Knowledge-informed Bidding with Dual-process Control for Online Advertising

Created by

Haebom

저자

Huixiang Luo, Longyu Gao, Yaqi Liu, Qianqian Chen, Pingchun Huang, Tianning Li

💡 개요

기존 온라인 광고 입찰 최적화 방법은 과거 데이터에 의존하는 블랙박스 모델을 사용하지만, 인간 전문가의 적응적이고 경험 중심적인 의사결정을 재현하지 못합니다. 본 논문은 인간 전문성을 귀납적 편향으로 내재화하고, Decision Transformer를 활용하여 다단계 입찰 시퀀스를 최적화하며, 빠른 규칙 기반 제어(System 1)와 DT(System 2)를 결합한 이중 처리 제어(Dual-process control) 방식을 사용하는 KBD(Knowledge-informed Bidding with Dual-process control)를 제안합니다. 실험 결과, KBD는 기존 방법 대비 우수한 성능을 보여주며, 인간 전문성 및 이중 처리 제어의 이점을 강조합니다.

🔑 시사점 및 한계

•

온라인 광고 입찰 최적화에 인간 전문가의 지식과 경험을 효과적으로 통합할 수 있는 새로운 방법론을 제시합니다.

•

다단계 입찰 시퀀스의 전역적 최적화와 인간 전문가의 직관적 판단을 결합하는 이중 처리 제어 방식이 성능 향상에 기여함을 입증합니다.

•

데이터 부족, 장기적인 상호 의존성 무시, 분포 외(out-of-distribution) 시나리오 적응 문제 등 기존 방법론의 한계를 극복할 가능성을 보여줍니다.

•

제안된 방법의 실제 환경 적용 시 효율성 및 확장성, 그리고 인간 전문성 통합 방식의 일반화 가능성에 대한 추가적인 연구가 필요합니다.

PDF 보기

Made with Slashpage