확률 제약 최적화 기반 타깃 인터넷 광고 배분 모델

초록

본 논문은 인터넷 디스플레이 광고 캠페인의 보장된 목표 달성을 위해, 광고 시청자 공급의 불확실성을 확률 제약(chance constraint) 형태로 모델링한다. 몬테카를로 샘플링과 분포‑자유·정규분포 기반의 볼록 근사법을 이용해 상하한을 이론적으로 제시하고, 실험을 통해 제안 방법의 효율성을 검증한다.

상세 분석

이 연구는 디스플레이 광고 네트워크가 여러 광고주에게 목표 노출 수(g_k)를 보장하면서, 각 시청자 유형(v)의 공급량(S_v)이 확률적으로 변동한다는 현실을 반영한다. 기존 연구가 기대값 기반 할당에 머물렀던 반면, 저자는 “확률 제약”(chance constraint) P(∑{v∈V_k} S_v p{vk} ≥ g_k ∀k) ≥ 1−α 형태를 도입해, 일정 수준의 실패 허용도(α)를 명시적으로 제어한다. 이는 광고주 만족도와 네트워크 수용 능력 사이의 트레이드오프를 수학적으로 명확히 한다.

목표 함수는 각 캠페인별 할당 비율(p_{vk})의 분산을 최소화하는 형태로, “대표성”(representativeness)을 정량화한다. 즉, 목표 시청자군에 대해 가능한 한 균등하게 광고를 배분함으로써 광고 효과와 사용자 경험을 동시에 최적화한다.

모델 자체는 비볼록이며 확률 적분이 필요해 직접 해결이 어려우므로, 저자는 두 가지 근사 전략을 제시한다. 첫 번째는 시나리오 기반 샘플링(SA)으로, N개의 공급 시나리오를 생성하고, 최소 ⌈(1−ξ)N⌉ 개의 시나리오에서 목표를 만족하도록 이진 변수 x_i를 도입한다. 이때 α와 ξ는 서로 연관된 파라미터로, 샘플 크기 N을 충분히 크게 잡으면 SA가 원문 문제의 상·하한을 확률적으로 보장한다. 두 번째는 볼록 근사(CA)이다. 공급을 평균·공분산만 알고 있는 경우, 마코프·체비쉐프 부등식 등을 이용해 분포‑자유 하한을 도출하고, 정규분포 가정 하에서는 2차원 원뿔 제약으로 변환한다. 이렇게 얻은 선형·2차원 원뿔 제약은 내부점법(primal‑dual interior‑point)으로 효율적으로 풀 수 있다.

또한, 저자는 Branch‑and‑Bound 알고리즘 내에서 SA의 하한을 빠르게 계산하기 위한 휴리스틱을 제시한다. 가장 위배 가능성이 큰 시나리오를 선택해 트리를 가지치기함으로써 계산량을 크게 감소시킨다. 실험에서는 실제 광고 네트워크 데이터와 합성 데이터를 사용해, 제안된 볼록 근사가 원문 문제와 거의 동일한 목표값을 제공하면서도 계산 시간은 수십 배 이상 단축됨을 확인했다.

이 논문의 핵심 기여는 (1) 광고 공급의 불확실성을 확률 제약으로 정형화, (2) 샘플링 기반 하한·상한 이론과 볼록 근사 기법을 결합해 실용적인 해결책을 제공, (3) 대규모 광고 네트워크에 적용 가능한 효율적인 Branch‑and‑Bound 전략을 제시한 점이다. 특히, 광고주가 요구하는 최소 보장 노출 수를 확률적으로 만족시키면서도 전체 시스템의 대표성을 유지하려는 실무적 요구를 수학적으로 만족시키는 모델을 처음으로 제시했다는 점에서 의의가 크다.