📈 economics

One-Shot Pricing for Hands-Off-the-Wheel Advertising Markets

Dieses Paper schlägt vor, die traditionellen pro-Impression-Auktionen in „Hands-off-the-wheel“-Werbemärkten durch einen Single-Shot-konvexen Optimierungsansatz zu ersetzen, der kompetitive Gleichgewichtspreise berechnet, um gleichzeitig Werbebudgets und ROI-Ziele zu erfüllen und gleichzeitig den Börsenumsatz zu maximieren.

Ursprüngliche Autoren: Emerson Melo, Matt Shum, Rakesh Vohra

Veröffentlicht 2026-08-04

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Emerson Melo, Matt Shum, Rakesh Vohra

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

Die große digitale Auktion: Warum das schnellste Auto nicht immer gewinnt

Stellen Sie sich einen geschäftigen digitalen Marktplatz vor, auf dem jede Sekunde Millionen winziger Werbetafeln auf Bildschirmen aufblitzen. Seit Jahrzehnten ist die Regel dieser Welt die „Auktion“. Jedes Mal, wenn ein Nutzer eine Webseite lädt, bricht ein hektischer, sekundenbruchteilkurzer Bieterwettstreit aus. Werbetreibende schreien heraus, wie viel sie bereit sind, für diesen spezifischen Moment zu zahlen, und der Höchstbietende gewinnt den Platz. Es ist wie ein Hochgeschwindigkeits-Autorennen, bei dem jeder versucht, die Geschwindigkeit der anderen zu erraten und versucht, sie gerade so weit zu überbieten, um zu gewinnen, ohne zu viel zu bezahlen. Dieses System funktioniert gut, wenn niemand genau weiß, was die anderen Fahrer denken. Aber was wäre, wenn die Rennorganisatoren – die Plattformen, die die Anzeigen schalten – bereits genau wüssten, wie schnell jedes Auto fahren kann, wie viel Treibstoff es hat und was die Fahrer genau erreichen wollen?

Dies ist die Welt der „Hands-Off-the-Wheel“ (HOTW)-Werbung. In dieser modernen Ecke der digitalen Wissenschaft müssen Werbetreibende keine Gebote mehr schreien. Stattdessen sagen sie der Plattform einfach: „Hier ist mein Gesamtbudget (mein Treibstofftank), und hier ist mein Ziel: Ich möchte einen bestimmten Wert für jeden Dollar, den ich ausgebe (meinen Return on Investment) erhalten.“ Die intelligenten Computer der Plattform erledigen dann den Rest und sagen voraus, wie wahrscheinlich es ist, dass ein Nutzer auf etwas klickt oder etwas kauft. Die große Frage, die dieses Papier behandelt, lautet: Wenn die Plattform bereits alles über die Fahrer und die Autos weiß, ist diese hektische, sekundenbruchteilkurze Auktion dann noch notwendig? Oder gibt es einen einfacheren, klügeren Weg, das Rennen zu führen, der Zeit spart, Chaos reduziert und dem Streckenbesitzer tatsächlich mehr Geld einbringt?

Die Einmal-Lösung: Das Rennen gegen eine Karte tauschen

Die Autoren dieses Papiers, Emerson Melo, Matthew Shum und Rakesh Vohra, argumentieren, dass in dieser „Hands-Off-the-Wheel“-Welt die altmodische Auktion eigentlich ein Relikt der Vergangenheit ist. Sie schlagen vor, dass die Plattform, da sie bereits die Budgets, die Ziele der Werbetreibenden und den erwarteten Wert jedes Werbeklicks kennt, nicht Millionen kleiner, lärmender Auktionen pro Sekunde durchführen muss. Stattdessen kann die Plattform wie ein Chefkoch agieren, der bereits alle Zutaten und Rezepte besitzt. Der Koch muss den Gästen nicht jedes Mal fragen, was sie wollen, wenn sie einen Bissen nehmen; er kann einfach einmal das perfekte Mahl kochen und servieren.

Das Papier schlägt einen „One-Shot“-Ansatz vor. Anstatt für jeden einzelnen Werbeimpression ein Rennen zu veranstalten, löst die Plattform vor Beginn des Tages ein einziges, riesiges, komplexes mathematisches Rätsel (ein sogenanntes „konvexes Programm“). Dieses Rätsel berechnet den perfekten Preis für jeden Typ von Werbeklick und genau, wie viele Klicks jeder Werbetreibende erhalten sollte, um die Budgets und Ziele aller gleichzeitig zu erfüllen. Die Autoren beweisen, dass diese einzige Berechnung ein „kompetitiver Gleichgewicht“ schafft – einen Zustand, in dem Angebot und Nachfrage perfekt aufeinandertreffen und niemand einen Anreiz hat, seine Meinung zu ändern.

Hier ist die überraschende Wendung, die das Papier entdeckt: Dieser einzelne, berechnete Preis ist nicht nur fair; er ist tatsächlich der profitabelste Preis, den die Plattform verlangen kann. In vielen anderen Arten von Märkten könnte ein Verkäufer versuchen, die Preise zu erhöhen und die Anzahl der verkauften Artikel zu begrenzen, um mehr Geld zu verdienen (wie ein Monopolist). Aber die Autoren zeigen, dass es in dieser speziellen Art von Werbemarkt den Plattformen schadet, gierig zu sein und die Preise über das berechnete „Markt-Clearing-Niveau“ anzuheben. Wenn sie den Preis erhöhen, hören einige Werbetreibende einfach auf zu kaufen und nehmen ihr Geld mit woanders hin (zu einer „externen Option“, wie etwa das Sparen des Geldes oder die Ausgabe für etwas anderes). Da die Budgets der Werbetreibenden fest und ihre Ziele strikt sind, verdient die Plattform am meisten Geld, indem sie den Preis genau dort festlegt, wo der Markt natürlich bereinigt wird, um sicherzustellen, dass jeder Werbetreibende sein gesamtes Budget für die Anzeigen ausgibt, die er am meisten schätzt.

Das Papier zeigt auch, dass diese „One-Shot“-Methode mathematisch identisch mit den komplexen Echtzeit-Auktionen ist, die derzeit in der Branche stattfinden, aber ohne das Chaos. Es ist, als würde man erkennen, dass man zwar ein Auto fahren kann, indem man tausende Male pro Minute manuell die Gänge wechselt, man aber auch einfach einmal den Tempomat einstellen könnte, um exakt am selben Ziel anzukommen – schneller und mit weniger Verschleiß am Motor. Die Autoren demonstrieren dies anhand eines „Fisher-Markt“-Modells, ein klassisches ökonomisches Konzept, bei dem Käufer mit festen Budgets um Güter konkurrieren. Indem sie die Return-on-Investment-Ziele der Werbetreibenden als Sicherheitsnetz (eine „externe Option“) behandeln, beweisen sie, dass die Plattform die perfekten Preise im Voraus berechnen kann.

In ihren numerischen Beispielen zeigen die Autoren, wie dies in der Praxis funktioniert. Stellen Sie sich zwei Werbetreibende und zwei Arten von Werbeklicks vor. Ein Werbetreibender hat ein großes Budget und möchte beide Arten von Klicks kaufen; der andere hat ein kleines Budget und möchte nur einen Typ. Die alte Auktionsmethode würde tausende kleine Gebote durchführen, um die Aufteilung zu ermitteln. Die neue Methode löst eine Gleichung und findet sofort die perfekten Preise (zum Beispiel 3 $ für eine Art von Klick und 2 $ für die andere) sowie die perfekte Aufteilung der Klicks. Das Ergebnis? Die Plattform sammelt den maximal möglichen Umsatz ein, die Werbetreibenden erhalten genau das, was sie innerhalb ihrer Budgets wollten, und das gesamte System läuft über eine einzige, elegante Berechnung statt über eine Million hektischer Gebote.

Das Papier kommt zu dem Schluss, dass für diese „Hands-Off-the-Wheel“-Märkte die Ära der Echtzeit-Auktion vorbei ist. Die Informationen sind bereits vorhanden, die Mathematik ist gelöst, und die Zukunft der Werbung ist eine einzige, reibungslose, einmalige Berechnung, die den Lärm des Rennens durch die Präzision einer Karte ersetzt.

Technisches Resümee: Einmalige Preisgestaltung für „Hands-Off-the-Wheel“-Werbemärkte

1. Problemstellung

Die Arbeit befasst sich mit dem Allokationsmechanismus in „Hands-Off-the-Wheel“ (HOTW)- oder „Autobidding“-Online-Werbemärkten. In diesen Märkten deklarieren Werbetreibende ein Budget ( $b_i$ ) und ein Ziel für den Return on Investment (ROI, $r_i$ ), während der Börsenbetreiber (z. B. ein DSP oder ein integrierter Publisher wie Google oder Meta) die Beschaffung von Klicks mithilfe von Machine-Learning-Modellen steuert.

Derzeit stützt sich die Branche trotz der Tatsache, dass die Börse über alle notwendigen Informationen verfügt – vorhergesagte Klickwerte ( $v_{ij}$ ), deklarierte Budgets, ROI-Ziele und prognostizierte Versorgung ( $s_j$ ) – auf Millionen von Echtzeit-Auktionen pro Impression (typischerweise First-Price- oder Second-Price-Auktionen). Die Autoren argumentieren, dass diese Architektur ein Erbe einer Ära ist, in der die Börsen keine Wertinformationen besaßen und Auktionen zur Preisfindung benötigten. Im HOTW-Regime, in dem Werte bekannt und Eingaben deklariert sind, führen pro Impression durchgeführte Auktionen unnötiges Rauschen, Konvergenzunsicherheit und operative Latenz ein, ohne zusätzlichen Informationsgewinn zu bieten. Das Kernproblem besteht darin, zu bestimmen, ob ein zentralisierter, einmaliger Preisgestaltungsmechanismus diese sequentiellen Auktionen ersetzen kann, während gleichzeitig alle Einschränkungen der Werbetreibenden erfüllt und der Umsatz der Börse maximiert wird.

2. Methodik und Modell

Die Autoren modellieren den HOTW-Markt als einen Fisher-Markt mit einer spezifischen Modifikation zur Berücksichtigung von ROI-Beschränkungen.

Marktstruktur:
- Agenten: $N$ Werbetreibende und $M$ Klicktypen (homogene Impressionen).
- Parameter: Werbetreibender $i$ hat einen Wert $v_{ij}$ für Klicktyp $j$ (vorhergesagt durch ML), ein Budget $b_i$ und ein ROI-Ziel $r_i$ . Die Versorgung $s_j$ ist bekannt.
- ROI-Beschränkung: Modelliert als personalisierte externe Option. Ein Werbetreibender kann sein Budget in eine externe Option investieren, die einen normalisierten „Bang-per-Buck“ von 1 liefert (Kosten $r_i$ , Nutzen $r_i$ ). Dies impliziert, dass ein Werbetreibender einen Klick nur dann kauft, wenn $v_{ij}/\alpha_j \geq r_i$ gilt, wobei $\alpha_j$ der Preis ist.
- Börsenziel: Maximierung des Gesamtumsatzes $\sum p_i$ unter Einhaltung der Versorgungsbeschränkungen, der Budgetbeschränkungen ( $p_i \leq b_i$ ) und der ROI-Beschränkungen ( $p_i \leq \frac{1}{r_i} \sum v_{ij}x_{ij}$ ). Die Börse ist auf einheitliche, anonyme Preise pro Typ ( $\alpha_j$ ) beschränkt.
Optimierungsansatz:
Anstatt ein Bilevel-Optimierungsproblem zu lösen (Suche nach Preisen $\alpha$ , die optimale Reaktionen der Werbetreibenden induzieren), nutzen die Autoren das Eisenberg-Gale (EG)-konvexe Programm.
- Sie formulieren ein erweitertes EG-Programm, das den budgetgewichteten Log-Nutzen (Nash-sozialen Wohlstand) mit einem Strafterm für die externe Option maximiert:
  $\max_{x,z} \sum_{i \in N} \left[ b_i \log \left( \sum_{j \in M} u_{ij} x_{ij} + r_i z_i \right) - r_i z_i \right]$
  unter Einhaltung der Versorgungsbeschränkungen, wobei $u_{ij} = v_{ij}/r_i$ die normalisierte Zahlungsbereitschaft ist und $z_i$ die Menge der externen Option darstellt.
- Die Primal-Lösung $x^*$ liefert die optimale Allokation, und die KKT-Multiplikatoren auf den Versorgungsbeschränkungen liefern die Gleichgewichtspreise $\alpha^*$ .
Algorithmische Implementierung:
Das Paper schlägt einen quasi-aufsteigenden Auktionsalgorithmus vor (adaptiert von Devanur et al. [2008] (DPSV)), um das Gleichgewicht zu berechnen. Dieser Algorithmus erhöht iterativ die Preise für aktive Klicktypen, bis die Versorgung gleich der Nachfrage ist oder Werbetreibende zur externen Option wechseln, wodurch das konvexe Programm effektiv über einen Primal-Dual-Ansatz gelöst wird.

3. Zentrale Beiträge und Ergebnisse

A. Äquivalenz zum Wettbewerbsgleichgewicht
Das Paper stellt fest, dass der HOTW-Markt isomorph zu einem quasi-Fisher-Markt (Finster, Gao und Lahaie [2025]) ist. Das Wettbewerbsgleichgewicht dieses Marktes, das über das Eisenberg-Gale-Programm berechenbar ist, liefert marktbereinigende Preise und Allokationen, die alle Budget- und ROI-Beschränkungen gleichzeitig erfüllen.

B. Umsatzoptimalität von Wettbewerbspreisen
Ein zentrales und kontraintuitives Ergebnis ist, dass die Wettbewerbsgleichgewichtspreise $\alpha^*$ für die Börse unter allen einheitlichen Preismechanismen umsatzoptimal sind.

In der Standard-Monopolpreisgestaltung beschränkt ein Verkäufer die Menge, um die Preise über das Wettbewerbsniveau anzuheben.
In diesem HOTW-Szenario weist die Nachfrage eine „Corner-Solution“-Eigenschaft auf: Sobald ein Preis die Schwelle eines Werbetreibenden ( $u_{ij}$ ) überschreitet, zieht sich der Werbetreibende vollständig auf die externe Option zurück, anstatt die Nachfrage schrittweise zu reduzungen.
Folglich gibt es keinen „marginalen Käufer“, dessen reduzierte Nachfrage durch höhere Zahlungen verbleibender Käufer ausgeglichen werden könnte. Die Börse kann den Umsatz nicht steigern, indem sie die Versorgung einschränkt; der marktbereinigende Preis ist die Umsatzobergrenze.

C. Ergebnisäquivalenz zu Pacing-Auktionen
Die Autoren beweisen, dass das Ergebnis des einmaligen Wettbewerbsgleichgewichts ergebnisäquivalent zum Gleichgewicht sequentieller First-Price-Auktionen mit Pacing ist (ein Mechanismus, der derzeit in der Praxis verwendet wird). Die für sequentielle Auktionen verwendeten Pacing-Multiplikatoren können von der Börse ex-ante als Gleichgewichtspreise $\alpha^*$ berechnet werden. Dies impliziert, dass die komplexe Maschinerie des Echtzeitbietens durch ein einziges konvexes Programm ersetzt werden kann, ohne die endgültige Allokation oder den Umsatz zu verändern.

D. Arbitragefreie Dynamik
Das Modell wird auf zeitvariable Versorgung und Nachfrage erweitert. Es wird gezeigt, dass die resultierenden Preise arbitragefrei sind: Der realisierte ROI eines Werbetreibenden wird über alle Zeiträume, in denen er aktiv ist, angeglichen, was strategische Zeitvorteile verhindert.

4. Bedeutung und Ansprüche

Das Paper behaupten, dass die derzeitige Abhängigkeit von Echtzeit-Auktionen in HOTW-Märkten eine operative Ineffizienz darstellt. Durch die Erkenntnis, dass die Börse als Monopolist agiert, der mit einer abnehmenden Nachfragekurve konfrontiert ist, die aus bekannten Werten und deklarierten Beschränkungen abgeleitet wurde, kann die Börse optimale Preise zentral berechnen.

Operative Einfachheit: Der Ansatz ersetzt Millionen von dynamischen, strategischen Gebotsinteraktionen durch ein einziges konvexes Optimierungsproblem (oder einen polynomzeitigen aufsteigenden Auktionsalgorithmus), was als operativ einfacher als dynamisch evolvierende Gebotsstrategien beschrieben wird.
Umsatzgarantie: Entgegen der Intuition, dass Auktionen für die Umsatzmaximierung in Multi-Unit-Settings notwendig sind, zeigt das Paper, dass der Wettbewerbsgleichgewichtspreis der umsatzmaximierende Einheitspreis ist.
Pareto-Effizienz: Die resultierende Allokation maximiert den budgetgewichteten Log-Nutzen (Nash-sozialen Wohlstand), was eine Pareto-Effizienz für die Werbetreibenden gewährleistet und gleichzeitig den Umsatz der Börse maximiert.

Die Autoren kommen zu dem Schluss, dass der „Einmal“-Ansatz (One-Shot) nicht nur theoretisch fundiert, sondern praktisch überlegen ist, da er eine einfachere und umsatzoptimale Alternative zur aktuellen Auktionsinfrastruktur bietet.