Multi-Slot-GD-RTB-Allokations-Framework

1. Problemformulierung

Die Arbeit befasst sich mit der komplexen Herausforderung der Impression-Allokation in groß angelegten Online-Werbe-Ökosystemen, in denen Guaranteed Delivery (GD)-Verträge mit Real-Time Bidding (RTB)-Auktionen koexistieren. Insbesondere konzentrieren sich die Autoren auf Multi-Slot-Umgebungen (z. B. Content-Feeds), in denen eine einzelne Seitenansicht mehrere Werbeplätze (Slots) enthält.

Das Kernproblem wird als einheitliche Allokationsaufgabe formuliert, um den gesamten Plattformumsatz (Summe aus RTB-Auktionswerten und GD-vertraglichen Werten) unter strikten Nebenbedingungen zu maximieren:

GD-Auslieferungsbeschränkungen: Sicherstellung, dass Verträge die Mindest- und Höchstvolumina an Impressions ( $B_j$ ) erfüllen, um Strafzahlungen zu vermeiden.
Kapazitätsbeschränkungen: Jede Anfrage (Seitenansicht) kann höchstens einer Anzeige pro Slot zugewiesen werden.
Page View (PV)-Beschränkungen: Feingliedrige Limits für die Anzahl der Impressions, die eine spezifische Anfrage über mehrere Slots hinweg generieren kann, um Werbemüdigkeit und Überexposition zu verhindern.

Die Autoren identifizieren drei grundlegende Herausforderungen bei der Lösung dieses Problems:

NP-Schwere: Das Problem generalisiert das Multidimensionale Kapsack-Problem (MKP) unter feingliedrigen PV-Beschränkungen, was eine globale Optimierung für Millionen von Anfragen rechnerisch unpraktikabel macht.
eCPM-Fulfillment-Trade-off: Die Balance zwischen kurzfristiger Umsatzmaximierung (hoher eCPM) und langfristigen Garantien zur Vertragserfüllung (Fulfillment) ist schwierig; aggressive Auslieferung schadet oft dem Umsatz, während ein reiner Fokus auf den Umsatz das Risiko einer Unterlieferung birgt.
Schwache Überwachung (Weak Supervision): Im Gegensatz zur Standard-CTR-Vorhersage fehlt beim hybriden Ranking explizite Ground-Truth-Labels für die optimale Liste, was das System dazu zwingt, aus implizitem, verzögertem Feedback abgeleitet aus aggregierten Auslieferungszuständen zu lernen.

2. Methodik: Das HMAF-Framework

Die Autoren schlagen HMAF (Hierarchical Multi-Slot Allocation Framework) vor, welches das unlösbare Problem in ein Plan–Calibrate–Execute-Paradigma zerlegt. Dieses Framework koppelt die Offline-Beschränkungsoptimierung eng mit der Online-neuronalen Entscheidungsfindung.

A. Plan-Phase: Page View-Constrained Allocation Module

Dieses Modul formuliert das Allokationsproblem offline als ein beschränktes Optimierungsproblem.

Zielsetzung: Minimiert eine Verlustfunktion, die Vertragserfüllung, Nutzerinteresse und eine neuartige Page View (PV)-Beschränkung ausbalanciert, um die Exposition pro Slot zu begrenzen.
Mechanismus: Das Problem wird mittels Lagrange-Relaxierung und KKT-Bedingungen gelöst. Anstatt das Primalproblem direkt zu lösen, aktualisiert das System iterativ die Dualvariablen ( $\alpha, \beta, \delta$ $α, β, δ$ ) über projektive Gradientenschritte.
- $\alpha_j$ : Schattenpreis für die Vertragsnachfrage (Auslieferungsdruck).
- $\beta_i$ : Schattenpreis für die Anfragekapazität.
- $\delta_{ij}$ : Schattenpreis für die Slot-basierte PV-Beschränkung.
Ausgabe: Diese Dualvariablen fungieren als „Schattenpreise“, die die globale Ressourcenknappheit und den Auslieferungsdruck kodieren und als kompakte Steuersignale für nachgeschaltete Phasen dienen.

B. Calibrate-Phase: Dual-Guided Pre-Ranking Module

Dieses Modul überbrückt die Offline-Planung mit der Online-Ausführung, indem es die Dualvariablen in den Ranking-Score injiziert.

Einheitliche Bewertung (Unified Scoring): Es definiert einen Ranking-Score ( $rs_j$ ) sowohl für GD- als auch für RTB-Kandidaten.
Dual-Guided Modulation: Für GD-Anzeigen wird der Score durch einen Term $x_{ij} \cdot PID_{Error}$ angepasst, wobei $x_{ij}$ die aus der Offline-Optimierung abgeleitete Allokationskonfidenz ist. Dies passt die Wettbewerbsfähigkeit dynamisch basierend auf kontextspezifischem Auslieferungsdruck an, anstatt eine uniforme PID-Steuerung anzuwenden.
Funktion: Diese Phase führt ein grobes Filtern und Ranking durch, wodurch der Entscheidungsraum signifikant reduziert wird, während die Allokationsqualität erhalten bleibt.

C. Execute-Phase: Generator-Evaluator Listwise Allocation Module

Diese Phase behandelt das finale Listwise-Ranking über mehrere Slots hinweg und adresset die positionsabhängige Natur von Multi-Slot-Anzeigen.

Dual-Augmented Feature Space: Die Offline-Dualvariablen ( $\alpha, \beta, \delta$ ) werden als globale Zustandsmerkmale in das neuronale Netzwerk injiziert, was eine „Vorausschau“ auf Systembeschränkungen ermöglicht.
Generator: Ein Transformer-basierter Encoder modellet Kandidaten-Positions-Interaktionen und gibt eine Wahrscheinlichkeitsmatrix für die Zuweisung von Kandidaten zu Slots aus. Er generiert eine Primärliste sowie perturbierte Listen zur Exploration.
Evaluator: Ein Listwise-Supervisor wählt die optimale Ranking-Liste aus den generierten Kandidaten aus, indem er eine Belohnung ( $R(S_k)$ ) schätzt, die prädizierte Metriken und Auslieferungsbeschränkungen aggregiert.
Trainingsziel: Das Modell wird mit einer kombinierten Verlustfunktion trainiert:
- $L_{ce}$ : Cross-Entropy-Verlust, der die Vorhersagen mit der optimalen Zuweisung des Evaluators abgleicht.
- $L_{re}$ : Reward-aware Verlust, der Abweichungen zwischen prädiziertem und realisiertem eCPM bestraft und systematische Biases korrigiert.

3. Kernbeiträge

Einheitliches Framework: Der Vorschlag von HMAF, einem hierarchischen Framework, das Offline-Beschränkungsoptimierung mit Online-neuronaler Entscheidungsfindung integriert und somit eine robuste architektonische Grundlage für die Multi-Slot-GD-RTB-Allokation bietet.
Drei Kernkomponenten:
- Ein Page View-Constrained Optimization Modul, das feingliedrige angebotsseitige Beschränkungen erfasst und Dual-Signale ableitet.
- Ein Dual-Guided Unified Ranking Modul, das das Online-Scoring unter Verwendung von Offline-Dualvariablen kalibriert, um eCPM und Fulfillment auszubalancieren.
- Ein Generator-Evaluator Modul, das Listwise-Ranking durch die gemeinsame Modellierung von Kandidaten-Positions-Interaktionen unter globaler Führung ermöglicht.
Empirische Validierung: Groß angelegte Experimente und Online-A/B-Tests, die statistisch signifikante Verbesserungen sowohl bei den Auslieferungsraten als auch beim Gesamtumsatz zeigen.

4. Experimentelle Ergebnisse

Das Framework wurde mit einem Datensatz aus Meituans Produktionsumgebung (123M+ Impressionen, 32 Tage) evaluiert und in Online-A/B-Tests eingesetzt.

Offline-Performance:

HMAF übertraf die Baselines (einschließlich CF, PID, AUAF, CONFLUX und LIBRA) in allen Metriken.
Group AUC (GA): 0,8984 (gegenüber 0,8538 für die beste Baseline, LIBRA).
Delivery Rate (DR): 0,9638 (gegenüber 0,9554 für LIBRA).
Utility Rate (UR): 0,9812 (gegenüber 0,9513 für LIBRA).
RTB eCPM: Erzielte den höchsten normalisierten Score (1,0000).

Online-A/B-Testing (2 Monate, 50/50 Traffic-Split):

GD Delivery Rate: Steigerung um 3,72 % (statistisch signifikant, p-Wert 0,018).
Gesamter Werbeumsatz: Steigerung um 1,59 % (statistisch signifikant, p-Wert 0,024).
Systemeffizienz: Die Offline-Planung läuft in ca. 2 Stunden auf 20 Maschinen; das Online-Inference ist leichtgewichtig (<50 ms pro Seitenansicht).
Signifikanz der Ergebnisse: Die Autoren merken an, dass die gleichzeitige Erzielung von Gewinnen bei der Auslieferung und beim Umsatz kontraintuitiv ist. Sie führen dies auf die Fähigkeit des GE-Modells zurück, GD-Impressionen intelligent auf Nicht-Premium-Slots zu verschieben (unter Verwendung von $\delta_{ij}$ -Signalen), wodurch hochwertiger Inventar für RTB freigegeben wird.

5. Bedeutung und Ansprüche

Das Paper behauptet, dass HMAF erfolgreich den inhärenten Konflikt zwischen kurzfristiger Umsatzeffizienz und langfristigen Auslieferungsgarantien in hybriden Werbemärkten löst. Durch die Einführung eines Plan–Calibrate–Execute-Paradigmas bewegt sich das Framework über heuristische Prioritätsregeln oder entkoppelte Pipelines hinaus.

Die Autoren betonen, dass die Fähigkeit des Frameworks, feingliedrige Multi-Slot-Beschränkungen und NP-schwere kombinatorische Optimierung durch einen Dual-Guided-Neural-Ansatz zu handhaben, seine primäre Innovation darstellt. Sie stellen fest, dass HMAF eine „zuverlässige architektonische Grundlage“ für die GD-RTB-Allokation bietet und erfolgreich in Meituans Produktionssystem implementiert wurde, was messbaren Geschäftswert lieferte. Das Paper schließt damit, dass das Framework auf andere Plattformen mit ähnlichen GD-RTB-Einstellungen adaptierbar ist, sofern lediglich die Anforderungen an die garantierte Auslieferung, die Echtzeit-Gebotswerte und die Multi-Slot-Expositionsbeschränkungen vorliegen.