[논문 리뷰] Real-time Bidding for Online Advertising: Measurement and Analysis

Shuai Yuan, Jun Wang외 1명|arXiv (Cornell University)|2013. 06. 27.

Consumer Market Behavior and Pricing참고 문헌 3인용 수 54

한 줄 요약

이 논문은 실시간 입찰(Real-Time Bidding, RTB)의 실증 분석을 통해 생산성 광고 교환소의 실제 데이터를 사용한다. 이론상의 제2위 입찰 가격 모델에도 불구하고 소프트 플로어 가격으로 인해 55.4%의 비용이 실제로 제1위 입찰 가격으로 간주되며, 시간 패턴, 빈도 및 최종성에 대한 처리가 부적절하여 입찰 전략이 최적화되지 못하고 있음을 드러낸다. 이는 RTB 시스템에서 고급 최적화 알고리즘의 필수성을 강조한다.

ABSTRACT

The real-time bidding (RTB), aka programmatic buying, has recently become the fastest growing area in online advertising. Instead of bulking buying and inventory-centric buying, RTB mimics stock exchanges and utilises computer algorithms to automatically buy and sell ads in real-time; It uses per impression context and targets the ads to specific people based on data about them, and hence dramatically increases the effectiveness of display advertising. In this paper, we provide an empirical analysis and measurement of a production ad exchange. Using the data sampled from both demand and supply side, we aim to provide first-hand insights into the emerging new impression selling infrastructure and its bidding behaviours, and help identifying research and design issues in such systems. From our study, we observed that periodic patterns occur in various statistics including impressions, clicks, bids, and conversion rates (both post-view and post-click), which suggest time-dependent models would be appropriate for capturing the repeated patterns in RTB. We also found that despite the claimed second price auction, the first price payment in fact is accounted for 55.4% of total cost due to the arrangement of the soft floor price. As such, we argue that the setting of soft floor price in the current RTB systems puts advertisers in a less favourable position. Furthermore, our analysis on the conversation rates shows that the current bidding strategy is far less optimal, indicating the significant needs for optimisation algorithms incorporating the facts such as the temporal behaviours, the frequency and recency of the ad displays, which have not been well considered in the past.

연구 동기 및 목표

• 실제 운영 중인 RTB 교환소에서 입찰자와 판매자의 실제 행동을 이해하기 위해.
• 특히 광고 노출의 시기, 빈도 및 최종성에 관련된 현재 RTB 입찰 전략의 핵심 비효율성을 특정하기 위해.
• 소프트 플로어 가격과 같은 구조적 요소가 광고주 비용과 입찰 결과에 미치는 영향을 측정하기 위해.
• 시간 동적 변화와 사용자 수준 타겟팅 제약 조건을 고려하지 못하는 최적화 알고리즘의 연구 격차를 부각하기 위해.
• 정교한 입찰 및 할당 알고리즘 설계를 위한 데이터 기반 통찰을 제공하기 위해.

제안 방법

• 실제 운영 중인 광고 교환소의 수요측(광고주) 및 공급측(출판사)으로부터 실시간 입찰 데이터를 수집하고 분석하였다.
• 다양한 시간 척도에서 노출, 클릭, 입찰 및 전환율의 주기적 패턴을 측정하였다.
• 이론적 제2위 입찰 모델과의 비교를 통해 소프트 플로어 가격의 영향을 정량화하였다.
• 전환율(CVR), 전환당 비용(CPA), 투자수익률(ROI) 지표를 사용하여 빈도 제한(FC)과 최종성 제한(RC)을 분석하였다.
• 전환 창 길이의 히스토GRAM 분석을 통해 전환 시점의 후보 및 클릭 후 전환 패턴을 연구하였다.
• 다양한 제한 수준에서의 CVR과 ROI 비교를 통해 FC 및 RC 설정의 효과성을 평가하였다.

실험 결과

연구 질문

• RQ1 입찰 및 전환 행동의 주기적 패턴이 RTB 시스템 성능에 어떤 영향을 미치는가?
• RQ2 소프트 플로어 가격이 실질적으로 제1위 입찰 결과를 초래하는 정도는 어느 정도인가?
• RQ3 빈도 제한과 최종성 제한은 RTB 캠프에 전환율과 비용 효율성에 어떤 영향을 미치는가?
• RQ4 사용자 수준 데이터와 실시간 의사결정이 가능함에도 불구하고 현재 입찰 전략이 왜 최적화되지 못하는가?
• RQ5 시간적 동적 변화, 예를 들어 광고 노출의 최종성과 빈도가 전환 효과성에 어떤 역할을 하는가?

주요 결과

• 이론상 제2위 입찰 모델이 적용되지만, 소프트 플로어 가격의 사용으로 인해 총 광고 비용의 55.4%가 실제로 제1위 입찰 가격으로 간주된다.
• 노출, 입찰, 클릭 및 전환율의 주기적 패턴은 시간 의존 모델이 정확한 RTB 예측 및 최적화에 필수적임을 시사한다.
• 전환율(CVR)은 광고 노출 이후 최종성에 따라 크게 달라지며, 일부 캠프에서는 첫 번째 노출 후 14~30일이 지난 후에도 의미 있는 전환이 발생한다.
• 빈도 제한(FC)은 CVR과 ROI에 명백한 영향을 미치며, 최적의 FC 수준은 캠프 유형과 사용자 행동에 따라 달라진다.
• 현재 시스템에서 최종성 제한(RC)은 미흡하게 활용되고 있으며, 지나치게 엄격한 설정은 특히 결정이 지연되는 캠프의 잠재적 전환을 손실하게 할 수 있다.
• 현재 입찰 전략은 시간적 동적 변화, 빈도 및 최종성을 효과적으로 통합하지 못하고 있어 고급 최적화 알고리즘의 강력한 필요성을 시사한다.