読者です 読者をやめる 読者になる 読者になる

Towards a Robust Modeling of Temporal Interest Change Patterns for Behavioral Targeting メモ

概要

行動ターゲティング広告でコンバージョン(not click)するユーザを見つけるために,
ユーザの振る舞いの変化がどのように未来の行動の予測に関係するかを調査し,
減衰モデルと直近の行動を評価するモデルの組み合わせが,ユーザの全体像の予測に使えるかを示す

baseline feature weighting

あるウィンドウ幅でコンバージョンした際に関連するイベントを正例,
コンバージョンしなかったイベントを負例とする

特徴量の重みの baseline は bag of event を使って, 線形 svm で分類する

行動の種類

  • サイト訪問
  • 検索クエリ
  • バナー広告への(view, click, conversion)

recency

コンバージョン予測する日から,どれくらい離れているかで,重み付けする

  • intensity W_{intensity}(p) = \sum_{i} d^{(t_{p_i} - \tau)}
    • コンバージョン予測する日から,どれくらい離れているかで,重みを指数的に減少させる
  • recency
    • コンバージョン予測する日から,どれくらい離れているか,そのものの値を使う

change

周期的な行動をしていたユーザが,急に振る舞いを変えた際に,
これを反映するように重み付けする

  • long-term
  • short-term

ただの変化を捉えるだけでなく,相対的に増えたか・減ったかも捉える

評価

AUC

特徴選択

相互情報量

結果

行動の変化を捉えた重み付けは AUC の改善に効く
重み付けの方法を組み合わせると,AUC は一番改善する

  • intensity の d は 1.1の時が AUC の改善が大きい
    • 重みは一週間(1.1^{-7})で 0.5,二週間(1.1^{-14})で 0.26 と半分に減っていく
  • 行動の変化を捉える期間は,short-term で2週間,long-term で一ヶ月の時が AUC の改善が大きい
  • 広告キャンペーンでも差が出ていて,travel, autos ではうまくいっているが, cosmetics では baseline の方が結果が良かったりする
    • 購入まで時間がかかる系だと,ユーザの振る舞いにも変化が出るので,それが効いてるんじゃないか?的なことが書かれているような気がする
  • 各特徴量の重要度では,long-term の相対的な増加を重み付けするのと,recency で重み付けするのが効いている

感想とか

TBD

生き残るための広告技術 進化したインターネット広告「行動ターゲティング」のすべて

生き残るための広告技術 進化したインターネット広告「行動ターゲティング」のすべて