Economic mechanisms for online pay-per-click advertising: complexity, algorithms and learning

Auctions for online pay-per-click advertising (e.g., Sponsored Search Auctions) constitute one of the most successful applications of microeconomic mechanisms, producing a revenue of about 42.8 billions in the U.S. alone in 2014. A crucial issue is the study of accurate models of the user attention and their effective exploitation in the economic mechanisms. A famous example widely studied in the literature is the Cascade Model, in which a user is assumed to scan the ads in a Markovian way. Such a model exhibits several limitations, not being suitable for a large number of scenarios, e.g., in mobile advertising scenarios. In this dissertation, we provide a hierarchy of user models including as special cases the models currently adopted in literature and we theoretically analyze our models along four perspectives that are all necessary for the success of an economic mechanism: computational complexity of finding the best allocation, exact and theoretically bounded approximation algorithms, online learning algorithms with theoretical bounds over the regret, and incentive compatibility. The ideal goal is the design of a user models admitting the best results in each the four perspectives. In the dissertation, we show that this is not the case and that, when we select a user model, it is necessary to handle a trade-off among the four perspectives.

Le aste riguardanti l'allocazione di pubblicità all'interno di pagine web (ad esempio i risultati sponsorizzati dei motori di ricerca), in cui il pagamento avviene a fronte di un click sulla pubblicità, rappresentano una delle applicazioni di maggior successo dei meccanismi microeconomici. Infatti, nel 2014, hanno prodotto un guadagno pari a 42,8 miliardi di dollari solamente negli Stati Uniti d'America. Un aspetto importante nella progettazione di un meccanismo economico consiste nello studio di modelli che rappresentano in modo accurato il comportamento degli utenti (i visitatori delle pagine web). Il modello di utente più noto in letteratura viene chiamato modello a cascata. In esso si assume che l'utente osservi le pubblicità in modo markoviano. Questo modello presenta, però, numerose limitazioni che lo portano a non essere applicabile in alcuni scenari, come nel caso in cui la pubblicità sia ricevuta su un dispositivo mobile da un utente in movimento. In questa tesi vengono introdotti nuovi modelli di utente che generalizzano quelli già esistenti in letteratura e vanno a risolvere alcune delle limitazioni presenti nel modello a cascata. I modelli proposti vengono analizzati lungo i quattro aspetti necessari al successo di un meccanismo economico: la complessità computazionale della ricerca dell'allocazione ottima, lo studio di algoritmi esatti e approssimati (con garanzie teoriche sulla bontà dell'approssimazione fornita), lo sviluppo di algoritmi di apprendimento online con garanzie sulle eventuali perdite ed, infine, la compatibilità agli incentivi. L'obiettivo ideale sarebbe quello di identificare un modello di utente che sia ottimale per tutti e quattro gli aspetti, ma, nella tesi viene mostrato come ciò non sia possibile e che, quando si sceglie quale modello di utente adottare, è necessario cercare un compromesso tra i quattro aspetti.