[논문 리뷰] A Decision Theoretic Approach to Targeted Advertising

David Maxwell Chickering, David Heckerman|arXiv (Cornell University)|2013. 01. 16.

Complex Network Analysis Techniques참고 문헌 6인용 수 50

한 줄 요약

이 논문은 우편 발송 및 비발송 상황에서의 고객 구매 확률을 모델링함으로써 타겟 광고 최적화를 위한 의사결정 이론 프레임워크를 제안한다. 두 가지 의사결정트리 알고리즘—기본형과 간섭 효과를 명시적으로 모델링하는 신규 알고리즘—을 사용하여 실제 데이터를 바탕으로 제안된 방법이 난수적이고 표준 제품 외의 접근 방식보다 비용-편익 효율성과 증분 매출 영향에서 뛰어난 성능을 보임을 입증한다.

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.

연구 동기 및 목표

• 제안된 방법이 우편 발송 비용과 예상 매출 간 균형을 맞추어 기대 수익을 극대화하는 타겟 광고 전략을 개발하는 것.
• 기본 의사결정트리가 우편 발송이 고객 행동에 미치는 인과적 영향을 모델링하는 데에 한계가 있음을 해결하는 것.
• 각 고객 집단에 대해 '발송된 경우'와 '발송되지 않은 경우'의 구매 확률을 명시적으로 모델링하는 새로운 의사결정트리 알고리즘을 설계하는 것.
• 실제 광고 데이터를 사용하여 제안된 방법을 단순 '모든 고객에게 발송' 전략과 표준 의사결정트리 접근 방식과 비교하여 실증적으로 평가하는 것.
• 직접 우표 캠페인에서 타겟 고객 세그먼트를 선택하기 위한 원칙적인 비용-편익 분석 프레임워크를 제공하는 것.

제안 방법

• 저자는 우편 발송에 대한 기대 효용을 계산하기 위해 의사결정 이론 모델을 사용하며, 이를 위해 추정된 구매 확률에 기반한다.
• 기본 의사결정트리 학습 알고리즘을 적용하여 우편 발송 간섭 없이도 구매 확률을 추정한다.
• 각 그룹에 대해 두 가지 조건부 확률을 모델링하는 새로운 의사결정트리 알고리즘을 도입한다: P(구매 | 발송됨) 및 P(구매 | 발송되지 않음), 이를 통해 간섭 효과를 직접 비교할 수 있다.
• 이러한 이중 확률 추정치를 사용하여, 예상 수익에서 발송 비용을 빼서 각 그룹의 기대 순수익을 계산한다.
• 특성에 따라 고객 그룹을 분할하고, 기대 순수익이 양수인 그룹들만을 선택함으로써 최적의 타겟팅 전략을 도출한다.
• 실제 광고 실험 데이터를 사용하여 제안된 방법의 유효성을 검증하였으며, 제안된 방법, 표준 의사결정트리, 모든 고객에게 발송하는 기준선 전략 간 성능을 비교하였다.

실험 결과

연구 질문

• RQ1 의사결정 이론 프레임워크는 타겟 광고 캠페인의 고객 세그먼트 선택을 어떻게 향상시킬 수 있는가?
• RQ2 기본 확률 추정과 비교해 우편 발송의 인과적 영향을 모델링하는 것(P(구매 | 발송됨) 대비 P(구매 | 발송되지 않음))의 증분 이점은 무엇인가?
• RQ3 기대 순수익 기반의 타겟 전략은 수익성과 비용 효율성 측면에서 단순 '모든 고객에게 발송' 전략보다 뛰어나다고 할 수 있는가?
• RQ4 실제 환경에서 제안된 알고리즘의 성능 지표는 표준 제품 외 의사결정트리 방법과 비교해 어떻게 나타나는가?
• RQ5 직접적인 간섭 모델링은 직접 우표 광고에서 기대 수익 추정 정확도에 어떤 영향을 미치는가?

주요 결과

• 발송 및 비발송 시의 구매 확률을 모두 모델링하는 제안된 의사결정트리 알고리즘은 표준 의사결정트리 접근보다 더 높은 기대 순수익을 제공한다.
• 이 방법은 모든 고객에게 발송하는 단순 전략보다 반응성이 높은 고객 세그먼트만을 식별하고 타겟팅하여 비용을 줄이고 증분 매출을 증가시킴으로써 성능이 뛰어나다.
• 간섭 인지 모델은 직접 우표의 인과적 영향을 더 정확하게 추정할 수 있게 하여 보다 정보 기반의 타겟팅 결정을 가능하게 한다.
• 실제 실험 결과에 따르면 제안된 방법은 기준 방법 대비 고객당 기대 수익에서 뚜렷한 향상을 보였다.
• 이 연구는 '제안서가 발송되지 않았을 경우'의 반사적 시나리오(즉, 대체 시나리오)를 모델링하는 것이 고가치 고객 집단을 식별하는 데 핵심적임을 입증한다.
• 이 프레임워크는 히ュ리스틱 세그먼테이션에 의존하는 것 대신, 비용-편익 트레이드오프에 기반하여 최적의 고객 하위집단을 선택할 수 있는 원칙적인 방법을 제공한다.