가치극대화 입찰자들의 협조 메커니즘 분석

초록

본 논문은 온라인 광고 경매에서 자동 입찰 알고리즘을 사용하는 다수의 입찰자가 협조할 경우, 최고 가치 입찰자만 외부 경쟁자와 경쟁하도록 하는 간단한 협조 메커니즘이 독립 입찰보다 RoS(광고비 대비 수익) 위반을 감소시키고 전체 가치 획득을 향상시킨다는 이론적·실험적 결과를 제시한다.

상세 분석

논문은 먼저 온라인 광고 시장에서 자동 입찰(auto‑bidding) 알고리즘이 RoS 제약 하에 가치(value)를 최대화하도록 설계된 현실을 강조한다. 기존 연구는 개별 입찰자의 최적화에 집중했지만, 실제로는 여러 광고주가 동일한 플랫폼을 이용하거나 하나의 대형 광고주가 다수의 캠페인을 운영하면서 자연스럽게 ‘협조(coordination)’가 발생한다는 점을 지적한다. 이를 모델링하기 위해 N개의 자동 입찰자가 T 라운드의 2차 가격 경매에 참여하고, 각 라운드마다 가치 v_i,t가 i.i.d. 연속분포 F에서 추출된다고 가정한다. 외부 경쟁 입찰 d_O,t는 별도 분포 D에서 독립적으로 샘플링된다.

두 가지 입찰 방식을 비교한다. ① 독립 입찰: 모든 N명의 입찰자가 각각 자신의 자동 입찰 알고리즘 A에 따라 비공개 입찰을 제시한다. ② 협조 입찰: 매 라운드 가치가 가장 큰 입찰자 i만 실제 입찰을 하고, 나머지는 0을 입찰한다. 이때 i는 자신의 가치와 과거 히스토리를 이용해 동일한 알고리즘 A를 적용한다.

핵심 이론적 결과는 Assumption 1(Δ≥0)이다. Δ는 “두 번째로 큰 가치와 외부 입찰의 차이”와 “외부 입찰과 가장 큰 가치의 차이”의 기대값 차이를 의미한다. Δ≥0이면, 즉 두 번째 큰 가치가 외부 입찰보다 충분히 높을 경우, 모든 과잉 입찰(over‑bidding) 알고리즘에 대해 협조 입찰이 각 입찰자의 총 유틸리티를 최소 T·Δ/N 만큼 증가시킨다. 이는 RoS 제약 위반을 감소시키는 직접적인 증거이다. 반대로 Δ<0이면, 특정 과잉 입찰 알고리즘에 대해 협조가 오히려 손해를 초래할 수 있음을 보인다.

다음으로 전체 가치 관점에서 분석한다. ‘Mirror‑Descent’ 계열의 자동 입찰 알고리즘(λ 파라미터를 이용해 라그랑주 승수를 조정하고 b_i,t=(1+1/λ_i,t)v_i,t 로 입찰)은 현재 광고 기술에서 가장 널리 쓰이는 형태이며, O(√T) 수준의 레그레스를 보장한다. 논문은 이러한 알고리즘에 대해 협조 메커니즘이 전체 가치(모든 N명 입찰자의 가치 합)를 항상 증가시킨다는 정리를 제시한다. 특히 Δ≥0인 경우, 협조된 Mirror‑Descent 알고리즘은 장기(T→∞) 한계에서 가능한 최적의 협조 메커니즘과 동등한 성능을 달성한다.

비 i.i.d. 상황, 즉 각 입찰자의 가치 분포가 다를 때도 약간 강화된 가정 하에 동일한 협조 전략이 전체 가치와 RoS 위반을 개선한다는 확장 결과를 제시한다. 다만 개별 입찰자 수준에서는 보장이 약해지며, 이는 향후 연구 과제로 남긴다.

실험 부분에서는 합성 데이터와 실제 광고 로그(구글, 메타 등) 두 종류를 사용해 시뮬레이션을 수행한다. 결과는 Δ≥0인 설정에서 협조 입찰이 독립 입찰 대비 평균 5~12% 정도의 가치 증가와 RoS 위반 감소를 일관되게 보여준다. 특히 높은 경쟁 구간(외부 입찰이 강한 경우)에서 협조 효과가 더욱 두드러졌다.

관련 연구에서는 전통적인 경매 이론에서의 카르텔·공모(collusion)와 온라인 광고에서의 자동 입찰을 각각 다루었지만, 가치극대화 입찰자와 RoS 제약을 동시에 고려한 협조 메커니즘은 최초로 제시된다는 점에서 독창적이다.

전체적으로 논문은 “가장 가치가 높은 입찰자만 경쟁에 참여하도록 하는 단순한 협조 규칙이, 광범위한 자동 입찰 알고리즘 하에서 개별 및 전체 성과를 동시에 개선한다”는 강력한 이론적·실증적 근거를 제공한다. 이는 광고 플랫폼 설계자와 대형 광고주 모두에게 실용적인 정책 제안을 가능하게 한다.