[논문 리뷰] Fatigue-Aware Ad Creative Selection

Daisuke Moriwaki, Komei FUJITA외 2명|arXiv (Cornell University)|2019. 08. 21.

Advanced Bandit Algorithms Research참고 문헌 28인용 수 5

한 줄 요약

이 논문은 실시간 입찰(Real-Time Bidding) 환경에서 광고 캐시 선택을 위한 피로도 인지 컨텍스트 밴딧 알고리즘을 제안한다. 사용자 광고 피로도는 노출 이력과 캐시 유사도를 통해 모델링되어, 피로도가 높을 경우 창의적 콘텐츠를 동적으로 전환함으로써 클릭률(CTR) 감소를 줄인다. 실제 디지털 사이트 플랫폼(DSP)에 구현된 결과, 기준 모델 및 무작위 전략 대비 유의미하게 뛰어난 성능을 보였으며, 캠페인 평균으로 CTR가 21% 향상되었다. 이는 피로도 유발 성능 저하를 완화하는 데에도 기여했다.

ABSTRACT

In online display advertising, selecting the most effective ad creative (ad image) for each impression is a crucial task for DSPs (Demand-Side Platforms) to fulfill their goals (click-through rate, number of conversions, revenue, and brand improvement). As widely recognized in the marketing literature, the effect of ad creative changes with the number of repetitive ad exposures. In this study, we propose an efficient and easy-to-implement ad creative selection algorithm that explicitly considers user's psychological status when selecting ad creatives. The proposed system was deployed in a real-world production environment and tested against the baseline algorithms. The results show superiority of the proposed algorithm.

연구 동기 및 목표

• 온라인 디스플레이 광고에서 반복적인 광고 노출로 인한 클릭률 감소에 미치는 부정적 영향을 해결하기 위해.
• 단일 캐시에 대한 노출 횟수 외에도, 유사한 캐시들에 대한 노출 이력을 종합적으로 고려하여 사용자 피로도를 모델링하기 위해.
• 탐색과 이용의 균형을 유지하면서도 광고 선택 과정에서 심리적 피로도를 명시적으로 반영하는 효율적이고 생산 환경에 적합한 알고리즘을 설계하기 위해.
• 기준 모델 및 무작위 전략과의 비교를 통해 실세계 DSP 환경에서 알고리즘의 성능을 평가하고, CTR 및 전환율에 미치는 영향을 측정하기 위해.

제안 방법

• 24시간 이내에 동일하거나 유사한 광고 캐시에 대한 이전 노출 수를 기반으로 피로도 점수를 도입한다.
• 사전에 학습된 임bedding 모델을 사용하여 캐시 간 유사도를 정량화함으로써, 관련 콘텐츠에 대한 누적 피로도를 추정한다.
• 피로도가 높을 경우 새로운 또는 덜 노출된 캐시를 선택할 확률을 높이는 피로도 인지 탐색 전략을 컨텍스트 밴딧 알고리즘에 확장한다.
• 계산된 피로도 수준에 따라 조정되는 UCB 스타일의 탐색 보너스를 사용하며, 피로도가 임계값을 초과할 경우 다양성을 증진시킨다.
• 시스템은 실시간 입찰 환경에 배포되어 사용자 당 인스턴스별로 피로도 점수와 선택 확률을 지속적으로 업데이트한다.
• 다양한 캐시 수와 사용자 참여 수준을 가진 세 캠페인의 실제 RTB 데이터를 기반으로 모델을 학습하고 평가한다.

실험 결과

연구 질문

• RQ1 실시간 디스플레이 광고에서 광고 피로도는 클릭률과 전환율에 어떤 영향을 미치는가?
• RQ2 표준 컨텍스트 밴딧과 비교했을 때, 피로도 인지 광고 캐시 선택 알고리즘이 CTR 및 전환율을 향상시킬 수 있는가?
• RQ3 캐시 유사도는 사용자 피로도의 누적에 어느 정도의 영향을 미치는가?
• RQ4 낮은 데이터 환경과 희소한 사용자 참여 상황에서 피로도 인지 알고리즘의 성능은 어떠한가?
• RQ5 다양한 캐시 수를 가진 다양한 광고 캠페인 환경에서도 알고리즘이 안정성과 성능을 유지하는가?

주요 결과

• 피로도 인지 알고리즘은 기준 모델 대비 평균 21% 향상된 클릭률(CTR)을 달성하였으며, 무작위 선택 대비 1.21배의 CTR를 기록하였다.
• 데이터량이 가장 적은 캠페인 A에서는 피로도 인지 알고리즘이 기준 모델 대비 CTR에서 27% 향상되어 데이터 희소성 하에서도 뛰어난 안정성을 입증하였다.
• 기준 알고리즘은 데이터가 제한된 캠페인 A에서 불안정성을 보였지만, 피로도 인지 방법은 모든 캠페인에서 일관된 성능을 유지하였다.
• 캠페인 A에서 피로도 수준이 가장 높았으며, 평균 유사도 점수는 0.48로, 유사 캐시에 대한 노출 빈도가 높아 피로도 위험이 더 높다는 것을 시사하였다.
• 피로도가 증가할수록 CTR는 지속적으로 감소하는 경향을 보였지만, 인스턴스 후 전환율(CVR)은 복잡하고 비단조화적인 관계를 보여, CTR와 CVR 최적화에 다른 전략이 필요함을 시사하였다.
• 피로도 수준이 높을 경우 창의적 콘텐츠의 다양성을 증가시킴으로써 피로도 누적을 성공적으로 감소시켰으며, 피로도 점수 분포와 노출 빈도 분석을 통해 이는 확인되었다.