[論文レビュー] No More Chasing Waterfalls: A Measurement Study of the Header Bidding Ad-Ecosystem

Michalis Pachilakis, Panagiotis Papadopoulos+2 more|arXiv (Cornell University)|Jul 24, 2019

Consumer Market Behavior and Pricing参考文献 15被引用数 5

ひとこと要約

本稿では、Web全体にわたるヘッダービッディング（HB）オークションをリアルタイムで検出・分析する手法HBDetectorを提案する。35,000件のトップAlexaサイトをクロールした結果、14.28%のウェブサイトがHBを採用しており、これはウォーターフォールと比較して中央値の遅延が最大3倍に増加する一方、主要な需要パートナーは遅延のばらつきが低く、高い入札遅延は無駄な入札と収益損失を引き起こすことが明らかになった。

ABSTRACT

In recent years, Header Bidding (HB) has gained popularity among web publishers, challenging the status quo in the ad ecosystem. Contrary to the traditional waterfall standard, HB aims to give back to publishers control of their ad inventory, increase transparency, fairness and competition among advertisers, resulting in higher ad-slot prices. Although promising, little is known about how this ad protocol works: What are HB’s possible implementations, who are the major players, and what is its network and UX overhead? To address these questions,we design and implement HBDetector: a novel methodology to detect HB auctions on a website at realtime. By crawling 35,000 top Alexa websites, we collect and analyze a dataset of 800k auctions. We find that: (i) 14.28% of top websites utilize HB. (ii) Publishers prefer to collaborate with a few Demand Partners who also dominate the waterfall market. (iii) HB latency can be significantly higher (up to 3°ø in median case) than waterfall.

研究の動機と目的

• デジタル広告エコシステムにおけるヘッダービッディング（HB）の実世界での導入状況と技術的特徴を理解すること。
• 従来のウォーターフォール広告オークションと比較して、HBが引き起こすパフォーマンス上の負荷（特に遅延）を測定すること。
• HBの主要プレーヤー、その市場シェア、ネットワーク負荷とユーザーエクスペリエンスへの影響を特定すること。
• 並列での入札リクエストによるインfra構築コストの上昇と出版者収益の増加というトレードオフを明らかにすること。
• リアルタイムでのHBオークション、関連パートナーやタイミングの検出を通じて、広告エコシステムの透明性を向上させること。

提案手法

• HBDetectorを開発。これは、ウェブページに埋め込まれたHBライブラリがトリガーするブラウザイベントを監視することで、HBオークションを同定するリアルタイム検出フレームワークである。
• 35,000件のトップAlexaランク付きウェブサイトをクロールし、800,000件のHBオークションのデータセットを収集した。
• HB参加状況とタイミングを検出するために、ブラウザ側のイベント（入札リクエストおよび応答）を追跡した。
• 需要パートナー、広告スロットタイプ、入札価格、オークション遅延などのメタデータを分析した。
• 統計的分析を用いて、HB遅延と広告スロット数、ウェブサイトの人気度（Alexaランク）、パートナーのパフォーマンスの相関関係を特定した。
• 遅延入札の影響を評価するため、出版社のしきい値と比較して応答タイミングを測定した。

実験結果

リサーチクエスチョン

• RQ1 トップウェブサイトの間でヘッダービッディングはどの程度採用されているか？
• RQ2 ヘッダービッディングはページロード時間とユーザーエクスペリエンス（特に遅延の観点から）にどのように影響を与えるか？
• RQ3 ヘッダービッディングエコシステムを支配する主要な需要パートナーは誰か？また、それらの遅延はどのように比較されるか？
• RQ4 HBによって生成される入札リクエストの量はどの程度で、そのうち何割が遅延応答により無駄になっているか？
• RQ5 HBパフォーマンスは、異なるウェブサイトのカテゴリーや人気度のレベルによってどのように変化するか？

主な発見

• 分析対象のトップ35,000ウェブサイトのうち14.28%がヘッダービッディングを採用しており、Webエコシステム内での中程度だが拡大傾向にある採用状況が示された。
• ヘッダービッディングは、従来のウォーターフォールモデルと比較して、中央値のオークション遅延を最大3倍に増加させ、ページロード時間に顕著な影響を与えている。
• Alexaランク上位500サイトは、人気の低いサイトと比較して顕著に低いHB遅延を示しており、大規模トラフィックを持つ出版者によるパフォーマンス最適化がなされていることが示唆された。
• 人気上位10の需要パートナーは、遅延のばらつきが低く、より良いインfra構築投資とパフォーマンスチューニングがなされていることがうかがえる。
• 50%を超えるオークションで、少なくとも半数の入札応答が出版社のしきい値を過ぎて到着しており、これにより無効な入札が発生し、ネットワークおよび処理リソースの無駄遣いが生じている。
• 広告スロット数と遅延には強い相関関係がある：1〜3スロットでは中央値の遅延が0.3〜0.57秒、3〜5スロットでは0.57〜0.92秒にまで上昇し、パフォーマンスコストが顕著に増加している。