[논문 리뷰] Selective Call Out and Real Time Bidding

Tanmoy Chakraborty, Eyal Even-Dar외 3명|arXiv (Cornell University)|2010. 02. 16.

Auction Theory and Applications참고 문헌 19인용 수 7

한 줄 요약

이 논문은 대역폭 및 요청 제약 조건 하에서 실시간 광고 입찰의 동시 최적화 프레임워크를 제안하며, 선택적 콜아웃과 온라인 할당을 통합한다. 성능 보장이 있는 알고리즘을 갖춘 온라인 순환 베이지안 의사결정 모델을 도입하여, 예치가격 상승 시 선형계획법(LP) 기반 전략이 다른 전략보다 최대 85% 우수함을 입증하고, 베이지안 설정 하에서 광고자금 문제의 적응성 갭 결과를 수립한다.

ABSTRACT

Ads on the Internet are increasingly sold via ad exchanges such as RightMedia, AdECN and Doubleclick Ad Exchange. These exchanges allow real-time bidding, that is, each time the publisher contacts the exchange, the exchange ``calls out'' to solicit bids from ad networks. This aspect of soliciting bids introduces a novel aspect, in contrast to existing literature. This suggests developing a joint optimization framework which optimizes over the allocation and well as solicitation. We model this selective call out as an online recurrent Bayesian decision framework with bandwidth type constraints. We obtain natural algorithms with bounded performance guarantees for several natural optimization criteria. We show that these results hold under different call out constraint models, and different arrival processes. Interestingly, the paper shows that under MHR assumptions, the expected revenue of generalized second price auction with reserve is constant factor of the expected welfare. Also the analysis herein allow us prove adaptivity gap type results for the adwords problem.

연구 동기 및 목표

• 대역폭 및 혼잡 제약 조건 하에서 실시간 광고 거래에서 입찰 요청(콜아웃) 및 할당을 동시에 최적화하는 데 도전하는 것.
• 자원 및 급격한 유입 변동성 제약 조건 하에서 선택적 콜아웃을 온라인 순환 베이지안 의사결정 문제로 모델링하는 것.
• 다양한 입찰 분포 및 도착 프로세스 하에서 기대 복지와 수익을 목표로 하는 알고리즘의 증명 가능한 성능 보장을 개발하는 것.
• 입찰 실현값에 반응하는 오프라인 정책과 오직 기대값만을 사용하는 정책을 비교하여 광고자금 문제에서의 적응성 갭을 분석하는 것.
• 실제 상황에서 입찰 분포 추정의 강인성을 평가하며, 특히 오차가 있거나 노이즈가 많은 생존 확률 추정에 대해 고려하는 것.

제안 방법

• 대역폭 유형 제약 조건이 있는 선택적 콜아웃을 온라인 순환 베이지안 의사결정 프레임워크로 공식화하는 것.
• 학습 단계에서 입찰 분포 생존 확률을 추정하고, 이후 온라인 할당 단계를 거치는 이중 단계 접근법을 사용하는 것.
• 입찰 기반 할당 결정을 위한 최적의 임계값을 도출하기 위해 선형계획법(LP) 근사를 적용하는 것.
• 추정된 입찰 분포를 활용해 콜아웃 및 할당을 지시하는 집합 기반 및 임계값 기반 알고리즘을 도입하는 것.
• 급격한 유입 변동성을 관리하고 시간에 걸쳐 일관된 콜아웃 비율을 확보하기 위해 큐잉 모델을 활용하는 것.
• 선형계획법 기반 최적화를 통해 성능 한계를 유도하고, 이들을 이론적 상한선(OPT-UB) 및 오프라인 최적값과 비교하는 것.

실험 결과

연구 질문

• RQ1 대역폭 및 급격한 유입 변동성 제약 조건 하에서 실시간 광고 거래에서 입찰 요청(콜아웃)과 할당 결정을 어떻게 동시에 최적화할 수 있는가?
• RQ2 부분적인 입찰 정보가 있는 베이지안 설정 하에서 온라인 알고리즘의 성능 보장은 어떤 수준에 도달할 수 있는가?
• RQ3 실제 입찰 분포 하에서 입찰 추정 기반 알고리즘의 성능은 무지한 또는 히우리스틱 전략에 비해 어떻게 비교되는가?
• RQ4 입찰 분포 생존 확률 추정 오차가 알고리즘 성능에 어떤 영향을 미치는가?
• RQ5 제안된 프레임워크는 베이지안 설정 대비 결정론적 설정 하에서 광고자금 문제에 대해 적응성 갭 결과를 도출할 수 있는가?

주요 결과

• 최적의 파rameter 설정 시 선형계획법(LP) 기반 알고리즘이 다른 알고리즘보다 최대 20% 뛰어나고, 예치가격 상승 시 최대 85% 뛰어남.
• 생존 확률 추정치를 사용하는 집합 기반 알고리즘이 Random 및 MaxRemBand와 같은 무지한 전략보다 뚜렷이 뛰어남.
• 기대 입찰값을 사용하는 알고리즘(MeanExp 등)은 무작위 전략보다 우수하지만, 생존 확률을 사용하는 알고리즘(MaxProb 등)보다 열 劣하므로, 입찰의 꼬리 부분 행동이 더 유용함을 시사함.
• 표준편차가 최대 0.15까지 노이즈가 있는 입찰 분포 추정치가 있더라도 생존 확률 기반 알고리즘이 분포 정보가 없는 알고리즘보다 강력한 성능 유지.
• 토큰 버킷 크기 및 인プレ션 도착률 변화에 대해 성능이 강인하며, 버킷 크기 2, 5, 15, 45 간 유의미한 차이 없음 관찰.
• 이 프레임워크는 광고자금 문제에 대해 처음으로 알려진 적응성 갭 분석을 가능하게 하여, 입찰 실현값에 반응하는 정책이 기대값만 사용하는 정책보다 뚜렷이 뛰어남을 입증함.