信息来源：人大未来金融创新工程中心 发布日期：2026年4月22日

在小说阅读器读本章去阅读在小说阅读器中沉浸阅读       人大高瓴团队KDD 2024顶会成果：在线广告联合拍卖新范式，JRegNet解锁三方共赢与平台收益最大化——基于机器学习的广告机制设计创新方案

导语

在线广告是互联网与电商平台的核心收入来源，其流量变现效率直接决定企业发展潜力。当前主流广告拍卖模式中，仅商店方参与竞价以提升曝光位，而拥有强烈营销需求的品牌方却被排除在拍卖体系之外，导致平台错失大量潜在收益，也无法满足品牌方的曝光诉求。中国人民大学高瓴人工智能学院祁琦教授团队联合山东大学、美团研究院，提出了 “联合拍卖”（Joint Auction）这一全新的商业模式（如图1(b)所示），首次实现商店与品牌方联合竞拍广告位，并设计专用神经网络架构 JRegNet（如图2所示），在保障机制的近似激励兼容与个体理性的前提下，显著提升平台广告收入。该研究成果以《Joint Auction in the Online Advertising Market》为题，发表于数据挖掘领域顶会 KDD 2024（ACM SIGKDD Conference on Knowledge Discovery and Data Mining），为电商平台广告变现提供了方法透明、数据驱动、可直接落地的全新解决方案。联合广告模型和JRegNet架构均在美团全量上线，显著提升了美团广告收益。

图1 传统广告模型和联合广告模型

核心摘要

本文针对传统广告拍卖模式无法同时满足商店与品牌方需求的痛点，构建了一套 “商店 - 品牌” 协同参与的联合广告模型，并提出专用神经网络架构 JRegNet，实现联合广告场景下的最优拍卖机制的自动化设计。研究核心创新与成果如下：

一、研究背景与核心问题

传统广告拍卖中，商店可以支付额外的广告费用来竞争更高的列表位置，如图1(a)所示。从品牌供应商的角度来看，他们同样有强烈的提升曝光度的需求，以推动品牌销售。然而，当前的广告模式并未将品牌供应商视为广告主，这导致平台可能失去部分品牌供应商的潜在收入。同时，在传统广告场景下，用户搜索后需在商店列表中查找目标产品，体验不够直接。基于这一现象，并为了进一步增加平台收入，我们提出了一种新型的在线广告模型——“联合广告”，以满足品牌供应商的需求，如图 1(b) 所示。然而，联合拍卖场景下，商店与品牌的联合关系、竞价相关性、双方付费拆分等问题，导致传统拍卖机制（如 GSP、VCG）难以适用，亟需构建适配新场景的最优机制，且需满足两大核心性质：占优策略激励兼容（DSIC）（即真实出价对参与者最优）与个体理性（IR）（即参与者收益非负）。

图2 JRegNet架构

二、研究方法与核心创新

       联合拍卖模型设计：提出 “商店 - 品牌” 联合竞价这一全新的商业模式，只有存在合作销售关系的商店与品牌可组成竞拍单元，广告位展示的是 “品牌产品 + 对应商店” 的组合信息，如图1(b)所示。与传统广告拍卖相比，联合拍卖不仅为品牌供应商提供了提升品牌销售的机会，还增加了平台的收入，因为平台现在可以同时向商店和品牌供应商收费。此外，联合广告也对用户有益，因为它直接展示了用户搜索的产品，而不是相关商店。因此，联合广告场景本质上实现了平台、品牌和用户三方的利益共赢。联合拍卖这一极具创新性的模式丰富了传统拍卖理论的同时也给平台带来了巨大收益，在学术和产业界都产生了重大影响。       

       JRegNet 神经网络架构：针对联合拍卖的技术难点，设计专用深度学习架构，如图2所示，核心突破包括：引入联合关系图作为输入，适配不同搜索查询下商店与品牌的动态合作关系；通过双 softmax 函数与双随机矩阵设计，实现 “一个广告位最多分配一个bundle、一个bundle最多获得一个广告位” 的约束；直接输入商店与品牌的独立出价，解决不同bundle间竞价相关性问题，精准计算bundle的分配概率；基于每个商店和品牌的总期望价值设计缩放参数，并将缩放后的价值定义为支付金额，保障双方收益非负来实现个人理性。

三、实证检验与核心结果

研究在模拟数据与美团真实广告日志数据上开展全面验证，对比 RegretNet、VCG、GSP 等主流机制，结果表明：

       模拟数据实验：在不同商店 / 品牌数量、广告位数量及价值分布（均匀、正态、对数正态）下，JRegNet 生成的机制均实现最高收益，较 VCG 机制提升 15%-35%左右，且遗憾值（衡量 DSIC 满足程度）低于 0.001，满足近似DSIC；   

       真实数据实验：基于美团的真实搜索查询样本，JRegNet 在相对较低ru（在真实数据场景衡量 DSIC 满足程度）的前提下，较行业常用的 GSP 机制收益提升5%-10%左右，较 VCG 机制提升 40% 以上；

四、研究价值与学术产业贡献

广告系统中最核心的技术是其销售机制。传统广告拍卖机制在行业中已相当成熟，大多数研究都侧重于通过对现有框架引入创新变体来提升收益。我们的研究独特地提出了一种实用且能提升收益的全新广告商业模式——“联合拍卖”。然而，许多标准且广泛使用的机制可能并不适用于这一新型联合广告模型。为寻找同时满足DSIC和IR的最优联合拍卖机制，我们提出了 JRegNet，这是一种专为此目标设计的神经网络架构，解决了联合拍卖场景下的动态关系适配、bundle约束满足等技术难题。在产业层面，该方案已在美团广告场景进行测试验证，可直接落地应用，显著提升平台广告收入的同时，提升品牌的曝光效率与用户搜索体验。未来，该联合拍卖模式还可拓展至直播带货、品牌跨界合作等更多场景，具备广泛的应用前景。

作者团队

张振，中国人民大学高瓴人工智能学院
李维安（共同一作），山东大学软件学院

雷亚辉，美团研究院

王炳哲，中国人民大学高瓴人工智能学院

张志成，中国人民大学高瓴人工智能学院

祁琦（通讯作者），中国人民大学未来金融创新工程中心，中国人民大学高瓴人工智能学院

刘强，美团研究院

王兴星，美团研究院