본 논문은 모바일 인터넷 시대의 온라인 음식 주문 서비스(OFOS)에서 효율적인 마케팅 예산 배분을 위한 새로운 방법인 Constrained Monotonic Adaptive Network (CoMAN)을 제안합니다. OFOS 플랫폼은 다양한 마케팅 캠페인을 통해 사용자와 판매자에게 동적인 인센티브를 제공하지만, 제한된 예산 내에서 사용자의 인센티브 반응(민감도)을 정확하게 예측하고 시공간적 적응성을 확보하는 데 어려움을 겪습니다. CoMAN은 시공간적 선호도를 포착하는 두 가지 모듈과 시공간적 볼록성 및 오목성을 학습하고 민감도 함수를 표현하는 모듈을 통해 사용자의 인센티브 민감도 차이를 효과적으로 파악합니다. 이를 통해 인센티브 투자를 효율적으로 배분하여 전환율과 주문량을 높이고 예산 효율성을 유지할 수 있습니다. 다양한 마케팅 캠페인에 대한 오프라인 및 온라인 실험 결과, 기존 방법보다 우수한 성능을 보였음을 확인했습니다.
시사점, 한계점
•
시사점:
◦
제한된 마케팅 예산을 효율적으로 배분하는 새로운 방법인 CoMAN 제시.
◦
사용자의 시공간적 선호도와 인센티브 민감도를 정확하게 예측.
◦
전환율 및 주문량 증가와 예산 효율성 향상을 동시에 달성.
◦
다양한 마케팅 캠페인에서 효과를 검증.
•
한계점:
◦
CoMAN의 성능은 사용되는 데이터의 질에 크게 의존할 수 있음.
◦
특정 OFOS 플랫폼에 특화된 모델이므로 다른 플랫폼으로의 일반화 가능성에 대한 추가 연구 필요.
◦
장기적인 관점에서 사용자의 인센티브에 대한 반응 변화를 얼마나 정확하게 예측할 수 있는지에 대한 추가 검증 필요.
