하이브리드 키워드 검색 경매와 클릭 노출 입찰 통합

검색 엔진 광고 시장은 클릭당 과금(CPC) 모델을 중심으로 성장해 왔으며, 이는 광고주와 검색 엔진이 각각 CTR(클릭률)과 전환률에 대한 불확실성을 분산시키는 방식으로 작동한다. 그러나 실제 환경에서는 키워드별 데이터가 희소하고, 광고주가 보유한 도메인 지식이나 외부 데이터가 경매자의 사전과 크게 차이날 수 있다. 이러한 상황을 개선하고자 저자들은 ‘하이브리드 키워드 검색 경매’를 제안한다. 핵심 메커니즘은 광고주가 두 종류의 입찰값을 동시에 제출한다는 점이다. m은 노출당(임프레션) 입찰액, c는 클릭당 입찰액이며, 경매자는 각 광고주에 대해 q라는 ‘경매자 인덱스’를 계산한다. q는 광고주의 CTR에 대한 경매자의 사후 기대값 혹은 Gittins 인덱스와 같은 탐색‑활용 균형 지표가 될 수 있다. 효과적 입찰값 R = max(m, c·q)를 기준으로 광고주를 순위 매기고, 최고 R을 제시한 광고주가 슬롯을 차지한다. 가격은 두 번째 높은 R에 따라 결정되며, 선택된 입찰 형태에 따라 노출당 가격(R₂) 혹은 클릭당 가격(R₂·q)으로 청구된다. 진실성(Truthfulness) 분석에서는 광고주가 위험 중립일 경우, 자신의 기대 수익을 정확히 m과 c에 매핑하는 것이 지배 전략임을 증명한다. 즉, 광고주는 자신의 예상 클릭당 수익을 c에, 예상 노출당 수익을 m에 그대로 적어야 하며, 이를 왜곡하면 기대 이익이 감소한다. 위험 회피형 광고주는 클릭당 입찰을, 위험 추구형 광고주는 노출당 입찰을 선호한다는 결과는, 각각의 입찰 형태가 위험을 어떻게 전가하는가에 대한 정량적 비교를 통해 도출된다. 희소 키워드 상황을 모델링하기 위해 경매자는 베타 분포를 사전으로 가정한다. 광고주가 제공하는 노출당 입찰은 경매자에게 추가적인 CTR 정보를 제공하며, 이를 통해 사후 분포가 빠르게 수렴한다. 이 경우 경매자는 순수 CPC 경매 대비 최대 1/e(≈37%) 이하의 수익 손실만을 감수하면 된다. 반면, CPC만을 사용할 경우 수익 손실이 100%에 가까워질 수 있다. 경매자의 의사결정 과정은 다중 무장 밴딧(MAB) 문제와 동일시된다. 경매자는 각 광고주의 사후 분포 Qᵗ에 대해 Gittins 인덱스를 계산하고, 이를 q로 사용한다. Gittins 인덱스는 사전 평균보다 크고, 분산이 클수록 높아져 불확실성이 큰 광고주에 대해 탐색을 강화한다. 따라서 경매자는 정보가 부족한 광고주에게 노출당 입찰을 유도해 데이터를 수집하고, 정보가 충분히 축적된 광고주에게는 클릭당 입찰을 통해 효율적인 수익을 창출한다. 논문은 또한 ‘반동적 광고주(semimyopic)’ 모델을 도입해, 광고주가 단기 이익이 아니라 장기 할인된 수익을 최적화하도록 확장한다. 이 경우 광고주는 ‘입찰 인덱스’를 계산해, 자신의 할인 요인과 사후 분포를 종합한 최적 입찰 전략을 도출한다. 특정 상황에서는 이 인덱스가 순수 CPC 혹은 CPM 전략과 일치해, 하이브리드 경매가 복잡한 동적 프로그래밍 전략을 자연스럽게 구현할 수 있음을 보여준다. 마지막으로, 광고주가 자신의 CTR이 경매자의 사전보다 현저히 높다고 판단될 때, 노출당 입찰을 이용해 경매자의 사후를 빠르게 교정할 수 있다. 이 과정에서 광고주는 추가 비용을 부담하지 않으며, 순수 클릭당 입찰만을 사용할 경우 발생할 수 있는 큰 비용을 회피한다. 전체적으로 이 연구는 하이브리드 경매가 기존 CPC 모델 대비 다음과 같은 장점을 제공함을 입증한다. ① 위험 회피·추구 성향을 반영한 맞춤형 입찰 선택이 가능하고, ② 희소 키워드에서 정보 비대칭을 감소시켜 수익을 크게 향상시키며, ③ 광고주와 경매자가 협력적으로 탐색‑활용 전략을 수행할 수 있는 프레임워크를 제공한다. 이러한 결과는 인터넷 상거래가 성숙함에 따라 보다 정교한 가격 메커니즘이 필요함을 시사한다.