Into the Unknown: Accounting for Missing Demographic Data when Mitigating Ad Delivery Skew

तकनीकी सारांश: अज्ञात में प्रवेश: विज्ञापन वितरण विषमता (Ad Delivery Skew) को कम करते समय लुप्त जनसांख्यिकीय डेटा का लेखा-जोखा

समस्या विवरण
ऑनलाइन विज्ञापन प्लेटफ़ॉर्म विज्ञापनों को उपयोगकर्ताओं के साथ मिलाने की एक प्रक्रिया का उपयोग करते हैं, जिसे विज्ञापन वितरण (ad delivery) के रूप में जाना जाता है। पूर्व ऑडिटों ने स्थापित किया है कि ये सिस्टम जनसांख्यिकीय विषमता (demographic skew) उत्पन्न करते हैं, जहाँ किसी लक्षित दर्शकों तक पहुँचने के विज्ञापनदाता के इरादे के बावजूद, विज्ञापन व्यवस्थित रूप से विशिष्ट समूहों को कम वितरित किए जाते हैं। यह सार्वजनिक क्षेत्र के विज्ञापन (जैसे, सार्वजनिक सेवाएँ, अनुदान) के लिए विशेष रूप से महत्वपूर्ण है, जहाँ विषम वितरण सामाजिक असमानताओं को बढ़ा सकता है क्योंकि यह हाशिए पर स्थित समूहों को आवश्यक जानकारी तक पहुँचने से रोक सकता है।

यद्यपि विज्ञापनदाता सीधे जनसांख्यिकीय लक्ष्यीकरण (demographic targeting) के माध्यम से विषमता का मुकाबला कर सकते हैं, लेकिन गूगल एड्स (Google Ads) जैसे प्रमुख प्लेटफ़ॉर्म "अज्ञात" (unknown) जनसांख्यिकीय लेबल वाले उपयोगकर्ताओं (वे उपयोगकर्ता जिनके लिए प्लेटफ़ॉर्म लिंग जैसे गुणों का अनुमान नहीं लगा पाता) को लक्षित करने का कोई तंत्र प्रदान नहीं करते हैं। "अज्ञात उपयोगकर्ताओं" को बाहर करना जनहित के अभियानों के लिए समस्याग्रस्त है क्योंकि:

1. यह संपूर्ण पात्र जनसंख्या तक पहुँचने के लक्ष्य के विपरीत है।
2. डेटा बताता है कि अज्ञात उपयोगकर्ता सामाजिक-आर्थिक रूप से वंचित होने या गैर-बाइनरी जेंडर पहचान रखने की अधिक संभावना रखते हैं।
3. उन्हें बाहर करने से विषमलैंगिक-पितृसत्तात्मक (heteropatriarchal) व्यवस्थाओं को सुदृढ़ किया जा सकता है और गैर-अनुरूप व्यक्तियों को हाशिए पर धकेला जा सकता है।

इसके अतिरिक्त, मेटा (Meta) का वेरिएंस रिडक्शन सिस्टम (VRS) जैसे मौजूदा समाधान सीमित विज्ञापन नियंत्रण प्रदान करते हैं, लागत को काफी बढ़ा देते हैं, और गूगल के सर्च इकोसिस्टम पर लागू नहीं होते हैं। पारंपरिक "डायरेक्ट बजट स्प्लिट" (Direct Budget Split) हस्तक्षेप (एक अभियान को अलग-अलग लिंग-विशिष्ट अभियानों में विभाजित करना) विषमता को कम करने में प्रभावी तो हैं, लेकिन वे अक्सर अज्ञात उपयोगकर्ताओं को बाहर कर देते हैं और सूक्ष्म दर्शकों के लिए बढ़ती प्रतिस्पर्धा के कारण उच्च लागत का कारण बनते हैं।

कार्यप्रणाली (Methodology)
लेखकों ने एक राज्य-स्तरीय सरकारी एजेंसी के सहयोग से एक केस स्टडी आयोजित की, जो लघु व्यवसाय संसाधनों को बढ़ावा देने के लिए गूगल एड्स अभियान चला रही थी। इस अभियान में ऐतिहासिक रूप से गूगल के अनुमानित एल्गोरिदम द्वारा "पुरुष" लेबल वाले उपयोगकर्ताओं की ओर निरंतर झुकाव (skew) देखा गया था।

इस समस्या को हल करने के लिए, लेखकों ने एक नवीन "अनजान उपयोगकर्ताओं के साथ बजट विभाजन" (Budget Split with Unknown Users) हस्तक्षेप डिजाइन और कार्यान्वित किया। कार्यप्रणाली में शामिल था:

1. अभियान पुनर्गठन: मूल एकल अभियान (जो "सभी उपयोगकर्ताओं" को लक्षित करता था) को छह सप्ताह की अवधि में वैकल्पिक चक्रों (Cycle A और Cycle B) में चलने वाले चार नए अभियानों के सेट से बदलना।
2. लक्ष्यीकरण रणनीति: चूंकि गूगल एड्स "अज्ञात" को एक स्टैंडअलोन समूह के रूप में लक्षित करने की अनुमति नहीं देता है, इसलिए लेखकों ने समूहों को संयोजित करने की प्लेटफ़ॉर्म क्षमता का लाभ उठाया। हस्तक्षेप में निम्नलिखित का उपयोग किया गया:
   • एकल लिंग अभियान: केवल "पुरुष" या केवल "महिला" को लक्षित करना।
   • संयोजित अभियान: "पुरुष + अज्ञात" या "महिला + अज्ञात" (विपरीत बाइनरी लिंग को बाहर करके) को लक्षित करना।
3. बजट आवंटन: पुरुष और महिला वितरण के बीच वांछित समानता अनुपात (0.5) को लागू करने के लिए बजट को विभाजित किया गया, जिससे यह सुनिश्चित हुआ कि अज्ञात उपयोगकर्ता "संयोजित" अभियानों में शामिल हों।
4. मूल्यांकन मेट्रिक्स: अध्ययन ने विज्ञापन वितरण विषमता (कुल पुरुष/महिला इंप्रेशन/खर्च के सापेक्ष इंप्रेशन/खर्च का अनुपात), लागत-प्रभावशीलता (Cost Per Mille - CPM), और जुड़ाव (Click-Through Rate और Conversion Rate) को मापा।
5. सिमुलेशन: अज्ञात उपयोगकर्ताओं की वास्तविक पहचान की अनिश्चितता को ध्यान में रखते हुए, लेखकों ने अपने विषमता अनुमानों की मजबूती का परीक्षण करने के लिए विभिन्न जेंडर वितरणों (Symmetric, Informative, और SimilarWeb priors) का सिमुलेशन किया।

प्रमुख योगदान

1. विषमता का अनुभवजन्य प्रमाण: अध्ययन एक वास्तविक दुनिया के सरकारी विज्ञापन अभियान में निरंतर लिंग-आधारित विषमता की पहचान करता है, विशेष रूप से यह दिखाता है कि "मैक्स क्लिक्स" (Max Clicks) बिडिंग रणनीतियाँ महिला-लेबल वाले उपयोगकर्ताओं को लगातार कम वितरित करती हैं।
2. नवीन हस्तक्षेप डिजाइन: शोध पत्र एक "अनजान उपयोगकर्ताओं के साथ बजट स्प्लिट" रणनीति का प्रस्ताव और कार्यान्वयन करता है। यह डिजाइन स्पष्ट रूप से उन उपयोगकर्ताओं को शामिल करता है जिनके पास लुप्त जनसांख्यिकीय डेटा है, जो उस अंतराल को संबोधित करता है जिसे पूर्व साहित्य में अक्सर बाहर रखा गया था।
3. ट्रेड-ऑफ विश्लेषण: यह कार्य प्रदर्शित करता है कि यह हस्तक्षेप सूक्ष्म लक्ष्यीकरण (Direct Budget Split) की उच्च लागत और बिना लक्षित अभियान (Original Campaign) की उच्च विषमता के बीच एक "मध्य मार्ग" के रूप में कार्य करता है। यह अज्ञात उपयोगकर्ताओं को बाहर करने के पूर्ण लागत दंड के बिना विषमता को कम करता है।

परिणाम

• विषमता में कमी: हस्तक्षेप ने विज्ञापन वितरण विषमता को सफलतापूर्वक कम किया। "मैक्स क्लिक्स" अभियान में, मूल विषमता (0.563) को सिंगल जेंडर अभियानों में लगभग समानता (0.499) और सिंगल जेंडर + अज्ञात अभियानों में 0.532 तक कम कर दिया गया। "मैक्स कन्वर्जन" (Max Conversions) अभियान में, हस्तक्षेप ने विषमता को 0.486 से बदलकर 0.494 (सिंगल जेंडर + अज्ञात) कर दिया, जो ओवर-करेक्टेड सिंगल जेंडर दृष्टिकोण (0.526) की तुलना में वांछित 0.5 के अधिक निकट है।
• लागत-प्रभावशीलता: जबकि सूक्ष्म लक्ष्यीकरण आमतौर पर CPM को बढ़ाता है, "सिंगल जेंडर + अज्ञात" रणनीति ने शुद्ध "सिंगल जेंडर" लक्ष्यीकरण की तुलना में पुरुष और महिला उपयोगकर्ताओं के बीच लागत अंतर को काफी कम कर दिया। इससे पता चलता है कि लक्ष्यीकरण पूल में अज्ञात उपयोगकर्ताओं को शामिल करने से महिला-लेबल वाले उपयोगकर्ताओं के लिए प्रतिस्पर्धा प्रीमियम कम हो जाता है, जिससे न्यायसंगत वितरण अधिक किफायती हो जाता है।
• सिमुलेशन मजबूती: अज्ञात उपयोगकर्ता वितरण के सिमुलेशन ने संकेत दिया कि हस्तक्षेप की विषमता को कम करने की क्षमता अज्ञात उपयोगकर्ताओं की जेंडर पहचान के बारे में विभिन्न धारणाओं के तहत भी बनी रहती है, जो बिना पूर्ण डेटा के भी विज्ञापनदाताओं को दिशात्मक मार्गदर्शन प्रदान करती है।

महत्व और दावे
शोध पत्र का दावा है कि "अनजान उपयोगकर्ताओं के साथ बजट विभाजन" उन संसाधन-सीमित सरकारी विज्ञापनदाताओं के लिए एक मूल्यवान और व्यावहारिक दृष्टिकोण है जो न्यायसंगत सार्वजनिक सेवा आउटरीच के लिए प्रतिबद्ध हैं। यह तर्क देता है कि:

• समावेशन आवश्यक है: सार्वजनिक हित के विज्ञापन में अज्ञात उपयोगकर्ताओं को बाहर करना व्यवस्थित रूप से हाशिए पर स्थित समूहों को नुकसान पहुँचाता है और सार्वभौमिक संसाधन पहुंच के लक्ष्य को कमजोर करता है।
• शुद्धता के बजाय व्यावहारिकता: हालांकि पूर्ण जनसांख्यिकीय ज्ञान उपलब्ध नहीं है, फिर भी समावेशी लक्ष्यीकरण रणनीतियों के साथ अपूर्ण प्लेटफ़ॉर्म-अनुमानित लेबल प्रभावी रूप से विषमता को कम कर सकते हैं।
• प्रणालीगत सिफारिशें: लेखक निष्कर्ष निकालते हैं कि ऑनलाइन विज्ञापन प्लेटफ़ॉर्म वर्तमान में सार्वजनिक हित के लक्ष्यों के लिए सुसज्जित नहीं हैं। वे अनुशंसा करते हैं कि सरकारी विज्ञापनदाताओं को खरीद (procurement) के दौरान डेटा का तकनीकी स्वामित्व स्थापित करना चाहिए, ऑनलाइन विज्ञापनों के पूरक के रूप में ऑफलाइन आउटरीच पर विचार करना चाहिए, और प्लेटफ़ॉर्म को विषमता को मापने और संबोधित करने के लिए बेहतर उपकरण प्रदान करने चाहिए जो उन प्रतिबंधात्मक बिडिंग बाधाओं (जैसे CPC कैप) को न थोपें जो असमानता को बढ़ाते हैं।

अध्ययन इस बात पर जोर देता है कि जबकि ऑनलाइन विज्ञापन प्रणाली लाभ के लिए डिज़ाइन की गई है, उन्हें सावधानीपूर्वक और समावेशी हस्तक्षेप डिजाइन के माध्यम से सार्वजनिक हित के लक्ष्यों की सेवा के लिए अनुकूलित किया जा सकता है, जो लुप्त जनसांख्यिकीय डेटा की वास्तविकता को स्वीकार करता है।