🤖 AI

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

El artículo propone HMAF, un marco jerárquico unificado que integra la optimización de restricciones fuera de línea con la toma de decisiones de lista en línea para equilibrar eficazmente el cumplimiento del contrato de Entrega Garantizada a largo plazo y la maximización de los ingresos de Real-Time Bidding a corto plazo en entornos publicitarios complejos de múltiples espacios, logrando mejoras significativas de rendimiento en los escenarios de marketing de Meituan.

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

Publicado 2026-06-10

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

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

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina un restaurante concurrido (la plataforma publicitaria) que tiene dos tipos de clientes:

Los VIP (Contratos GD): Estos son grandes anunciantes que firmaron un contrato hace meses. Pagaron un precio fijo y dijeron: "Debemos obtener 10,000 reservaciones de mesa (impresiones de anuncios) durante el próximo mes, pase lo que pase". Si el restaurante no logra sentarlos, tiene que pagar una penalización.
Los Clientes sin Reserva (Anuncios RTB): Estos son anunciantes que aparecen todos los días y dicen: "Pagaré lo que sea el precio de mercado actual por una mesa en este momento". El restaurante quiere llenar estas mesas con los postores más altos para ganar tanto dinero como sea posible hoy.

El Problema:
El restaurante tiene un número limitado de mesas (espacios publicitarios) en cada página. A veces, los VIP necesitan una mesa, pero los Clientes sin Reserva están ofreciendo una enorme cantidad de dinero por esa misma mesa.

Si le das la mesa al Cliente sin Reserva, ganas más dinero hoy, pero podrías no sentar a suficientes VIP al final del mes.
Si le das la mesa al VIP, mantienes contento su contrato, pero podrías perderte una gran entrada de efectivo de un Cliente sin Reserva.
Los sistemas anteriores intentaban resolver esto ya sea ignorando a los VIP hasta el final del mes (lo cual es arriesgado) o usando reglas simples y rígidas como "los VIP siempre van primero" (lo cual desperdicia dinero).

La Solución: HMAF (El Gerente de Restaurante Inteligente)
El documento presenta un nuevo sistema llamado HMAF (Marco de Asignación de Múltiples Espacios Jerárquico). Piensa en él como un equipo de gestión de tres pasos que dirige el restaurante perfectamente.

Paso 1: El Planificador (La fase de "Planificación")

Antes de que el restaurante abra siquiera por el día, el Planificador observa todo el calendario del mes.

Qué hace: Calcula exactamente cuántas mesas necesitan los VIP y cuántas hay disponibles. Determina el "precio sombra" de cada mesa.
La Analogía: Imagina que el Planificador se da cuenta de: "La Mesa 4 en el segundo piso es muy popular, pero solo tenemos 5 de ellas. Si le damos la Mesa 4 a un VIP, nos cuesta mucho potencial de dinero de Clientes sin Reserva. Pero si se la damos a un Cliente sin Reserva, podríamos perder la oportunidad del contrato VIP".
El Resultado: El Planificador crea un conjunto de "reglas de oro" (llamadas variables duales) que le dicen al personal: "La Mesa 4 es cara en este momento; solo dásela a un VIP si es realmente urgente. De lo contrario, guárdala para Clientes sin Reserva que paguen bien".

Paso 2: El Calibrador (La fase de "Calibración")

Cuando llega un cliente (un usuario abre la aplicación), el Calibrador toma las reglas del Planificador y ajusta las puntuaciones de los anuncios en tiempo real.

Qué hace: Observa a los VIP y a los Clientes sin Reserva. Si un contrato VIP se está quedando atrás en su objetivo de entrega, el Calibrador le da un "impulso" a su puntuación, haciendo que sea más probable que obtenga una mesa. Si un VIP ya va por delante, el impulso se elimina.
La Analogía: Es como un policía de tráfico en la puerta. Si la sección VIP está vacía, el policía hace pasar a los VIP más rápido. Si la sección VIP está llena, deja entrar a los Clientes sin Reserva que pagan más. Equilibra ambos grupos de forma dinámica, segundo a segundo.

Paso 3: El Ejecutor (La fase de "Ejecución")

Este es el decisor final que realmente asigna las mesas.

Qué hace: En un restaurante moderno, no tienes solo una mesa, sino toda una fila de mesas (una página de "múltiples espacios"). El Ejecutor no solo elige la mejor mesa individual; elige la mejor disposición para toda la fila.
La Analogía: Imagina que el Ejecutor es un chef arreglando un plato. No solo pone el plato más caro en el centro; arregla todo el plato para que los VIP obtengan sus lugares específicos sin bloquear la vista de los Clientes sin Reserva, asegurando que todo el "plato" (la pantalla del usuario) luzca bien y genere la mayor cantidad de dinero.
La Magia: Esta parte utiliza una red de "Generador-Evaluador". El Generador crea algunas posibles disposiciones de asientos (por ejemplo, "¿Qué pasa si pongo al VIP aquí y al Cliente sin Reserva allá?"). El Evaluador actúa como un juez, mirando todas esas opciones y eligiendo la que genera más dinero mientras mantiene contentos a los VIP.

Los Resultados

El documento dice que este sistema fue probado en Meituan, una plataforma masiva de entrega de comida en China (piensa en ella como un gigante restaurante digital).

El Resultado: Al usar este gerente de tres pasos, Meituan logró sentar un 3.72% más de VIPs (cumpliendo más contratos) Y ganar un 1.59% más de dinero total de los Clientes sin Reserva.
Por qué es sorprendente: Normalmente, si sientas a más VIPs, ganas menos dinero porque no puedes cobrar tanto a los Clientes sin Reserva. Pero debido a que HMAF es tan inteligente sobre qué mesas dar a quién (usando los "precios sombra" del Planificador), encontró una manera de hacer ambas cosas al mismo tiempo.

En Resumen:
HMAF es como un gerente de restaurante superinteligente que no solo reacciona a los clientes a medida que entran. En su lugar, planifica todo el mes, ajusta la política de la puerta en tiempo real basándose en qué tan llena está la sección VIP, y arregla las mesas perfectamente para asegurar que todos obtengan lo que necesitan mientras el restaurante obtiene la máxima ganancia posible.

Resumen Técnico: HMAF – Un Marco de Asignación de GD-RTB Multi-Slot Jerárquico

1. Formulación del Problema

El artículo aborda el complejo desafío de la asignación de impresiones en ecosistemas de publicidad en línea a gran escala donde coexisten contratos de Entrega Garantizada (GD, por sus siglas en inglés) con subastas de Puja en Tiempo Real (RTB). Específicamente, los autores se centran en entornos multi-slot (por ejemplo, feeds de contenido), donde una única vista de página contiene múltiples espacios publicitarios (slots).

El problema central se formula como una tarea de asignación unificada para maximizar los ingresos totales de la plataforma (la suma de los valores de las subastas RTB y los valores contractuales de GD) sujeto a restricciones estrictas:

Restricciones de Entrega de GD: Asegurar que los contratos cumplan con los volúmenes mínimos y máximos de impresiones ( $B_j$ ) para evitar penalizaciones.
Restricciones de Suministro: Cada solicitud (vista de página) puede ser asignada a como máximo un anuncio por cada slot.
Restricciones de Vista de Página (PV): Límites finos sobre el número de impresiones que una solicitud específica puede aportar a través de múltiples slots para prevenir la fatiga publicitaria y la sobreexposición.

Los autores identifican tres desafíos fundamentales para resolver este problema:

NP-Hardness (Complejidad NP-Dura): El problema generaliza el Problema de la Mochila Multidimensional (MKP) bajo restricciones de PV de grano fino, lo que hace que la optimización global sea computacionalmente intratable para millones de solicitudes.
Compromiso entre eCPM y Cumplimiento: Equilibrar la maximización de ingresos a corto plazo (alto eCPM) con las garantías de entrega de contratos a largo plazo es difícil; el cumplimiento agresivo suele perjudicar los ingresos, mientras que el enfoque puro en los ingresos conlleva el riesgo de un incumplimiento de entrega.
Supervisión Débil: A diferencia de la predicción de CTR estándar, el ranking híbrido carece de etiquetas de verdad absoluta (ground-truth) explícitas para la lista óptima, lo que requiere que el sistema aprenda de la retroalimentación implícita y retardada derivada de los estados de entrega agregados.

2. Metodología: El Marco HMAF

Los autores proponen HMAF (Marco de Asignación Multi-Slot Jerárquico), que descompone el problema intratable en un paradigma de Planificar–Calibrar–Ejecutar. Este marco acopla estrechamente la optimización de restricciones offline con la toma de decisiones neuronal online.

A. Etapa de Planificación: Módulo de Asignación con Restricción de Vista de Página

Este módulo formula el problema de asignación como un problema de optimización restringida de forma offline.

Objetivo: Minimiza una función de pérdida que equilibra el cumplimiento de contratos, el interés del usuario y una novedosa restricción de Vista de Página (PV) para limitar la exposición por slot.
Mecanismo: El problema se resuelve mediante relajación Lagrangiana y condiciones KKT. En lugar de resolver el problema primal directamente, el sistema actualiza iterativamente las variables duales ( $\alpha, \beta, \delta$ $α, β, δ$ ) mediante pasos de gradiente proyectado.
- $\alpha_j$ : Precio sombra para la demanda del contrato (presión de entrega).
- $\beta_i$ : Precio sombra para la capacidad de la solicitud.
- $\delta_{ij}$ : Precio sombra para las restricciones de PV a nivel de slot.
Salida: Estas variables duales actúan como "precios sombra" que codifican la escasez de recursos globales y la presión de entrega, sirviendo como señales de control compactas para las etapas posteriores.

B. Etapa de Calibración: Módulo de Pre-Ranking Guiado por Duales

Este módulo tiende un puente entre la planificación offline y la ejecución online inyectando las variables duales en el puntaje de ranking.

Puntuación Unificada: Define un puntaje de ranking ( $rs_j$ ) tanto para los candidatos de GD como de RTB.
Modulación Guiada por Duales: Para los anuncios de GD, el puntaje se ajusta mediante un término $x_{ij} \cdot PID_{Error}$ , donde $x_{ij}$ es la confianza de asignación derivada de la optimización offline. Esto ajusta dinámicamente la competitividad basándose en la presión de entrega específica del contexto, en lugar de aplicar un control PID uniforme.
Función: Esta etapa realiza un filtrado y ranking grueso, reduciendo significativamente el espacio de decisión mientras preserva la calidad de la asignación.

C. Etapa de Ejecución: Módulo de Asignación Listwise de Generador-Evaluador

Esta etapa gestiona el ranking final de tipo lista (listwise) a través de múltiples slots, abordando la naturaleza dependiente de la posición de los anuncios multi-slot.

Espacio de Características Aumentado por Duales: Las variables duales offline ( $\alpha, \beta, \delta$ ) se inyectan como características de estado global en la red neuronal, proporcionando "previsión" sobre las restricciones del sistema.
Generador: Un codificador basado en Transformer modela las interacciones candidato-posición, produciendo una matriz de probabilidad para asignar candidatos a los slots. Genera una lista primaria y listas perturbadas para la exploración.
Evaluador: Un supervisor de tipo lista selecciona la lista de ranking óptima de los candidatos generados mediante la estimación de una recompensa ( $R(S_k)$ ) que agrega métricas predichas y restricciones de entrega.
Objetivo de Entrenamiento: El modelo se entrena utilizando una función de pérdida combinada:
- $L_{ce}$ : Pérdida de entropía cruzada que alinea las predicciones con la asignación óptima del evaluador.
- $L_{re}$ : Pérdida consciente de la recompensa que penaliza las desviaciones entre el eCPM predicho y el realizado, corrigiendo sesgos sistemáticos.

3. Contribuciones Clave

Marco Unificado: La propuesta de HMAF, un marco jerárquico que integra la optimización de restricciones offline con la toma de decisiones neuronal online, proporcionando una base arquitectónica robusta para la asignación de GD-RTB multi-slot.
Tres Componentes Principales:
- Un módulo de Optimización con Restricción de Vista de Página que captura restricciones de suministro de grano fino y deriva señales duales.
- Un módulo de Ranking Unificado Guiado por Duales que calibra el puntaje online usando variables duales offline para equilibrar el eCPM y el cumplimiento.
- Un módulo Generador-Evaluador que permite el ranking de tipo lista mediante el modelado conjunto de las interacciones candidato-posición bajo guía global.
Validación Empírica: Experimentos a gran escala y pruebas A/B online que demuestran mejoras estadísticamente significativas tanto en las tasas de entrega como en los ingresos totales.

4. Resultados Experimentales

El marco fue evaluado utilizando un conjunto de datos del entorno de producción de Meituan (más de 123 millones de impresiones, 32 días) y desplegado en pruebas A/B online.

Rendimiento Offline:

HMAF superó a los modelos de referencia (incluyendo CF, PID, AUAF, CONFLUX y LIBRA) en todas las métricas.
AUC de Grupo (GA): 0.8984 (frente a 0.8538 del mejor modelo de referencia, LIBRA).
Tasa de Entrega (DR): 0.9638 (frente a 0.9554 para LIBRA).
Tasa de Utilidad (UR): 0.9812 (frente a 0.9513 para LIBRA).
eCPM de RTB: Logró el puntaje normalizado más alto (1.0000).

Pruebas A/B Online (2 meses, división de tráfico 50/50):

Tasa de Entrega de GD: Aumentó un 3.72% (estadísticamente significativo, p-valor 0.018).
Ingresos Totales de Publicidad: Aumentaron un 1.59% (estadísticamente significativo, p-valor 0.024).
Eficiencia del Sistema: La planificación offline se ejecuta en aproximadamente 2 horas en 20 máquinas; la inferencia online es ligera (<50 ms por vista de página).
Significancia de los Resultados: Los autores señalan que lograr ganancias simultáneas en entrega e ingresos es contraintuitivo. Atribuyen esto a la capacidad del modelo GE para desplazar inteligentemente las impresiones de GD hacia slots no premium (usando señales $\delta_{ij}$ ), liberando así inventario de alto valor para RTB.

5. Significado y Reivindicaciones

El artículo afirma que HMAF aborda con éxito el conflicto inherente entre la eficiencia de ingresos a corto plazo y las garantías de entrega a largo plazo en mercados publicitarios híbridos. Al introducir un paradigma de Planificar–Calibrar–Ejecutar, el marco va más allá de las reglas de prioridad heurísticas o los procesos desacoplados.

Los autores enfatizan que la capacidad del marco para manejar restricciones multi-slot de grano fino y la optimización combinatoria NP-dura a través de un enfoque neuronal guiado por duales es su principal innovación. Afirman que HMAF proporciona una "base arquitectónica confiable" para la asignación de GD-RTB y ha sido desplegado con éxito en el sistema de producción de Meituan, generando un valor de negocio mensurable. El artículo concluye que el marco es adaptable a otras plataformas con configuraciones similares de GD-RTB, dependiendo únicamente de los requisitos de entrega garantizada, los valores de puja en tiempo real y las restricciones de exposición multi-slot.