[논문 리뷰] Revenue-based Attribution Modeling for Online Advertising

Kaifeng Zhao, Seyed Hanif Mahboobi외 1명|arXiv (Cornell University)|2017. 10. 18.

Consumer Market Behavior and Pricing참고 문헌 13인용 수 3

한 줄 요약

이 논문은 선형 회귀 모델과 추가 모델에 적용된 상대적 중요도 방법(지배 분석 및 상대 가중치 분석)을 사용하여 온라인 광고 채널 간 수익 기반 할당 모델을 제안한다. 이는 수익 기여도를 공정하게 할당하는 데 목적이 있으며, 시뮬레이션과 실제 데이터에서 기존 방법에 비해 뛰어난 정확도와 유연성을 입증한다.

ABSTRACT

This paper examines and proposes several attribution modeling methods that quantify how revenue should be attributed to online advertising inputs. We adopt and further develop relative importance method, which is based on regression models that have been extensively studied and utilized to investigate the relationship between advertising efforts and market reaction (revenue). Relative importance method aims at decomposing and allocating marginal contributions to the coefficient of determination (R^2) of regression models as attribution values. In particular, we adopt two alternative submethods to perform this decomposition: dominance analysis and relative weight analysis. Moreover, we demonstrate an extension of the decomposition methods from standard linear model to additive model. We claim that our new approaches are more flexible and accurate in modeling the underlying relationship and calculating the attribution values. We use simulation examples to demonstrate the superior performance of our new approaches over traditional methods. We further illustrate the value of our proposed approaches using a real advertising campaign dataset.

연구 동기 및 목표

• 온라인 광고 채널에 대한 수익 할당을 더 정확하고도 민첩하게 수행할 수 있는 방법을 개발하는 것.
• 단순하거나 임의의 할당 규칙에 의존하는 전통적 할당 모델의 한계를 해결하는 것.
• 선형 모델에서 추가 모델으로 상대적 중요도 기법을 확장하여 복잡한 광고 효과를 보다 잘 모델링하는 것.
• 모든 광고 입력이 총 수익에 기여하는 진정한 기여도를 측정하기 위한 데이터 기반이고 통계적으로 타당한 프레임워크를 제공하는 것.

제안 방법

• 선형 모델에서의 상대적 중요도 기법을 확장하여, 회귀 모델의 R²를 개별 예측 변수(광고 채널)의 기여도로 분해한다.
• 두 가지 하위 방법을 구현한다: 지배 분석(모든 예측 변수 조합에서의 평균 마진 기여도를 평가)과 상대 가중치 분석(직교 성분을 사용하여 상대적 중요도를 평가).
• 비선형 관계를 포착하기 위해 표준 선형 모델과 추가 모델 양쪽에 분해 기법을 적용한다.
• 시뮬레이션 연구를 통해 제안된 방법의 성능을 기존 할당 모델과 비교 검증한다.
• 실제 광고 캠페인 데이터셋에 방법을 적용하여 실용성과 강건성을 입증한다.
• 회귀 이론과 분산 분해에 기반하여 해석 가능성과 통계적 엄밀함을 확보한다.

실험 결과

연구 질문

• RQ1 어떻게 통계적으로 타당한 방식으로 개별 온라인 광고 채널 간 수익 기여도를 공정하게 할당할 수 있는가?
• RQ2 기존 할당 모델은 광고 노력과 수익 간의 복잡한 비선형 관계를 어떻게 제대로 포착하지 못하는가?
• RQ3 지배 분석 및 상대 가중치 분석과 같은 상대적 중요도 기법은 기존 접근 방식보다 더 정확하고도 민첩한 할당을 가능하게 하는가?
• RQ4 선형 모델에서 추가 모델으로 확장했을 때 이러한 방법은 비선형 효과를 얼마나 잘 포착하는가?
• RQ5 실제 광고 데이터셋에서 이러한 방법은 수익 할당 정확도를 얼마나 향상시킬 수 있는가?

주요 결과

• 지배 분석 및 상대 가중치 분석을 포함한 제안된 방법들은 시뮬레이션 연구에서 기존 할당 모델에 비해 수익 할당 정확도에서 뛰어난 성능을 보였다.
• 분해 기법을 추가 모델로 확장함으로써 비선형 관계를 더 잘 모델링할 수 있는 민첩성과 정확도가 향상되었다.
• 상대적 중요도 프레임워크는 임의적이거나 히ュ리스틱한 할당 규칙에서 비롯하는 편향을 줄여주며, 통계적으로 타당한 기반을 제공한다.
• 실제 광고 캠페인 데이터셋에 대한 실증 결과는 제안된 접근 방식의 실용적 가치와 실세계 환경에서의 강건성을 확인한다.
• 특히 상관관계가 있는 광고 채널이 존재하는 상황에서 기존 방법에 비해 더 신뢰할 수 있고 해석이 용이한 것으로 나타났다.
• 본 연구는 상대적 중요도를 활용한 수익 기반 할당이 디지털 광고 최적화를 위한 더 정확하고 실질적인 통찰을 제공함을 확인했다.