[論文レビュー] Fatigue-Aware Ad Creative Selection

Daisuke Moriwaki, Komei FUJITA+2 more|arXiv (Cornell University)|Aug 21, 2019

Advanced Bandit Algorithms Research参考文献 28被引用数 5

ひとこと要約

本論文は、リアルタイム入札における広告クリエイティブ選択のための疲労感知コンテキストバンドイットアルゴリズムを提案する。ユーザーの広告疲労を露出履歴とクリエイティブ類似度を用いてモデル化し、動的にクリエイティブを切り替え、クリックスルーレート（CTR）の低下を低減する。実世界のDSPにおけるデプロイメントで評価された結果、ベースラインおよびランダム戦略を著しく上回り、キャンペーン全体で平均してCTRを21%向上させるとともに、疲労に起因するパフォーマンス劣化を緩和した。

ABSTRACT

In online display advertising, selecting the most effective ad creative (ad image) for each impression is a crucial task for DSPs (Demand-Side Platforms) to fulfill their goals (click-through rate, number of conversions, revenue, and brand improvement). As widely recognized in the marketing literature, the effect of ad creative changes with the number of repetitive ad exposures. In this study, we propose an efficient and easy-to-implement ad creative selection algorithm that explicitly considers user's psychological status when selecting ad creatives. The proposed system was deployed in a real-world production environment and tested against the baseline algorithms. The results show superiority of the proposed algorithm.

研究の動機と目的

• オンラインディスプレイ広告における反復的広告露出（広告疲労）がクリックスルーレートに与える悪影響を是正すること。
• 単一のクリエイティブへの露出回数だけでなく、複数の類似クリエイティブにわたる露出履歴を考慮して、ユーザー疲労をモデル化すること。
• 心理的疲労を明示的に反映させつつ、探索と活用のバランスを取る効率的で生産環境対応の可能なアルゴリズムを設計すること。
• ベースラインおよびランダム戦略と比較して、実世界のDSP環境でアルゴリズムを評価し、CTRおよびコンVERSIONレートへの影響を測定すること。

提案手法

• 24時間の時間窓内で、同じまたは類似した広告クリエイティブへの過去の露出回数に基づいた疲労スコアを導入する。
• クリエイティブ間の類似度は、事前に訓練された埋め込みモデルを用いて定量化し、関連コンテンツへの露出に起因する累積的疲労を推定する。
• 疲労が高くなると、新規またはあまり露出されていないクリエイティブの選択確率を高める疲労感知探索戦略を、コンテキストバンドイットアルゴリズムに拡張する。
• 計算された疲労レベルによって調整されるUCBスタイルの探索ボーナスを用い、疲労が閾値を超えると多様性を促進する。
• システムはリアルタイム入札環境にデプロイされ、ユーザー1人1人、インプレッションごとに疲労スコアと選択確率を継続的に更新する。
• モデルは、クリエイティブ数やユーザー参加度にばらつきのある3つのキャンペーンの実際のRTBデータを用いて訓練および評価された。

実験結果

リサーチクエスチョン

• RQ1 リアルタイムディスプレイ広告における広告疲労は、クリックスルーレートおよびコンVERSIONレートにどのように影響を与えるか？
• RQ2 疲労感知広告クリエイティブ選択アルゴリズムは、標準的なコンテキストバンドイットと比較してCTRおよびコンVERSIONレートを向上させることができるか？
• RQ3 クリエイティブ類似度は、ユーザー疲労の蓄積にどの程度影響を与えるか？
• RQ4 低データ環境および希なユーザー参加度下で、疲労感知アルゴリズムはどのように性能を示すか？
• RQ5 多様なクリエイティブ数を有する広告キャンペーンの多様な環境において、アルゴリズムは安定性とパフォーマンスを維持できるか？

主な発見

• 疲労感知アルゴリズムは、ベースラインと比較して平均でCTRを21%向上させ、ランダム選択と比較して1.21倍のCTRを達成した。
• データ量が最も少なかったキャンペーンAでは、疲労感知アルゴリズムがベースラインをCTRで27%上回り、データスパarsity下でも頑健であることが示された。
• ベースラインアルゴリズムはキャンペーンAでデータ不足のため不安定だったが、疲労感知手法はすべてのキャンペーンで一貫したパフォーマンスを維持した。
• キャンペーンAで疲労レベルが最も高く、平均類似度スコアが0.48であった。これは類似クリエイティブへの露出が多かったこと、疲労リスクが高かったことを示している。
• CTRは疲労度が高くなるにつれて一貫して低下したが、インプレッション後のコンVERSIONレート（CVR）は複雑で非単調な関係を示し、CTRとCVRの最適化に異なる戦略が要る可能性を示唆した。
• 疲労レベルが高い際にはクリエイティブの多様性を高めることで疲労蓄積を効果的に低減できたことが、疲労スコアの分布と露出頻度の分析から確認された。