自动出价技术的不断演进，出价产品也越来越智能化，从最开始的手动CPM、CPC等手动出价、到OCPX智能调价、再到自动出价和深度自动出价等。阿里妈妈的AIGB（AI Generated Bidding）是一种基于生成式大模型构造的出价模型优化方案，今天我们来了解一下。
?? 出价产品发展背景
1. 出价产品智能化
广告平台吸引广告主持续投放的核心在于给广告主带来更大的投放价值，出价产品的智能化已成为行业趋势并加以重点建设的能力，广告主只需要简单的设置就能清晰的表达出营销诉求。
2. 自动出价技术演进
第一阶段：预算消耗控制，尽可能平滑来优化效果，一般通过经典的控制算法，如PID等
第二阶段：RL-based Bidding，现实环境中的竞价环境是非常复杂且动态变化的，只控制预算无法满足更多样的出价计划的进一步优化。自动出价是一个非常典型的序列决策问题，在预算周期内，前面花的好不好会影响到后面的出价决策，而这正是强化学习的强项
第三阶段：SORL，直接在在线环境中进行可交互的学习，这是工程设计和算法设计联合的例子。
?? AIGB的实现方案
1. 智能营销技术体系的重塑
广告主只需要通过简单的自然语言的描述，即可实现全部的营销流程，智能营销决策大模型AIGA（AI Generated Action）， 以及典型的领域技能模型AIGB（AI Generated Bidding）是专门服务于自动出价算法的模型。
2. AIGB建模方案
AIGB是一种基于生成式模型构造的出价模型优化方案
与以往解决序列决策问题的强化学习视角不同，AIGB将策略建模为条件生成模型，从而消除了以往强化学习视角下的复杂性问题。
可以将出价、优化目标和约束等具备相关性的指标视为一个联合概率分布，从而将出价问题转化为条件分布生成问题。以优化目标和约束项为条件，生成相应出价策略的条件分布。
生成式出价（AIGB）模型的流程：
1. 训练阶段，模型将历史次优投放轨迹数据作为训练样本，以最大似然估计的方式拟合轨迹数据中的分布特征
2.自动学习出价策略、状态间转移概率、优化目标和约束项之间的相关性
3. 推断阶段，基于约束和优化目标，以符合分布规律的方式输出出价策略
转载此文是出于传递更多信息目的。若来源标注错误或侵犯了您的合法权益，请与本站联系，我们将及时更正、删除、谢谢。
https://www.414w.com/read/299381.html
