[論文レビュー] A Decision Theoretic Approach to Targeted Advertising

David Maxwell Chickering, David Heckerman|arXiv (Cornell University)|Jan 16, 2013

Complex Network Analysis Techniques参考文献 6被引用数 50

ひとこと要約

本稿では、マーチャンダイジングの影響を明示的にモデル化した意思決定理論的枠組みを提案し、送信ありおよび送信なしの両状況下での顧客購入確率をモデル化することで、標的広告の最適化を図る。2つの意思決定木アルゴリズム（1つは標準的で、もう1つは干渉効果を明示的にモデル化する新規のもの）を用い、実世界のデータを用いた実証により、提案手法がナーディブ手法および市販の手法よりもコスト・ベネフィット効率性およびインクリメンタル販売インパクトの面で優れていることを示している。

ABSTRACT

A simple advertising strategy that can be used to help increase sales of a product is to mail out special offers to selected potential customers. Because there is a cost associated with sending each offer, the optimal mailing strategy depends on both the benefit obtained from a purchase and how the offer affects the buying behavior of the customers. In this paper, we describe two methods for partitioning the potential customers into groups, and show how to perform a simple cost-benefit analysis to decide which, if any, of the groups should be targeted. In particular, we consider two decision-tree learning algorithms. The first is an "off the shelf" algorithm used to model the probability that groups of customers will buy the product. The second is a new algorithm that is similar to the first, except that for each group, it explicitly models the probability of purchase under the two mailing scenarios: (1) the mail is sent to members of that group and (2) the mail is not sent to members of that group. Using data from a real-world advertising experiment, we compare the algorithms to each other and to a naive mail-to-all strategy.

研究の動機と目的

• 送信コストと予想される販売収益のバランスを取ることで、期待利益を最大化する標的広告戦略の開発。
• 標準的意思決定木がマーチャンダイジングの因果的効果をモデル化する点での限界を解決すること。
• 各顧客グループについて「送信された場合」と「送信されない場合」の両方の購入確率を明示的にモデル化する新しい意思決定木アルゴリズムの設計。
• 実世界の広告データを用いて、提案手法をナーディブな「全員に送信」戦略および標準的意思決定木アプローチと比較して実証的に評価すること。
• 直接郵送キャンペーンにおけるターゲティング対象の顧客セグメント選定のための原則的でコスト・ベネフィット分析フレームワークの提供。

提案手法

• 著者らは、推定された購入確率に基づき、異なる顧客セグメントにオファーを送信する際の期待効用を計算する意思決定理論的モデルを用いる。
• 彼らは標準的意思決定木学習アルゴリズムを用い、マーチャンダイジング干渉がない状況での購入確率を推定する。
• 彼らは、各グループについて2つの条件付き確率をモデル化する新しい意思決定木アルゴリズムを導入する：P(購入 | 送信済み) および P(購入 | 送信なし)。これにより、干渉効果の直接比較が可能になる。
• この二重確率推定値を用いて、オファー送信コストを期待収益から差し引くことで、各グループの期待ネット利益を計算する。
• 顧客グループは特徴に基づいて分割され、期待ネット効用が正であるグループのみを選択することで、最適なターゲティング戦略が導かれる。
• 本手法は、実世界の広告実験データを用いて検証され、提案手法、標準的意思決定木、および「全員に送信」ベースラインの間で性能を比較した。

実験結果

リサーチクエスチョン

• RQ1 意思決定理論的枠組みは、標的広告キャンペーンにおける顧客セグメント選択をどのように改善できるか？
• RQ2 標準的確率推定と比較して、マーチャンダイジングの因果的効果（すなわち、P(購入 | 送信済み) 対 P(購入 | 送信なし)）をモデル化することによるインクリメンタル利点は何か？
• RQ3 期待ネット利益に基づく標的戦略は、利益およびコスト効率性の観点から、ナーディブな「全員に送信」アプローチを上回るか？
• RQ4 実世界の環境下で、提案アルゴリズムのパフォーマンス指標は、市販の意思決定木手法と比較してどのように異なるか？
• RQ5 明示的な干渉モデル化が、直接郵送広告における期待利益推定の正確性に与える影響は何か？

主な発見

• 送信ありおよび送信なしの両方の購入確率をモデル化する提案された意思決定木アルゴリズムは、標準的意思決定木アプローチよりも高い期待ネット利益をもたらす。
• 本手法は、ナーディブな「全員に送信」戦略を上回り、最も反応性の高い顧客セグメントを特定・ターゲティングすることでコストを削減するとともに、インクリメンタル販売を増加させる。
• 干渉に配慮したモデルは、直接郵送の因果的効果のより正確な推定を可能にし、より良い意思決定に基づくターゲティングを実現する。
• 実世界の実験からの実証結果により、提案手法はベースライン手法と比較して、1人あたりの期待利益において顕著な改善を達成している。
• 本研究は、オファーが送信されない場合の反事後的状況（すなわち、「何も送信されなかった場合にどうなるか」）をモデル化することが、高価値顧客グループの同定に不可欠であることを示している。
• フレームワークは、ヒューリスティックなセグメンテーションに依存するのではなく、コスト・ベネフィットトレードオフに基づき、最適な顧客サブセットを計算する原則的で整合性のある方法を提供する。