Interpretable Deep Learning for Forecasting Online Advertising Costs: Insights from the Competitive Bidding Landscape

要約

広告主が予算をデジタル広告にシフトすることが増えているため、マーケティング キャンペーンの収益を最適化するには、広告コストを正確に予測することが不可欠になっています。
このペーパーでは、オンライン広告市場における 1 日の平均 CPC を予測するために、さまざまな時系列予測手法を使用した包括的な調査を紹介します。
私たちは、Temporal Fusion Transformer (TFT) を含む、統計モデル、機械学習技術、深層学習アプローチのパフォーマンスを評価します。
私たちの調査結果では、時系列クラスタリングを通じて競合他社の CPC パターンから導出された共変量で強化された多変量モデルを組み込むことで、予測精度が大幅に向上することが明らかになりました。
私たちは機能の重要性と一時的な注目度を分析することで結果を解釈し、モデルが広告主のデータと競争環境からの洞察の両方をどのように活用しているかを示します。
さらに、当社の手法は、新型コロナウイルス感染症のパンデミックなどの市場の大きな変化においても堅牢であることが証明されており、個々の広告主のデータのみに依存するモデルよりも常に優れたパフォーマンスを発揮します。
この研究では、広範な広告主プールから関連する共変量を選択するためのスケーラブルな手法を導入し、デジタル広告における予算配分と競争力学に対するより正確な長期予測と戦略的洞察を提供します。

要約(オリジナル)

As advertisers increasingly shift their budgets toward digital advertising, accurately forecasting advertising costs becomes essential for optimizing marketing campaign returns. This paper presents a comprehensive study that employs various time-series forecasting methods to predict daily average CPC in the online advertising market. We evaluate the performance of statistical models, machine learning techniques, and deep learning approaches, including the Temporal Fusion Transformer (TFT). Our findings reveal that incorporating multivariate models, enriched with covariates derived from competitors’ CPC patterns through time-series clustering, significantly improves forecasting accuracy. We interpret the results by analyzing feature importance and temporal attention, demonstrating how the models leverage both the advertiser’s data and insights from the competitive landscape. Additionally, our method proves robust during major market shifts, such as the COVID-19 pandemic, consistently outperforming models that rely solely on individual advertisers’ data. This study introduces a scalable technique for selecting relevant covariates from a broad pool of advertisers, offering more accurate long-term forecasts and strategic insights into budget allocation and competitive dynamics in digital advertising.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google