[論文レビュー] Revenue-based Attribution Modeling for Online Advertising

Kaifeng Zhao, Seyed Hanif Mahboobi+1 more|arXiv (Cornell University)|Oct 18, 2017

Consumer Market Behavior and Pricing参考文献 13被引用数 3

ひとこと要約

本稿では、回帰モデルに適用した相対的重要性手法（支配分析および相対重み分析）を用いて、オンライン広告チャネルへの収益貢献を公平に割り当てる収益ベースの帰属分析モデルを提案する。これらの手法を加法的モデルへ拡張し、シミュレーションおよび実世界のデータにおいて、従来手法に比べ優れた精度と柔軟性を示す。

ABSTRACT

This paper examines and proposes several attribution modeling methods that quantify how revenue should be attributed to online advertising inputs. We adopt and further develop relative importance method, which is based on regression models that have been extensively studied and utilized to investigate the relationship between advertising efforts and market reaction (revenue). Relative importance method aims at decomposing and allocating marginal contributions to the coefficient of determination (R^2) of regression models as attribution values. In particular, we adopt two alternative submethods to perform this decomposition: dominance analysis and relative weight analysis. Moreover, we demonstrate an extension of the decomposition methods from standard linear model to additive model. We claim that our new approaches are more flexible and accurate in modeling the underlying relationship and calculating the attribution values. We use simulation examples to demonstrate the superior performance of our new approaches over traditional methods. We further illustrate the value of our proposed approaches using a real advertising campaign dataset.

研究の動機と目的

• オンライン広告チャネルへの収益をより正確かつ柔軟に帰属づける手法の開発。
• 単純または恣意的な割り当てルールに依存する従来の帰属分析モデルの限界を解消すること。
• 線形モデルから加法的回帰モデルへと相対的重要性技術を拡張し、複雑な広告効果をよりよくモデル化すること。
• 各広告入力が全体の収益に与える真の貢献を測定する、データ駆動型で統計的に妥当なフレームワークの提供。

提案手法

• 回帰モデルのR²を個々の予測子（広告チャネル）の寄与に分解する相対的重要性手法を採用・拡張する。
• 2つのサブ手法を実装する：支配分析（全予測子サブセットにおける平均限界寄与を評価）と相対重み分析（直交成分を用いて相対的重要性を評価）。
• 非線形な広告入力と収益の関係を捉えるために、標準的線形モデルおよび加法的モデルの両方へ分解手法を適用する。
• シミュレーションスタディを用いて、提案手法の性能を従来の帰属分析モデルと比較して検証する。
• 実広告キャンペーンデータセットに手法を適用し、実用的価値およびロバストネスを示す。
• 帰属値を回帰理論と分散分解に裏付けさせることで、解釈可能性と統計的厳密性を確保する。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、統計的に整合性のある方法で、個々のオンライン広告チャネルへの収益を公平に帰属づけることができるか？
• RQ2 従来の帰属分析モデルは、広告努力と収益の間の複雑な非線形関係をどの程度正しく捉えられていないか？
• RQ3 支配分析や相対重み分析といった相対的重要性手法は、標準的手法に比べてより正確で柔軟な帰属づけを可能にするか？
• RQ4 線形モデルから加法的モデルへ拡張した場合、非線形効果を捉える能力はどのように変化するか？
• RQ5 実世界の広告データセットにおいて、これらの手法は収益帰属の精度をどの程度向上させるか？

主な発見

• 提案手法（支配分析および相対重み分析）は、シミュレーションスタディにおいて、従来の帰属分析モデルに比べて収益帰属の精度が優れていることが示された。
• 分解手法を加法的モデルへ拡張することで、広告入力と収益の非線形関係のモデル化における柔軟性が向上した。
• 相対的重要性フレームワークは、恣意的またはヒューリスティックな割り当てルールによるバイアスを低減する統計的に妥当な根拠を提供した。
• 実広告キャンペーンデータセットにおける実証的結果から、提案手法の実用的価値および実世界でのロバストネスが確認された。
• 特に相関のある広告チャネルが存在する状況において、従来手法よりも信頼性が高く、解釈が可能なことが示された。
• 本研究は、相対的重要性を用いた収益ベースの帰属分析が、デジタル広告最適化のためのより正確で実行可能なインサイトをもたらすことを確認した。