🤖 machine learning

Less Traffic, Better Outcomes: Competition-Aware Request Dispatch in Real-Time Ad Exchanges

यह शोध पत्र एक प्रतियोगिता-जागरूक अनुरोध प्रेषण ढांचे (डिस्पैच फ्रेमवर्क) को प्रस्तुत करता है जो वितरण संबंधी बोली भविष्यवाणी (डिस्ट्रीब्यूशनल बिड प्रेडिक्शन) और अनुकूलन योग्य नीति अनुकूलन का उपयोग करके विज्ञापन अनुरोधों को मांग-पक्ष के प्लेटफार्मों (डिमांड-साइड प्लेटफॉर्म्स) को चुनिंदा रूप से अग्रेषित करता है, जो बड़े पैमाने पर उत्पादन प्रयोगों में अनुरोध की मात्रा को 34.2% कम करने के साथ-साथ शुद्ध राजस्व को 4.6% बढ़ाने में सफलतापूर्वक सक्षम रहा है।

मूल लेखक: Jonaid Shianifar, Blaz Mramor, Fangda Zou, Matthieu C. Martin, Xingsheng Guo, Zhihua Zhu, Rong Zhou, Bichen Shi

प्रकाशित 2026-08-05

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Jonaid Shianifar, Blaz Mramor, Fangda Zou, Matthieu C. Martin, Xingsheng Guo, Zhihua Zhu, Rong Zhou, Bichen Shi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

इंटरनेट की कल्पना एक विशाल, हलचल भरे डिजिटल बाज़ार के रूप में करें जहाँ वेबसाइटें (प्रकाशक) अपने पेजों पर विज्ञापन के छोटे, सेकंड के हिस्सों को बेचने की कोशिश कर रही हैं। यह तय करने के लिए कि किसे विज्ञापन दिखाने का मौका मिले, वे एक बेहद तेज़ नीलामी आयोजित करते हैं जिसे "रियल-टाइम बिडिंग" (Real-Time Bidding) कहा जाता है। इस दौड़ में, डिमांड-साइड प्लेटफॉर्म्स (DSPs) बोली लगाने वालों की तरह काम करते हैं, जो चिल्लाकर बताते हैं कि वे प्रत्येक स्थान के लिए कितना भुगतान करने को तैयार हैं। एक्सचेंज वह रेफरी है जो इन बोलियों को इकट्ठा करता है और विजेता चुनता है। लंबे समय तक, रेफरी के लिए मानक नियम सरल था: "बिडर्स (बोली लगाने वालों) की ओर सब कुछ फेंक दो!" विचार यह था कि यदि आप अधिक बिडर्स को अधिक अनुरोध भेजते हैं, तो आपको अधिक बोलियाँ मिलेंगी और आप अधिक पैसा कमाएंगे। लेकिन इसमें एक पेंच है: बहुत अधिक अनुरोध भेजना ऐसा है जैसे एक पार्टी में लाखों लोगों को आमंत्रित करना जबकि वास्तव में केवल कुछ ही आएंगे। यह दरवाजों को जाम कर देता है, ऊर्जा बर्बाद करता है, और वास्तव में बिडर्स को थका सकता है और उन्हें खेलने के लिए कम इच्छुक बना सकता है। यह शोध पत्र एक साहसी प्रश्न पूछता है: क्या होगा अगर हम सबको आमंत्रित करना बंद कर दें और इस बात पर ध्यान दें कि किसे निमंत्रण दिया जाए?

शोधकर्ता, जो एक प्रमुख टेक हब में कार्यरत हैं, ने एक स्मार्ट सिस्टम बनाया है जो इन विज्ञापन नीलामियों के लिए एक वीआईपी (VIP) बाउंसर की तरह काम करता है। हर विज्ञापन अनुरोध को हर बिडर को अंधाधुंध आगे भेजने के बजाय, उनका नया फ्रेमवर्क एक "प्रतिस्पर्धा-जागरूक" (competition-aware) रणनीति का उपयोग करता है। इसे एक सुपर-स्मार्ट मैचमेकर की तरह समझें। किसी बिडर को अनुरोध भेजने से पहले, सिस्टम दो चीजों की भविष्यवाणी करता है: पहला, क्या इस बिडर के आने की संभावना है? और दूसरा, यदि वे आते हैं, तो वे वास्तव में कितनी बोली लगाएंगे? यह एक मेजबान द्वारा अतिथि सूची की जांच करने जैसा है यह देखने के लिए कि कौन एक शानदार उपहार लाने वाला है बनाम कौन बस दरवाजे पर खड़ा होकर स्नैक्स खाने वाला है।

पेपर में पाया गया है कि चयनात्मक होने से आप वास्तव में कम अनुरोध भेजकर अधिक पैसा कमा सकते हैं। प्रतिदिन 20 बिलियन से अधिक अनुरोधों को संभालने वाले एक प्लेटफॉर्म पर अपने वास्तविक दुनिया के परीक्षणों में, नए सिस्टम ने बिडर्स को भेजे गए अनुरोधों की संख्या को 34.2% कम कर दिया। आश्चर्यजनक रूप से, इसने व्यवसाय को नुकसान नहीं पहुँचाया; इसके बजाय, एक संक्षिप्त समायोजन अवधि के बाद शुद्ध राजस्व में 4.6% की वृद्धि हुई। लेखकों का सुझाव है कि बाजार को बाढ़ की तरह भरने का पुराना तरीका वास्तव में बिडर्स को थका रहा था और कम प्रभावी बना रहा था। कम मूल्य वाले अनुरोधों को फ़िल्टर करके, सिस्टम बिडर्स को सबसे अच्छे अवसरों पर ध्यान केंद्रित करने के लिए मजबूर करता है, जो बिना शोर मचाए नीलामी की गुणवत्ता में सुधार करता है।

अध्ययन यह भी प्रकट करता है कि "औसत" परिणामों को देखना भ्रामक हो सकता है। जब उन्होंने डेटा का विश्लेषण किया, तो उन्होंने पाया कि सिस्टम अलग-अलग प्रकार के ट्रैफिक के लिए अलग तरह से काम करता है। सबसे मूल्यवान ट्रैफिक के लिए, सिस्टम ने बिडर्स को बेहतर प्रतिस्पर्धा करने में मदद की, जबकि कम मूल्यवान ट्रैफिक के लिए, इसने केवल समय बर्बाद करना बंद कर दिया। शोधकर्ता निष्कर्ष निकालते हैं कि इन उच्च-गति डिजिटल नीलामियों में, ट्रैफिक को क्यूरेट करना और भागीदारी की गुणवत्ता में सुधार करना, अनुरोधों की केवल संख्या को अधिकतम करने से अधिक महत्वपूर्ण है। यह एक याद दिलाता है कि कभी-कभी, कम ट्रैफिक वास्तव में बेहतर परिणाम दे सकता है।

तकनीकी सारांश: रियल-टाइम विज्ञापन एक्सचေ့ज में प्रतियोगिता-जागरूक अनुरोध प्रेषण (Competition-Aware Request Dispatch)

1. समस्या विवरण (Problem Statement)

रियल-टाइम बिडिंग (RTB) विज्ञापन एक्सचेंज वर्तमान में लगभग सभी पात्र इम्प्रेशन अनुरोधों को डिमांड-साइड प्लेटफॉर्म्स (DSPs) को अग्रेषित करने की एक प्रमुख उद्योग पद्धति के तहत संचालित होते हैं। हालांकि, उत्पादन वातावरण (production environments) में, अग्रेषित किए गए अनुरोधों में से 40% से भी कम अनुरोध वास्तव में बिड (bid) में परिवर्तित होते हैं। यह "अति-वितरण" (over-distribution) महत्वपूर्ण अक्षमताओं को जन्म देता है:

संसाधन की बर्बादी: DSPs सख्त कंप्यूट, लेटेंसी और बजट बाधाओं के तहत काम करते हैं। कम-मूल्य वाले ट्रैफिक से उन्हें भर देने के कारण वे थ्रॉटलिंग (throttling) या चयनात्मक भागीदारी का सहारा लेते हैं, जिससे उनकी प्रभावी बिडिंग क्षमता कम हो जाती है।
विकृत नीलामी परिणाम (Degraded Auction Outcomes): जब DSPs अत्यधिक कम-मूल्य वाले ट्रैफिक के कारण भागीदारी को थ्रॉटल करते हैं, तो सीमित बिडिंग क्षमता का आवंटन उप-इष्टतम (suboptimal) हो जाता है, जिससे मुद्रीकृत (monetized) परिणाम कम हो जाते हैं।
मौजूदा समाधानों की सीमाएं: वर्तमान एक्सचेंज-साइड दृष्टिकोण (जैसे, रिस्पॉन्स-रेट फ़िल्टरिंग) केवल 'एक प्रतिक्रिया की संभावना' के लिए अनुकूलित होते हैं, न कि 'उस प्रतिक्रिया के मूल्य' के लिए जो नीलामी के लिए महत्वपूर्ण हो। एक DSP अनुरोध पर प्रतिक्रिया तो दे सकता है, लेकिन वह अंतिम नीलामी मूल्य में बहुत कम प्रतिस्पर्धी मूल्य जोड़ सकता है।

मुख्य चुनौती क्वालिटी-क्वांटिटी ट्रेड-ऑफ (quality–quantity trade-off) को अनुकूलित करना है: यह निर्धारित करना कि किन अनुरोधों को किन DSPs को अग्रेषित किया जाना चाहिए ताकि नीलामी भागीदारी की गुणवत्ता और राजस्व को अधिकतम किया जा सके, न कि केवल कच्चे ट्रैफिक वॉल्यूम को।

2. कार्यप्रणाली (Methodology)

लेखक एक प्रतियोगिता-जागरूक अनुरोध प्रेषण ढांचे (Competition-Aware Request Dispatch Framework) का प्रस्ताव करते हैं जो डिस्ट्रीब्यूशनल बिड मॉडलिंग, संभावabilistic फॉरवर्डिंग और एडेप्टिव थ्रलेसहोल्ड ऑप्टिमाइज़ेशन को एकीकृत करता है। यह प्रणाली सख्त रियल-टाइम बाधाओं (<7ms CPU लेटेंसी) के तहत काम करती है जबकि प्रतिदिन 20 बिलियन से अधिक अनुरोधों को सेवा प्रदान करती है।

2.1 डिस्ट्रीब्यूशनल बिड मॉडलिंग (Distributional Bid Modeling)

सिस्टम प्रत्येक अनुरोध-DSP जोड़ी के लिए दो संकेतों का अनुमान लगाने के लिए एक प्रोडक्शन मॉडल, Bias-LF-DCN (Deep & Cross Network with Late Fusion) का उपयोग करता है:

फिल प्रोबेबिलिटी ( $p_{fill}$ ): वह संभावना कि एक DSP बिड वापस करेगा।
बिड वैल्यू डिस्ट्रीब्यूशन: एक फिल इवेंट दिए जाने पर बिड वैल्यू का कंडीशनल डिस्ट्रीब्यूशन, जिसे गामा डिस्ट्रीब्यूशन ( $\Gamma(\alpha, \beta)$ ) के रूप में मॉडल किया गया है।

आर्किटेक्चर दक्षता: CPU लागत को कम करने के लिए, मॉडल लेट DSP फ्यूजन (late DSP fusion) का उपयोग करता है। साझा अनुरोध विशेषताओं (request features) को एक बार एनकोड किया जाता है और फिर केवल DSP-विशिष्ट विशेषताओं के साथ जोड़ा जाता है, जिसके बाद टास्क-विशिष्ट टावर्स (फिल प्रेडिक्शन और बिड डिस्ट्रीब्यूशन) आते हैं। यह आर्किटेक्चर प्रेडिक्शन की गुणवत्ता (AUC ~0.96) बनाए रखते हुए प्रति-DSP मॉडल की तुलना में CPU उपयोग को ~30% कम कर देता है।

2.2 प्रतियोगिता-जागरूक प्रेषण तर्क (Competition-Aware Dispatch Logic)

प्रेषण का उद्देश्य रिस्पॉन्स रेट को अधिकतम करना नहीं है, बल्कि उन अनुरोधों को अग्रेषित करना है जहाँ एक DSP का अपेक्षित मार्जिनल योगदान (expected marginal contribution) अधिक हो।

अवसर मूल्य ( $v_i$ ): इसे $p_{fill} \times E[\text{Bid Value}]$ के रूप में गणना की जाती है।
प्रतिस्पर्धा थ्रेशोल्ड ( $\tau$ ): एक विशिष्ट इम्प्रेशन के लिए शीर्ष $K$ अवसर मूल्यों (गारंटीकृत मांग सहित) के आधार पर परिभाषित किया गया है।
फॉरवर्डिंग प्रोबेबिलिटी ( $p_{fwd}$ ): एक संभाव्यता आधारित नीति (probabilistic policy) यह निर्धारित करती है कि क्या अनुरोध $i$ $i$ को भेजा जाना चाहिए:
- इस संभावना के आधार पर कि DSP का बिड प्रतिस्पर्धा थ्रेशोल्ड से अधिक होगा।
- एक सुचारू "फिल गेट" (fill gate) के माध्यम से जो कम-रिस्पॉन्स ट्रैफिक को दबाता है।
- एक एक्सप्लोरेशन फ्लोर ( $p_{min}$ ) के साथ ताकि काउंटरफैक्चुअल कवरेज बना रहे और सिलेक्शन बायस को कम किया जा सके।

2.3 एडेप्टिव थ्रेशोल्ड ऑप्टिमाइज़ेशन (PPO)

स्थिर थ्रेशोल्ड गैर-स्थिर बाजार डायनेमिक्स और DSP व्यवहारों के बीच जुड़ाव (coupling) के कारण अपर्याप्त हैं (उदाहरण के लिए, एक DSP के थ्रेशोल्ड को बदलने से दूसरे के लिए प्रतिस्पर्धी संदर्भ बदल जाता है)।

तंत्र: सिस्टम ऑफलाइन रूप से प्रति-DSP प्रेषण थ्रेशोल्ड ( $\lambda_p, \lambda_f$ ) को अपडेट करने के लिए प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) का उपयोग करता है।
स्टेट ( $s_t$ ): एकत्रित मार्केटप्लेस सांख्यिकी (फिल दरें, अनुरोध वॉल्यूम, बिड डिस्ट्रीब्यूशन, DSP RPM, नीलामी परिणाम)।
एक्शन ( $a_t$ ): प्रतिस्पर्धा थ्रेशोल्ड की रूढ़िवादिता (conservativeness) और फिल फ़िल्टरिंग की आक्रामकता को समायोजित करना।
रिवॉर्ड ( $R_t$ ): उच्चतम बिड और प्रति हजार अनुरोधों पर DSP राजस्व (RPM) का एक भारित योग (weighted sum), जो नीलामी मूल्य और अनुरोध दक्षता के बीच संतुलन बनाता है।

3. मुख्य योगदान (Key Contributions)

फॉर्मूलेशन: यह पेपर एक्सचेंज-साइड अनुरोध प्रेषण को एक प्रतियोगिता-जागरूक अनुकूलन समस्या के रूप में फॉर्म्युलेट करता है, जो ध्यान को रिस्पॉन्स रेट को अधिकतम करने से हटाकर नीलामी भागीदारी की गुणवत्ता को अधिकतम करने पर केंद्रित करता है।
प्रोडक्शन फ्रेमवर्क: यह एक व्यावहारिक प्रणाली विकसित करता है जो डिस्ट्रीब्यूशनल बिड मॉडलिंग, संभावabilistic डिस्पैच और एडेप्टिव PPO-आधारित थ्रेशोल्ड ऑप्टिमाइज़ेशन को जोड़ती है, जिसे <7ms लेटेंसी के साथ >20 बिलियन दैनिक अनुरोधों को संभालने वाले प्लेटफॉर्म पर तैनात किया गया है।
अनुभवजन्य सत्यापन (Empirical Validation): बड़े पैमाने पर ऑनलाइन प्रयोग यह प्रदर्शित करते हैं कि चयनात्मक प्रेषण (selective dispatch) सफलतापूर्वक DSP ट्रैफिक वॉल्यूम को कम कर सकता है और मुद्रीकृत परिणामों में सुधार कर सकता है।
स्तरीकृत विश्लेषण (Stratified Analysis): लेखक प्रति-DSP और ट्रैफिक-सेगमेंट विश्लेषण प्रदान करते हैं जो दिखाते हैं कि एग्रीगेट मेट्रिक्स महत्वपूर्ण विषमता (heterogeneity) को छिपा सकते हैं, जिससे यह पता चलता है कि नीति DSPs के बीच तुलनात्मक लाभों को उजागर करती है।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस फ्रेमवर्क का मूल्यांकन एक प्रोडक्शन प्लेटफॉर्म पर चार क्रमिक ऑनलाइन प्रयोगों (E1–E4) के माध्यम से किया गया।

4.1 सिंगल-DSP प्रयोग (E1–E3)

मिड-RPM ट्रैफिक स्ट्रैटम को लक्षित करते हुए, इन प्रयोगों ने दिखाया:

ट्रैफिक में कमी: DSP अनुरोध वॉल्यूम में 34% से 71% की कमी आई।
दक्षता लाभ: फिल दरें काफी बढ़ गईं (393% तक की वृद्धि) और DSP RPM में सुधार हुआ।
राजस्व: सफल राउंड में शुद्ध राजस्व 15.1% से 24.3% तक बढ़ गया, जिसमें उच्चतम बिड हर मामले में बढ़ी।

4.2 मल्टी-DSP परिनियोजन (E4)

टॉप-N DSPs (जो >80% ट्रैफिक कवर करते हैं) में 20-दिवसीय अवधि (14-दिवसीय पोस्ट-एडेप्टेशन विंडो के साथ) के पूर्ण परिनियोजन से प्राप्त हुआ:

अनुरोध वॉल्यूम: DSP अनुरोधों को 34.2% कम किया।
राजस्व: शुद्ध राजस्व में 4.6% की वृद्धि हुई (सांख्यिकीय रूप से महत्वपूर्ण, $p < 0.001$ )।
दक्षता: DSP फिल दरें 41.8% बढ़ीं, और DSP RPM में 59.0% की वृद्धि हुई।
यूजर मेट्रिक्स: कुल इम्प्रेशंस में मामूली (-1.5%) कमी के बावजूद, नेट क्लिक्स में 3.0% की वृद्धि हुई, जो दर्शाता है कि नीति उच्च-गुणवत्ता वाले इम्प्रेशंस को बनाए रखती है।

4.3 स्तरीकृत अंतर्दृष्टि (Stratified Insights)

लो-RPM ट्रैफिक: यह 96.4% अनुरोधों का हिस्सा है लेकिन इसमें इम्प्रेशन रियलाइजेशन दर (4.9%) कम है। नीति ने इस ट्रैफिक को आक्रामक रूप से फ़िल्टर किया, जिससे "हाइगेस्ट बिड" पर नकारात्मक समग्र प्रभाव पड़ा, लेकिन राजस्व सुरक्षित रहा।
मिड-RPM ट्रैफिक: इसमें सबसे अधिक राजस्व वृद्धि (+10.5%) और सकारात्मक उच्चतम-बिड प्रभाव देखा गया, जो पुष्टि करता है कि यहीं डिस्पैच सबसे अधिक मूल्य बनाता है।
DSP विषमता (Heterogeneity): विभिन्न DSPs ने "तुलनात्मक लाभ" प्रदर्शित किए। कुछ ने अपने अनुरोध मिश्रण को परिष्कृत किया (कम अनुरोध, उच्च बिड), जबकि अन्य ने बिड कीमतें और eCPC बढ़ाया। नीति प्रभावी रूप से प्रत्येक DSP को उसके विशिष्ट मॉडल और बजट के अनुरूप ट्रैफिक पर केंद्रित करती है।

5. महत्व और दावे (Significance and Claims)

यह पेपर दावा करता है कि आधुनिक RTB मार्केटप्लेस में ट्रैफिक वॉल्यूम को अधिकतम करने की तुलना में ट्रैफिक क्यूरेशन और भागीदारी की गुणवत्ता अधिक महत्वपूर्ण है।

पैराडाइम शिफ्ट: यह कार्य इस धारणा को चुनौती देता है कि "अधिक ट्रैफिक का मतलब अधिक राजस्व है।" इसके बजाय, यह प्रदर्शित करता है कि कम-मूल्य वाले ट्रैफिक को कम करने से DSP बाधाओं को कम करने में मदद मिल सकती है, जिससे बेहतर बिडिंग व्यवहार और उच्च नीलामी दक्षता प्राप्त होती है।
मार्केटप्लेस डायनेमिक्स: यह नीति केवल आंतरिक कीमतों को नहीं बढ़ाती है; यह तुलनात्मक लाभों को सामने लाकर प्रतिस्पर्धी परिदृश्य को नया आकार देती है, जिससे पूरी मुद्रीकरण श्रृंखला में एक्सचेंज की बाहरी प्रतिस्पर्धात्मकता में सुधार होता है।
सीमाएं: लेखक विनम्रतापूर्वक सीमाओं का उल्लेख करते हैं, जिसमें शामिल है कि PPO व्यक्तिगत ऑक्शन्स के बजाय एकत्रित सांख्यिकी पर काम करता है, ऑफलाइन सिमुलेशन DSP व्यवहार को पूरी तरह से पुनरुत्पादित नहीं करते हैं, और परिणाम एक एकल एक्सचेंज वातावरण से प्राप्त हैं। वे सुझाव देते हैं कि भविष्य के कार्य को क्रॉस-DSP प्रतिस्पर्धा प्रभावों के मजबूत कारण पहचान (causal identification) पर ध्यान केंद्रित करना चाहिए।