온라인 광고 시장에서 예산 분배와 클릭 확률 예측

Abstract

광고란 서비스를 구독하거나 상품을 구매하려는 잠재적인 고객을 대상으로 하는 마케팅 기법이다. 광고는 또한 브랜드와 관련된 광고의 반복된 노출을 통해 브랜드 이미지를 만드는 방법이기도 하다. 기술의 발전과 함께 사람들의 생활 반경은 오프라인에서 온라인으로 옮겨졌다. 온라인 광고 산업의 핵심 목표는 사용자 경험을 바탕으로 사용자의 인터넷 경험을 향상시키고, 광고주의 광고 효과를 높이며, 매체의 이윤을 극대화하는 것이다. 이를 위해 쿠키를 이용하여, 브라우저의 행동 정보를 수집한다. 그리고 수집된 정보를 바탕으로 브라우저의 사용자 프로파일링을 한다. 그런 다음 프로파일링 한 정보를 바탕으로 개인화된 광고를 내보낸다. 이런 개인화 광고를 내보내기 위해서 시스템이 필요해졌다. 본 논문은 이 온라인 광고 시스템에서 알고리즘에 관한 연구이다. 먼저 온라인 광고 시장에 대한 개괄적인 소개를 한다. 그 후 온라인 광고 시장의 경제학적 특성을 논의하고, 주요 문제를 제시한다. 온라인 광고 시장은 그 시장 규모나 발달 속도에 비해 우리나라에 알려진 바가 적고, 해외에서는 활발히 연구되고 있다. 본 연구는 온라인 광고 시장에 핵심 문제들에 대한 최신 알고리즘에 대한 개괄적인 소개와 더불어 개선할 수 있는 방향을 제시하는 방안을 제안함으로써 계량경제학 분야에 학술적인 기여를 할 수 있을 것으로 기대한다. 첫 번째로 온라인 광고 시장의 주요 문제인 클릭 확률 추정과 관련된 알고리즘 소개와 개선 방안에 대해 논의한다. 본 연구에서는 클릭 확률 추정 모델을 만들 때에 베이스 모델로는 FM-FTRL을 사용했다. 또한 추가적인 변수로 입력 벡터의 비선형 그룹을 찾아내는 K-평균 클러스터링 알고리즘의 예측치를 사용했다. 그리고 그라디언트 부스팅 모델의 잎 노드들을 추가적인 변수로 사용했다. K-MEANS 변수와 GBDT 변수가 각각 원 자료의 비선형 특성을 전체 자료의 10%만 가지고도 잘 포착하며, 일반화된다고 볼 수 있다. 그 다음으로 온라인 광고 시장에서 또 하나의 중요한 문제인 예산 분배에 대해 논의한다. 광고주는 시간에 따라서 부드럽게 게재되는 예산 할당을 추구한다. 시간에 따라서 부드럽게 예산 분배가 된다면, 같은 광고비를 지속적으로 사용할 수 있고, 더 넓은 잠재고객에게 도달할 수 있기 때문이다. DSP는 개별 증권사와 매우 유사하다. DSP를 마치 증권사처럼 생각한다면, 예산 분배는 포트폴리오를 작성하는 것이라 생각할 수 있다. 광범위한 주식 중에서 최적 기대 이윤을 가져다 줄 최적 포트폴리오를 결정하는 문제와 동일시 될 수 있다. 일반적인 예산 분배 방법은 스로틀링과 입찰 수정 방법이 있다. 본 연구에서는 스로틀링 방식을 사용했다. 개선점으로는 DSP 입장에서 포트폴리오 이론을 바탕으로 한 최적 입찰 확률을 추정하였다. Sharpe Ratio를 활용해 리스크 대비 투자 결과를 측정하고 최대 비율이 되는 가중치를 사용하여, 예산 소진을 거의 다 하면서도 퍼포먼스를 향상시키는 방안을 제시하였다. 온라인 광고 시장은 빅 데이터라 불리는 방대한 양의 데이터를 가지기 때문에 스몰 데이터에서는 문제가 되지 않던 것들이 문제가 되는 경우가 많다. 단순히 양이 많아짐에 따라 발생하는 문제들을 처리하는 방법 또한 잘 알려져 있지 않고, 구전되는 경우가 많기 때문에 해당 내용에 대한 논의를 통해 실무에 도움이 되기를 기대한다.|Advertising is a marketing technique that targets potential customers who want to subscribe to a service or purchase a product. Advertising is also a way to create a brand image through repeated impressions of ads related to the brand. With the advancement of technology, people's lives have been moved from offline to online. A key goal of the online advertising industry is to improve the user experience on the Internet based on the user experience, to increase the advertising effectiveness of the advertiser, and to maximize the media profit. To do this, we use cookies to collect browser behavior information. And then profiling the user of the browser based on the collected information. It then sends personalized ads based on the information you profiled. We needed a system to export these personalized ads. This paper is a study on algorithms in this online advertising system. First of all, I will give an overview of the online advertising market. After that, I discuss the economic characteristics of the online advertising market and present major problems. The online advertising market is less known in Korea than the market size and development rate, and has been actively studied overseas. This study is expected to contribute to academic economics in the field of econometrics by proposing an overview of the latest algorithms on the core problems in the online advertising market and suggesting ways to improve them. First, I introduce the algorithms related to the click probability estimation which is the main problem of the online advertisement market and discuss the improvement plan. In this study, FM-FTRL was used as the base model when creating the click probability estimation model. I also used the predictions of a K-means clustering algorithm to find nonlinear groups of input vectors as additional variables. And I used the leaf nodes of the gradient boosting model as additional variables. The K-MEANS variable and the GBDT variable capture the nonlinear characteristics of the original data well, even with only 10% of the total data, and are generalized. Next, I discuss budget allocation, another important issue in the online advertising market. Advertisers want a budget allocation that will appear smooth over time. Given the smooth distribution of budget over time, it can continue to use the same advertising costs and reach a wider audience. DSPs are very similar to individual securities firms. If we think of DSP as a brokerage, we can think of the budget allocation as creating a portfolio. It can be identified with the problem of determining an optimal portfolio that will yield optimal expected profit among a broad range of stocks. Common budget allocation methods include throttling and bidding modifications. The throttle method was used in this study. As an improvement, I estimate the optimal bid probability based on the portfolio theory in the DSP perspective. The Sharpe Ratio was used to measure the return on investment and to use the maximum weighting value. And suggested ways to improve performance while exhausting the budget. Because the online advertising market has a vast amount of data called big data, things that are not problematic for small data are often problematic. It is not well known how to deal with problems that arise as the quantity simply increases, so I expect to be helpful to the practitioner by discussing the contents.