[論文レビュー] Viral Marketing Meets Social Advertising: Ad Allocation with Minimum Regret

Çiğdem Aslay, Wei Lu+3 more|arXiv (Cornell University)|Dec 3, 2014

Optimization and Search Problems参考文献 8被引用数 9

ひとこと要約

本稿では、プラットフォーム主催者のレグレットを最小化するために、ウイルス的拡散効果をソーシャル広告に統合する新しい広告配分フレームワークを提案する。インディペンデントカスケード（IC）モデルを用いて影響力の拡散をモデル化し、予算に配慮したレグレット保証を備えたスケーラブルな近似アルゴリズム（Tirm）を用いることで、実世界のネットワーク上での有効性と効率性の両面で、ベースラインを著しく上回る結果を得た。

ABSTRACT

In this paper, we study the problem of allocating ads to users through the viral-marketing lens. Advertisers approach the host with a budget in return for the marketing campaign service provided by the host. We show that allocation that takes into account the propensity of ads for viral propagation can achieve significantly better performance. However, uncontrolled virality could be undesirable for the host as it creates room for exploitation by the advertisers: hoping to tap uncontrolled virality, an advertiser might declare a lower budget for its marketing campaign, aiming at the same large outcome with a smaller cost. This creates a challenging trade-off: on the one hand, the host aims at leveraging virality and the network effect to improve advertising efficacy, while on the other hand the host wants to avoid giving away free service due to uncontrolled virality. We formalize this as the problem of ad allocation with minimum regret, which we show is NP-hard and inapproximable w.r.t. any factor. However, we devise an algorithm that provides approximation guarantees w.r.t. the total budget of all advertisers. We develop a scalable version of our approximation algorithm, which we extensively test on four real-world data sets, confirming that our algorithm delivers high quality solutions, is scalable, and significantly outperforms several natural baselines.

研究の動機と目的

• 広告がユーザー間の相互作用によってウイルス的に拡散する可能性があるソーシャルネットワークにおける広告配分の課題に対処すること。
• ユーザーの注目制約と広告主の予算を尊重しながら、最適なパフォーマンスと実際のパフォーマンスの差（レグレット）を最小化すること。
• 全広告主の予算に関して理論的近似保証を提供するスケーラブルなアルゴリズムを設計すること。
• 実世界のソーシャルネットワーク上で競合条件下で手法を評価し、自然なベースラインを上回ることを示すこと。

提案手法

• 各ユーザーが広告をクリックした際に、トピックおよびユーザーに依存する確率でその周辺ユーザーに影響を与える、インディペンデントカスケード（IC）モデルを用いて広告の拡散をモデル化する。
• 主催者にとってのレグレット最小化を目的関数として採用し、ウイルス的到達率と予算制約、ユーザーの注目制限の両方をバランスさせる。
• 影響力の拡散を効率的に推定し、近似保証を提供する、逆到達可能（RR）集合に基づくスケーラブルなアルゴリズムTirmを提案する。
• 各広告主ごとにRR集合の数を制御する予算に配慮したサンプリング戦略を採用し、安定性とスケーラビリティを確保する。
• 集中不等式に基づく信頼区間を用いた停止条件を備えた、RR集合上でのグリーディーなシード選択プロセスを実装する。
• 合計予算内に収まるように保証しつつ、レグレットを最小化するためのしきい値処理機構を適用する。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルネットワークにおけるウイルス的拡散をどのように活用することで、ソーシャル広告の広告配分パフォーマンスを向上させられるか？
• RQ2 影響力の拡散と予算制約を考慮した場合、広告配分問題の計算量的複雑度はどの程度か？
• RQ3 ユーザーの注目制約と広告主の予算を尊重しながら、理論的保証を備えたスケーラブルなアルゴリズムを設計できるか？
• RQ4 実世界のネットワーク上での性能、スケーラビリティ、メモリ使用量の観点から、提案手法は自然なベースラインと比べてどのように差をつけるか？

主な発見

• TirmはGreedy-Irieや他のベースラインと比べて著しく低いレグレットを達成しており、同じ予算下で影響力の拡散において最大6倍の性能向上を示した。
• DBLPでは、広告数が1から15に増加した際、TirmはGreedy-Irieの6倍速く処理を完了し、優れたスケーラビリティを示した。
• LiveJournalでは、予算50KでTirmは75分未満で処理を完了したが、Greedy-Irishは5広告を超えると48時間以内に処理を終了できなかった。
• Tirmの実行時間は広告主数に対してほぼ線形に増加するが、Greedy-Irishは繰り返しのシード選択のため、超線形的に増加する。
• Tirmのメモリ使用量は広告主数の増加に伴い増加するが、RR集合の保存に起因するが、さまざまな予算設定下でも管理可能で安定したままであった。
• Tirmは低注目制約（κᵤ=1）の下でも高品質な解を維持でき、競合環境下での性能をストレステストした結果、優れた耐性を示した。