[논문 리뷰] Bid Shading by Win-Rate Estimation and Surplus Maximization

Shengjun Pan, Brendan Kitts외 9명|arXiv (Cornell University)|2020. 09. 19.

Auction Theory and Applications참고 문헌 13인용 수 12

한 줄 요약

이 논문은 최소 입찰가 승리 피드백이 없는 상황에서도 광고주 수익을 극대화하는 승리율 기반 입찰 그림자화 알고리즘(WR)을 제안한다. 실시간으로 최적의 그림자 입찰가를 예측하기 위해 수정된 로지스틱 회귀를 사용하는 WR는 기준 방법보다 7% 높은 수익을 달성했으며, 산업계 SSP 서비스보다 4.3% 높은 수익을 올렸다. 예산 제어기와 통합 시 eCPM, eCPC, eCPA가 크게 감소하였다.

ABSTRACT

This paper describes a new win-rate based bid shading algorithm (WR) that does not rely on the minimum-bid-to-win feedback from a Sell-Side Platform (SSP). The method uses a modified logistic regression to predict the profit from each possible shaded bid price. The function form allows fast maximization at run-time, a key requirement for Real-Time Bidding (RTB) systems. We report production results from this method along with several other algorithms. We found that bid shading, in general, can deliver significant value to advertisers, reducing price per impression to about 55% of the unshaded cost. Further, the particular approach described in this paper captures 7% more profit for advertisers, than do benchmark methods of just bidding the most probable winning price. We also report 4.3% higher surplus than an industry Sell-Side Platform shading service. Furthermore, we observed 3% - 7% lower eCPM, eCPC and eCPA when the algorithm was integrated with budget controllers. We attribute the gains above as being mainly due to the explicit maximization of the surplus function, and note that other algorithms can take advantage of this same approach.

연구 동기 및 목표

• 제1차 광고 입찰에서 과도하게 지불하는 문제를 해결하기 위해 광고주 수익을 극대화하는 입찰 그림자화 방법을 개발한다.
• 생산 환경에서 흔히 이용 불가능하거나 신뢰할 수 없는 SSP의 최소 승리 입찰가 피드백에 의존하지 않도록 한다.
• 실시간으로 실행 가능하고 계산적으로 효율적인 입찰 그림자화 방법을 설계하여 RTB 환경에서 대규모로 구현할 수 있도록 한다.
• 산업 기준과의 성능 비교를 통해 수익, 지출 효율성 및 eCPM, eCPC와 같은 핵심 비즈니스 지표 향상 여부를 입증한다.

제안 방법

• WR 알고리즘은 각 가능한 입찰가에 대한 승리율을 추정하기 위해 수정된 로지스틱 회귀 모델을 사용하여 런타임 최적화를 빠르게 수행한다.
• 수익을 그림자화 요소와 승리 지표의 함수로 설정하여, 단순히 승리 확률을 극대화하는 것 외에 기대 수익을 명시적으로 극대화한다.
• 예측된 승리율과 평가가치 $ V_i $ 를 기반으로 각 인상에 대해 동적으로 최적의 그림자화 요소 $ g_i $ 를 계산한다.
• 역사적 입찰 및 승리 데이터를 기반으로 모델을 훈련하여, 최소 승리 입찰가에 대한 직접 피드백 없이도 입찰 청산 가격 패턴을 학습할 수 있다.
• 실시간 예산 제어기와 통합되어 효율적인 지출과 개선된 캠페인 수준 지표를 보장한다.
• 수익 함수의 미분 가능하고 닫힌 형태의 근사값을 활용하여 실시간 입찰 최적화를 가능하게 한다.

실험 결과

연구 질문

• RQ1 가장 가능성 있는 승리 입찰가로 입찰하는 단순 전략보다 입찰 그림자화 알고리즘이 더 높은 수익을 달성할 수 있는가?
• RQ2 SSP로부터 최소 승리 입찰가 피드백을 제공받지 못할 경우에도 수익 극대화를 어느 정도 달성할 수 있는가?
• RQ3 실제 RTB 환경에서 WR 알고리즘은 기존 산업 수준의 그림자화 서비스 및 기준 방법과 비교해 어떻게 성능을 내는가?
• RQ4 예산 제어기와 통합했을 때 입찰 그림자화가 eCPM, eCPC, eCPA와 같은 핵심 비즈니스 지표에 어떤 영향을 미치는가?
• RQ5 명시적인 수익 극대화가 제1차 광고 입찰에서 광고주 수익성 향상에 측정 가능한 영향을 미치는가?

주요 결과

• 생산 환경에서 WR 알고리즘이 최대 가능한 수익의 46.7%를 달성했으며, 이는 다음으로 우수한 방법(LR)의 44.8%를 뛰어넘었다.
• 가장 가능성 있는 승리 입찰가로 입찰하는 기준 방법 대비 WR는 수익을 7% 높게 달성하여 명시적 수익 극대화의 가치를 입증했다.
• 예산 제어기와 통합된 결과, WR는 eCPM, eCPC, eCPA를 3%에서 7% 감소시켜 캠페인 효율성이 향상됨을 보였다.
• 알고리즘은 평균 입찰가를 그림자화되지 않은 비용의 55%로 낮춰 효과적인 CPM을 크게 감소시켰다.
• 산업계 SSP 그림자화 서비스와 비교해도 WR는 4.3% 높은 수익을 달성했으며, 이는 SSP가 인상 수익 극대화에 더 중점을 두고 있음에도 불구하고 성과를 냈다.
• WR의 그림자화 요소 분포는 왼쪽으로 치우친 형태(대부분 72% 이하)를 보여, SSP의 오른쪽으로 치우친 분포(더 높은 입찰을 선호)와 비교해 더 깊이 있고 전략적인 그림자화를 수행함을 나타냈다.