[論文レビュー] Real-time Bidding for Online Advertising: Measurement and Analysis

Shuai Yuan, Jun Wang+1 more|arXiv (Cornell University)|Jun 27, 2013

Consumer Market Behavior and Pricing参考文献 3被引用数 54

ひとこと要約

本論文は、本番の広告交換取引からの実データを用いて、オンライン広告におけるリアルタイム入札（RTB）の実証的分析を提示する。理論上の第二価格オークションであるが、ソフトフロアプライスのため、55.4%のコストが実質的に第一価格オークションに近いものとなっていることが判明した。また、時間的パターン、頻度、最近性の処理が不十分であるため、入札戦略は最適でない。RTBシステムにおける高度な最適化アルゴリズムの導入が、極めて重要であることが示された。

ABSTRACT

The real-time bidding (RTB), aka programmatic buying, has recently become the fastest growing area in online advertising. Instead of bulking buying and inventory-centric buying, RTB mimics stock exchanges and utilises computer algorithms to automatically buy and sell ads in real-time; It uses per impression context and targets the ads to specific people based on data about them, and hence dramatically increases the effectiveness of display advertising. In this paper, we provide an empirical analysis and measurement of a production ad exchange. Using the data sampled from both demand and supply side, we aim to provide first-hand insights into the emerging new impression selling infrastructure and its bidding behaviours, and help identifying research and design issues in such systems. From our study, we observed that periodic patterns occur in various statistics including impressions, clicks, bids, and conversion rates (both post-view and post-click), which suggest time-dependent models would be appropriate for capturing the repeated patterns in RTB. We also found that despite the claimed second price auction, the first price payment in fact is accounted for 55.4% of total cost due to the arrangement of the soft floor price. As such, we argue that the setting of soft floor price in the current RTB systems puts advertisers in a less favourable position. Furthermore, our analysis on the conversation rates shows that the current bidding strategy is far less optimal, indicating the significant needs for optimisation algorithms incorporating the facts such as the temporal behaviours, the frequency and recency of the ad displays, which have not been well considered in the past.

研究の動機と目的

• 本番のRTB交換取引における入札者および売買側の実世界の行動を理解すること。
• 特に広告露出のタイミング、頻度、最近性に関する点で、現在のRTB入札戦略における主要な非効率要因を同定すること。
• ソフトフロアプライスなどの構造的要素が広告主のコストおよびオークション結果に与える影響を測定すること。
• 時間的ダイナミクスやユーザー単位のターゲティング制約を考慮しない最適化アルゴリズムにおける研究ギャップを浮き彫りにすること。
• プログラム的広告におけるより良い入札および割り当てアルゴリズムの設計に役立つ、データ駆動型の知見を提供すること。

提案手法

• 本番の広告交換取引から、需要側（広告主）および供給側（出版者）の両方のリアルタイム入札データを収集し、分析した。
• さまざまな時間スケールにおけるインプレッション、クリック、入札、コンversions率の周期的パターンを測定した。
• 理論上の第二価格オークションモデルと比較することで、ソフトフロアプライスの実際の支払い行動に与える影響を定量化した。
• コンversions率（CVR）、コスト・パーオブエクイリスメント（CPA）、投資利益率（ROI）の指標を用いて、頻度制限（FC）および最近性制限（RC）を分析した。
• コンversionsウィンドウ長のヒストグラム分析を用いて、ビュー後およびクリック後のコンversionsタイミングを調査した。
• 異なるキャップレベルでのCVRおよびROIを比較することで、FCおよびRC設定の有効性を評価した。

実験結果

リサーチクエスチョン

• RQ1 入札およびコンversions行動における周期的パターンは、RTBシステムのパフォーマンスにどのように影響を与えるか？
• RQ2 ソフトフロアプライスの存在が、実際の入札でどの程度第一価格オークションの結果に近づけているか？
• RQ3 頻度制限（FC）および最近性制限（RC）は、RTBキャンペーンにおけるコンversions率およびコスト効率にどのように影響を与えるか？
• RQ4 ユーザー単位のデータとリアルタイム意思決定の可能性があるにもかかわらず、なぜ現在の入札戦略が最適でないのか？
• RQ5 時間的ダイナミクス、特に広告露出の最近性と頻度が、コンversions効果に果たす役割は何か？

主な発見

• 理論上の第二価格オークションであるが、ソフトフロアプライスのため、総広告コストの55.4%が実質的に第一価格支払いとなっている。
• インプレッション、入札、クリック、コンversions率における周期的パターンは、正確なRTB予測および最適化に時間依存モデルが不可欠であることを示唆している。
• コンversions率（CVR）は、広告露出の最近性に大きく依存しており、一部のキャンペーンでは初回ビュー後14～30日後に有意義なコンversionsが見られた。
• 頻度制限（FC）はCVRおよびROIに顕著な影響を与え、最適なFCレベルはキャンペーンの種別およびユーザー行動によって異なる。
• 最近性制限（RC）は現在のシステムで十分に活用されておらず、過度に厳しい設定は、意思決定が遅延するキャンペーンにおいて、潜在的なコンversionsを失う原因となる。
• 現在の入札戦略は、時間的ダイナミクス、頻度、最近性を効果的に組み込んでいないため、高度な最適化アルゴリズムの導入が強く求められている。