Competition-Aware CPC Forecasting with Near-Market Coverage

Diese Studie verbessert die Vorhersage von Kosten pro Klick (CPC) in Auktionsmärkten, indem sie latente Konkurrenz durch semantische, verhaltensbasierte und geografische Signale aus Google-Auktionsdaten approximiert und so die Stabilität und Genauigkeit von Prognosen auf mittlere bis lange Sicht erhöht.

Das Wesentliche

Stellen Sie sich vor, Sie betreiben eine kleine Mietwagenfirma und wollen wissen, wie teuer es nächstes Jahr sein wird, Kunden über Google-Werbung zu finden. Das Problem ist: Der Preis pro Klick (CPC) wird nicht von einem festen Preisschild bestimmt, sondern in einer Auktion festgelegt.

Stellen Sie sich diese Auktion wie ein verstecktes Pokerturnier vor. Sie sehen nur Ihre eigenen Karten (Ihre Klicks und Kosten), aber Sie können nicht sehen, welche Karten Ihre Konkurrenten haben, wie viel Geld sie ausgeben oder wie gut ihre Werbung ist. Das macht es extrem schwierig, die Zukunft vorherzusagen.

Dieses Papier beschreibt einen cleveren Weg, wie man trotzdem ein gutes Bild von den versteckten Karten der Gegner bekommt, ohne sie direkt sehen zu können. Hier ist die Erklärung in einfachen Schritten:

1. Das Problem: Der Nebel im Auktionsraum

In der Online-Werbung ist der Preis für einen Klick sehr schwankend. Wenn viele Firmen um denselben Suchbegriff (z. B. "Mietwagen am Flughafen") kämpfen, treiben die Preise hoch. Da Sie aber nur Ihre eigenen Daten sehen, ist es wie Autofahren im Nebel: Sie wissen nicht, ob gleich ein Konkurrent auf der anderen Spur schneller wird und Sie überholt.

2. Die Lösung: Drei "Spione" für die Konkurrenz

Die Forscher haben drei Arten von "Spionen" (Datenquellen) entwickelt, um die unsichtbare Konkurrenz zu erraten:

• Der "Bedeutungs-Spion" (Semantik):
  • Analogie: Stellen Sie sich vor, Sie suchen nach "Auto mieten". Ein Konkurrent wirbt vielleicht für "Leihwagen". Die Wörter sind unterschiedlich, aber die Bedeutung ist fast gleich.
  • Was sie tun: Sie nutzen eine künstliche Intelligenz, die versteht, welche Suchbegriffe sich ähneln. Wenn Begriffe wie "Mietwagen" und "Leihwagen" oft zusammen auftreten, wissen sie: "Aha, diese beiden kämpfen um dieselben Kunden."
• Der "Verhaltens-Spion" (DTW):
  • Analogie: Stellen Sie sich vor, Sie und Ihr Konkurrent tanzen. Auch wenn Sie nicht zur gleichen Musik tanzen, bewegen Sie sich vielleicht im gleichen Rhythmus. Wenn Ihre Preise plötzlich steigen, steigen vielleicht auch die Ihres Konkurrenten, weil beide auf denselben Marktimpuls reagieren.
  • Was sie tun: Sie vergleichen die Kurven der Preise über die Zeit. Wenn zwei Suchbegriffe sich im Preisverlauf ähnlich bewegen (wie zwei Tänzer im Takt), wissen sie, dass sie im selben Wettbewerbsumfeld sind.
• Der "Orts-Spion" (Geografie):
  • Analogie: Ein Mietwagen in München ist anders zu bewerten als einer in Hamburg. Der Wettbewerb ist lokal.
  • Was sie tun: Sie schauen genau hin, woher die Suchanfragen kommen. Wenn viele Leute in Berlin nach Mietwagen suchen, ist der Wettbewerb dort anders als in einer ländlichen Region.

3. Der Trick: Wie man die Spione nutzt

Die Forscher haben diese Informationen auf zwei Arten in ihre Vorhersagemodelle gesteckt:

1. Als zusätzliche Hinweise (Kovariaten): Sie geben dem Computer einfach die Informationen der Spione als "Tipp" mit. "Hey Computer, denk dran: In Berlin ist gerade viel los und 'Leihwagen' ist ähnlich wie 'Mietwagen'."
2. Als ein soziales Netzwerk (Graphen): Sie bauen eine Karte, auf der alle Suchbegriffe als Punkte dargestellt sind. Wenn zwei Begriffe ähnlich sind, verbindet eine Linie sie. Der Computer kann dann über diese Linien "Nachrichten" austauschen. Wenn der Preis für "Mietwagen" steigt, weiß das Modell sofort, dass "Leihwagen" wahrscheinlich auch steigen wird, weil sie über die Linie verbunden sind.

4. Das Ergebnis: Warum das wichtig ist

Die Studie hat gezeigt, dass diese Methode besonders dann hilft, wenn es schwierig wird:

• Bei kurzen Vorhersagen (1 Woche): Das Netzwerk-Modell (die Karte) funktioniert am besten, weil es schnelle Reaktionen der Konkurrenz einfängt.
• Bei längeren Vorhersagen (6–12 Wochen): Modelle, die die geografischen Tipps nutzen, sind am stabilsten.
• Der größte Gewinn: Die Methode hilft am meisten bei den teuersten und unruhigsten Suchbegriffen. Das sind genau die Fälle, bei denen eine falsche Vorhersage dem Unternehmen am meisten Geld kostet.

Fazit in einem Satz

Statt blindlings zu raten, wie sich die Preise entwickeln, nutzen die Forscher indirekte Hinweise (ähnliche Wörter, ähnliche Bewegungen, gleiche Orte), um die unsichtbaren Konkurrenten zu "hören" und so viel sicherer zu planen, als es mit reinen Zahlen möglich wäre. Es ist, als würde man im Poker nicht nur auf die eigenen Karten schauen, sondern auch auf die Art und Weise, wie die anderen Spieler zucken, um zu erraten, was sie halten.

Technische Zusammenfassung

1. Problemstellung

Das Paper adressiert die Herausforderung der Vorhersage von Cost-per-Click (CPC) in der bezahlten Suchwerbung (Paid Search).

• Partielle Beobachtbarkeit: CPC ist das Ergebnis eines Echtzeit-Auktionsmechanismus. Werbetreibende sehen zwar den realisierten CPC, Klicks und Ausgaben, haben aber keine direkte Sicht auf die internen Zustände der Auktion, wie z. B. die Gebote der Konkurrenten, deren Qualitäts-Signale oder den vollständigen Auktionszustand.
• Limitationen bestehender Ansätze: Herkömmliche autoregressive Modelle (die nur auf historischen CPC-Werten basieren) stoßen an Grenzen, da sie die zugrunde liegende Wettbewerbsdynamik nicht erfassen können. Dies führt zu instabilen Vorhersagen, insbesondere bei mittleren und langen Zeithorizonten, wo Regimewechsel und lokale Nachfrageschwankungen dominieren.
• Ziel: Die Entwicklung einer Methode, um latente Wettbewerbsbedingungen durch beobachtbare Proxys (Stellvertreterdaten) zu approximieren und so die Vorhersagegenauigkeit zu verbessern.

2. Methodik

Die Autoren nutzen einen großen Datensatz von Google Ads-Auktionslogs im Autovermietungssektor (2021–2023), der ca. 1,66 Milliarden Einträge umfasst. Nach Bereinigung und Aggregation verbleiben 1.811 Keyword-Zeitreihen über 127 Wochen.

Die Methodik basiert auf der Extraktion dreier komplementärer Wettbewerbs-Proxys, die in zwei Darstellungsformen in die Modelle eingespeist werden:

A. Extraktion der Proxys

1. Semantische Nachbarschaften:
   • Nutzung von vortrainierten Transformer-Embeddings (All-MiniLM-L6-v2) für Keyword-Texte.
   • Berechnung der semantischen Ähnlichkeit (Cosine Similarity), um Keywords mit ähnlicher Nutzerintention zu gruppieren, auch wenn sie lexikalisch unterschiedlich sind.
2. Verhaltensbasierte Nachbarschaften (Behavioral Neighborhoods):
   • Anwendung von Dynamic Time Warping (DTW) auf CPC-Trajektorien.
   • Dies identifiziert Keywords, die ähnliche dynamische Verläufe aufweisen (z. B. durch gemeinsame Nachfrageschocks oder Kampagnenzeitpunkte), selbst wenn sie keine semantische Ähnlichkeit haben.
3. Geografische Intent-Signale:
   • Extraktion von geografischen Kontexten (Kontinent, Land, Stadt) aus Keywords und Referenzdatenbanken.
   • Da der Autovermietungssektor stark lokalisiert ist, dienen diese Signale als Proxy für lokale Marktheterogenität und Nachfragekonzentration.

B. Zwei Implementierungsrouten

Die extrahierten Proxys werden auf zwei Arten in die Vorhersagemodelle integriert:

1. Exogene Kovariaten: Die Proxys werden als zusätzliche Eingabevariablen (Features) in Zeitreihenmodelle eingespeist.
2. Relationale Priors (Graph-Struktur): Die semantischen Nachbarschaften werden verwendet, um einen festen semantischen Keyword-Graphen zu konstruieren. Dieser Graph dient als Adjazenzmatrix für räumlich-zeitliche Graph-Neuronale Netze (STGNNs), die Informationen zwischen verbundenen Keywords propagieren.

C. Evaluierte Modellarchitekturen

Das Paper vergleicht ein breites Spektrum an Modellen:

• Klassische Baselines: SARIMAX, XGBoost, Random Forest, TabPFN.
• Zeitreihen-Foundation-Modelle (TSFMs): Chronos-2, TimeGPT, Moirai (hier mit exogenen Kovariaten).
• Spatio-temporale Graph-Neuronale Netze (STGNNs): DCRNN, GConvLSTM, GraphWaveNet (hier mit dem semantischen Graphen).

3. Wichtige Beiträge

1. Neue Problemformulierung: CPC-Vorhersage wird als Problem der partiellen Wettbewerbsbeobachtbarkeit neu definiert. Die Lösung liegt nicht in einer neuen Architektur, sondern in der domänenspezifischen Konstruktion von Proxys für latente Konkurrenz.
2. Skalierbare Proxy-Konstruktion: Die Operationalisierung von semantischen, verhaltensbasierten und geografischen Wettbewerbsindikatoren auf industrieller Ebene.
3. Umfassender Benchmark: Der erste systematische Vergleich von klassischen Modellen, modernen Foundation-Modellen und Graph-Netzen im Kontext von CPC-Vorhersagen unter Einbeziehung von Wettbewerbsdaten.
4. Analyse der „Competitive Frontier": Eine Segmentierung der Keywords nach CPC-Höhe und Volatilität zeigt, dass die Verbesserungen nicht gleichmäßig verteilt sind, sondern dort am größten sind, wo das Budgetrisiko am höchsten ist (hohe CPC, hohe Volatilität).

4. Ergebnisse

Die Evaluation erfolgte über drei Zeithorizonte (1, 6 und 12 Wochen) unter Verwendung von sMAPE (symmetrischer mittlerer absoluter prozentualer Fehler) und RMSE.

• Leistung nach Zeithorizont:
  • 1 Woche: STGNNs (Graph-Modelle) performen am besten, da sie kurzfristige dynamische Abhängigkeiten über den Graphen gut erfassen.
  • 6 und 12 Wochen: Covariate-augmentierte Time-Series Foundation Models (insbesondere Chronos-2) übertreffen alle anderen Ansätze.
• Einfluss der Wettbewerbs-Proxys:
  • Wettbewerbsbewusste Modelle schlagen konsistent reine autoregressive Baselines.
  • Geografische Proxys wirken als starker Stabilisator für Foundation-Modelle (insb. Kontinent-Level).
  • Semantische Graphen bieten signifikante Vorteile für die Modellierung von „Spillover"-Effekten zwischen Keywords.
• Wichtigste Erkenntnis zur Feature-Auswahl:
  • Das bloße „Stacking" aller verfügbaren Features führt zu schlechteren Ergebnissen (Overfitting/Rauschen).
  • Selektive, theoretisch fundierte Auswahl der Proxys ist entscheidend. Die beste Kombination für den 6-Wochen-Horizont war eine Mischung aus Kernfeatures, geografischen Daten und semantischen CPC-Signalen.
• Robustheit: Die größten Verbesserungen traten im Bereich der „Competitive Frontier" (hohe CPC, hohe Volatilität) auf, was für die operative Planung von Werbetreibenden den größten wirtschaftlichen Wert darstellt.

5. Bedeutung und Fazit

Das Paper zeigt, dass latente Wettbewerbsstrukturen in Auktionsmärkten durch beobachtbare Signale (Text, Trajektorien, Geografie) erfolgreich rekonstruiert werden können.

• Praktische Relevanz: Werbetreibende können ihre Budgetplanung und Gebotsstrategien verbessern, indem sie nicht nur auf historische Daten zurückgreifen, sondern systematisch Wettbewerbsproxys in ihre Vorhersagemodelle integrieren.
• Methodischer Fortschritt: Die Kombination aus domänenspezifischer Proxy-Konstruktion und modernen Graph- oder Foundation-Modellen bietet einen skalierbaren Ansatz für Vorhersagen in Umgebungen mit unvollständiger Information.
• Limitationen: Die Studie ist auf einen konzentrierten Markt (Autovermietung) beschränkt. Zukünftige Arbeiten sollten dynamische Graphen (für sich ändernde Keyword-Beziehungen) und weitere Branchen untersuchen.

Zusammenfassend beweist das Paper, dass eine wettbewerbsbewusste Vorhersage (Competition-Aware Forecasting) die Stabilität und Genauigkeit von CPC-Prognosen signifikant steigert, insbesondere in den für das Geschäft kritischen, volatilen Marktsegmenten.