Delayed Feedback Modeling with Influence Functions
Created by
Haebom
저자
Chenlu Ding, Jiancan Wu, Yancheng Yuan, Cunchun Li, Xiang Wang, Dingxian Wang, Frank Yang, Andrew Rabinovich
개요
본 논문은 CPA(Cost-Per-Conversion) 모델 기반 온라인 광고에서 변환율(CVR) 예측의 정확성을 높이는 방법을 제시합니다. 주요 과제는 사용자의 광고 반응 이후 상당한 시간이 지나서야 변환이 발생하는 지연 피드백 문제로, 최근 데이터의 불완전성과 편향된 모델 학습을 야기합니다. 기존 해결책들은 이 문제를 부분적으로 완화하지만, 보조 모델에 의존하여 계산 효율이 떨어지고 사용자 관심 변화에 대한 적응력이 낮다는 한계가 있습니다. 본 논문에서는 지연 피드백 모델링을 위한 영향 함수 기반 방법(IF-DFM)을 제안합니다. IF-DFM은 새롭게 도착하는 변환과 지연된 변환의 모델 파라미터에 대한 영향을 추정하여 전체 재학습 없이 효율적인 업데이트를 가능하게 합니다. 역 헤시안-벡터 곱을 최적화 문제로 재구성하여 확장성과 효과 사이의 균형을 잘 맞춥니다. 벤치마크 데이터셋 실험 결과, IF-DFM은 기존 방법보다 정확도와 적응력 면에서 우수한 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
지연 피드백 문제를 효과적으로 해결하여 온라인 광고의 CVR 예측 정확도 향상에 기여.
◦
보조 모델 없이 효율적인 모델 업데이트를 가능하게 하여 계산 비용 절감.
◦
사용자 관심 변화에 대한 적응력이 높아 변화하는 시장 환경에 유연하게 대응 가능.
•
한계점:
◦
제안된 방법의 실제 상용 시스템 적용 시 발생할 수 있는 문제점 및 한계에 대한 논의 부족.
◦
다양한 유형의 온라인 광고 데이터 및 시나리오에 대한 일반화 성능에 대한 추가적인 검증 필요.
