공동 광고 경매의 외부효과와 적응성을 고려한 통합 프레임워크

초록

**
본 논문은 브랜드와 매장이 공동으로 광고 슬롯을 경쟁하는 ‘공동 광고’ 환경에서, 전통 광고와의 통합 운영, 전역 외부효과, 그리고 다중 광고주들의 입찰 분포 차이를 동시에 다루는 자동 메커니즘 설계(AMD) 방법인 JEANet을 제안한다. JEANet은 개별 합리성(IR)과 근사 우위전략 인센티브 호환성(DSIC)을 만족하면서 플랫폼 수익과 사용자 경험을 최적화한다. 실험 결과, 기존 최첨단 모델들을 크게 앞서는 성능을 보인다.

**

상세 분석

**
JEANet이 제시하는 핵심 혁신은 세 가지 축으로 요약할 수 있다. 첫째, 전역 외부효과(Global Externalities) 를 명시적으로 모델링한다는 점이다. 기존 연구들은 주로 슬롯별 클릭률(CTR) 혹은 로컬 외부효과에 머물렀으며, 광고와 유기 아이템 간의 상호작용을 전반적인 리스트 수준에서 최적화하지 못했다. JEANet은 광고와 유기 아이템 각각의 컨텍스트와 기대 사용자 경험(ue)을 공동 변수로 삼아, 각 슬롯에 배치될 아이템이 전체 리스트에 미치는 영향을 확률적 함수 a_i(b, ue, c_ad, c_na, α) 로 정의한다. 이를 통해 광고가 차지하는 슬롯이 뒤쪽 슬롯의 유기 아이템 클릭률을 어떻게 감소·증가시키는지를 정량화한다.

둘째, 입찰 분포 적응(Adaptation) 이다. 공동 광고에서는 매장 광고주, 브랜드 광고주, 그리고 이들의 공동 입찰(b_joint = (b_store, b_brand))이라는 세 종류의 입찰 형태가 존재한다. 실험 데이터(Figure 1)에서 보듯이 각 유형의 입찰값은 로그정규, 정규 등 서로 다른 통계적 특성을 보인다. JEANet은 ‘입찰 추출 모듈’을 도입해, 각 광고주의 컨텍스트와 과거 입찰 히스토리를 입력으로 받아 유형별 분포를 자동으로 학습한다. 이렇게 학습된 bid embedding은 이후 할당·결제 네트워크에 전달되어, 입찰 차이에 따른 최적 슬롯 배치를 가능하게 한다.

셋째, 자동 메커니즘 설계(AMD) 기반의 근사 DSIC 보장이다. JEANet은 RegretNet 구조를 확장해, 할당 함수 a와 결제 함수 p를 동시에 최적화한다. 목표 함수는 플랫폼 수익(광고 클릭당 기대 수익)과 사용자 경험(유기 아이템 및 광고의 ue) 사이의 가중합이며, 제약조건으로는 IR(모든 광고주가 비음수 유틸리티를 얻음)과 근사 DSIC(전략적 입찰에 대한 후회(regret) ≤ ε) 를 포함한다. 학습 과정에서 ‘regret loss’를 추가해 입찰자별 후회를 최소화하고, ‘revenue loss’를 통해 수익성을 극대화한다.

구조적으로 JEANet은 (1) 입찰 추출기, (2) 컨텍스트 인코더, (3) 할당·결제 네트워크, (4) 외부효과 모델링 모듈의 네 부분으로 구성된다. 각 모듈은 미분 가능하게 설계돼 end‑to‑end 학습이 가능하며, 실제 산업 데이터(수백만 건)와 합성 데이터 모두에서 높은 수렴 속도와 안정성을 보인다.

실험에서는 전통적인 VCG, Myerson, GSP 기반 베이스라인뿐 아니라 최신 AMD 모델인 RegretNet, TICNet, JRegNet 등을 비교하였다. 다중 슬롯( K = 5) 환경에서 JEANet은 평균 12 %~18 % 이상의 수익 증가와 동시에 사용자 경험 점수(ue)에서 5 % 이상 개선을 달성했다. 특히, 후보 광고 집합이 크게 축소된 공동 광고 시나리오에서 기존 모델이 급격히 성능이 저하되는 반면, JEANet은 입찰 적응 모듈 덕분에 안정적인 성능을 유지한다.

이러한 결과는 ‘광고와 유기 아이템을 하나의 하이브리드 리스트로 최적화하는 통합 프레임워크’ 가 실제 비즈니스 현장에서 적용 가능함을 시사한다. JEANet은 외부효과와 입찰 이질성을 동시에 고려함으로써, 플랫폼 수익성, 광고주 만족도, 그리고 최종 사용자 경험을 모두 향상시키는 균형 잡힌 솔루션을 제공한다.

**