Competition-Aware CPC Forecasting with Near-Market Coverage

Utilizzando dati di Google Ads nel settore del noleggio auto, questo studio dimostra che l'integrazione di segnali competitivi latenti derivati da relazioni semantiche, comportamentali e geografiche migliora significativamente la stabilità e l'accuratezza delle previsioni del costo per clic (CPC) su orizzonti temporali medio-lunghi rispetto ai modelli tradizionali.

L'essenziale

Immagina di dover guidare un'auto in una città sconosciuta, ma hai un problema: non puoi vedere il traffico.

Invece di vedere le altre auto, i semafori o gli ingorghi, hai solo il tuo cruscotto che ti dice a che velocità stai andando ora. Questo è esattamente il problema che affrontano gli inserzionisti su Google.

Ecco di cosa parla questo studio, spiegato come se stessimo chiacchierando al bar.

1. Il Problema: Guidare al buio

Quando un'azienda vuole fare pubblicità su Google (ad esempio, per affittare auto), paga per ogni clic che riceve. Questo prezzo non è fisso: è come un'asta. Se molti concorrenti vogliono lo stesso spazio pubblicitario, il prezzo sale.

Il problema? Ogni azienda vede solo il proprio prezzo. Non sa quanto stanno pagando gli altri, non sa quanto budget hanno, e non sa quando un concorrente sta per lanciare una nuova campagna. È come guidare al buio: sai solo dove sei, non sai cosa sta succedendo intorno a te. Questo rende difficile prevedere quanto costerà la pubblicità la prossima settimana.

2. La Soluzione: I "Sensi" Extra

Gli autori dello studio hanno detto: "Se non possiamo vedere i concorrenti direttamente, cerchiamo le loro 'impronte digitali' indirette". Hanno creato tre tipi di "superpoteri" per vedere meglio il mercato:

• Il "Sesto Senso" Semantico (Le parole chiave):
  Immagina che le parole chiave siano come persone in una festa. Anche se non si conoscono di persona, se parlano dello stesso argomento (es. "auto a noleggio" e "noleggio auto economico"), probabilmente sono nella stessa stanza e competono per la stessa attenzione. Gli scienziati hanno usato l'Intelligenza Artificiale per raggruppare le parole chiave simili, creando una mappa di chi è "vicino" a chi.

  • Metafora: È come sapere che se c'è una festa rumorosa nel quartiere "auto", probabilmente ci sarà anche un po' di caos nel quartiere "noleggio", anche se non vedi la festa direttamente.

• Il "Radar" Comportamentale (Le traiettorie):
  A volte, parole diverse si comportano allo stesso modo. Se il prezzo delle auto a Milano sale, forse sale anche quello per le auto a Roma, anche se le parole sono diverse. Hanno usato un algoritmo (chiamato DTW) che guarda come i prezzi si muovono nel tempo, come se fosse un'analisi della danza. Se due parole "ballano" allo stesso ritmo, sono probabilmente in competizione.

• La "Bussola" Geografica:
  Nel noleggio auto, la posizione è tutto. Chi cerca "auto a Fiumicino" è in una situazione di mercato diversa da chi cerca "auto a Roma centro". Hanno usato la geografia per capire dove la domanda è più forte e dove la competizione è più accesa.

3. L'Esperimento: I Due Metodi di Guida

Hanno testato questi "superpoteri" su un enorme database di 1,8 milioni di parole chiave (dati reali di 3 anni). Hanno usato due approcci:

1. Dare i dati al "Pilota" (Covariate): Hanno passato queste informazioni extra ai modelli di previsione come se fossero un manuale di istruzioni aggiuntivo.
2. Dare i dati alla "Mappa" (Grafico): Hanno costruito una mappa fisica che collega le parole chiave tra loro e hanno detto al computer: "Ehi, se questa parola cambia, controlla anche quella collegata".

4. I Risultati: Chi vince?

Ecco cosa è successo:

• A breve termine (1 settimana): I modelli che usavano la mappa delle connessioni (il metodo grafico) erano i migliori. Sapevano reagire subito ai cambiamenti improvvisi, come un'auto sportiva che sterza veloce.
• A medio/lungo termine (6-12 settimane): Qui hanno vinto i modelli con le istruzioni extra (i dati geografici e comportamentali). È come avere una mappa del traffico a lungo raggio: ti aiuta a pianificare il viaggio quando le strade cambiano lentamente.

La scoperta più importante:
Non basta buttare dentro tutti i dati possibili. Se provi a usare tutte le informazioni insieme senza criterio, peggiori le cose (come guidare guardando troppi specchietti contemporaneamente). Bisogna essere selettivi.
Inoltre, questi metodi funzionano meglio proprio dove serve di più: sulle parole chiave più costose e volatili. Sono quelle dove un errore di previsione costa migliaia di euro. Il metodo "consapevole della competizione" protegge il budget proprio nei momenti di pericolo.

In sintesi

Questo studio ci dice che per prevedere il futuro in un mercato competitivo (come le aste pubblicitarie), non basta guardare il proprio passato. Bisogna usare l'intelligenza per indovinare cosa stanno facendo gli altri basandosi su indizi come le parole usate, i movimenti dei prezzi e la posizione geografica.

È come passare da guidare con gli occhi chiusi a guidare con un sistema di visione notturna e radar: non vedi i concorrenti direttamente, ma sai esattamente dove sono e cosa stanno per fare, permettendoti di risparmiare soldi e prendere decisioni migliori.

Sommario tecnico

1. Il Problema: Previsione del CPC in Condizioni di Osservabilità Parziale

Il paper affronta la sfida di prevedere il Costo Per Click (CPC) nella pubblicità a pagamento (paid search). Il CPC non è un tariffario fisso, ma il risultato dinamico di un'asta in tempo reale determinata da offerte dei concorrenti, segnali di qualità della piattaforma e condizioni specifiche della query.

Il problema fondamentale è l'osservabilità parziale:

• Gli inserzionisti osservano solo i risultati realizzati (CPC, clic, impressioni, spesa), ma non possono vedere le offerte dei concorrenti, i loro segnali di qualità o lo stato completo dell'asta.
• Le serie temporali del CPC osservate contengono quindi solo una traccia indiretta e rumorosa del panorama competitivo.
• Gli approcci puramente autoregressivi (basati solo sulla storia passata della singola serie) falliscono spesso a medio e lungo termine, poiché non riescono a catturare i cambiamenti di regime, le riallocazioni dei concorrenti e le variazioni della domanda localizzata.

L'obiettivo è quindi approssimare la competizione latente utilizzando proxy osservabili per migliorare la previsione del CPC su orizzonti temporali multipli (1, 6 e 12 settimane).

2. Metodologia: Costruzione di Proxy Competitivi e Architetture

La ricerca si basa su un dataset su larga scala di log di Google Ads nel settore del noleggio auto (2021-2023), comprendente circa 1,66 miliardi di osservazioni e 1.811 serie di parole chiave settimanali.

A. Estrazione dei Proxy di Competizione

Gli autori costruiscono tre famiglie di segnali complementari per approssimare la competizione non osservabile:

1. Vicini Semantici (Semantic Neighborhoods): Utilizzando rappresentazioni testuali pre-addestrate (transformer all-MiniLM-L6-v2), vengono create embedding per ogni parola chiave. La similarità coseno identifica parole chiave con intenti utente simili che competono per lo stesso inventory pubblicitario, anche se lessicalmente diverse.
2. Vicini Comportamentali (Behavioral Neighborhoods): Utilizzando la Dynamic Time Warping (DTW), vengono allineate le traiettorie storiche del CPC. Questo cattura parole chiave che, pur avendo testi diversi, subiscono shock di domanda o riallocazioni di asta simili nel tempo.
3. Intento Geografico (Geographic Intent): Vengono estratti indicatori strutturati (continente, paese, città) dal testo delle parole chiave e da gazetteer. Questo cattura la domanda localizzata e l'eterogeneità del mercato, cruciale nel settore del noleggio auto.

B. Rappresentazione dei Proxy

I segnali competitivi vengono integrati nei modelli di previsione attraverso due route distinte:

1. Route 1: Covariate Esogene: I proxy (riassunti storici dei vicini semantici/comportamentali e indicatori geografici) vengono inseriti come variabili di input aggiuntive nei modelli di previsione.
2. Route 2: Strutture Relazionali (GNN): Viene costruito un grafo semantico fisso basato sulle embedding delle parole chiave. Questo grafo viene utilizzato come matrice di adiacenza per le Reti Neurali Grafiche Spaziotemporali (STGNN), permettendo la propagazione delle informazioni tra parole chiave correlate.

C. Architetture di Previsione Valutate

Lo studio confronta un ampio spettro di modelli:

• Baseline Classiche e ML: SARIMAX, XGBoost, Random Forest, LSTM, GRU, TabPFN.
• Modelli Foundation per Serie Temporali (TSFMs): Chronos-2, TimeGPT, Moirai (potenziati con le covariate competitive).
• STGNN: DCRNN, GConvLSTM, GraphWaveNet (che utilizzano esplicitamente il grafo semantico).

3. Risultati Chiave

Le sperimentazioni sono state condotte su orizzonti di 1, 6 e 12 settimane, valutando metriche come sMAPE (Symmetric Mean Absolute Percentage Error) e RMSE.

• Superiorità dei Modelli "Competition-Aware": In tutti gli orizzonti temporali, i modelli che incorporano i proxy competitivi superano sistematicamente le baseline puramente autoregressive o debolmente contestuali.
• Dipendenza dall'Orizzonte Temporale:
  • A 1 settimana, i modelli STGNN (basati su grafi) catturano meglio le dinamiche immediate.
  • A 6 e 12 settimane, i TSFMs potenziati con covariate (in particolare Chronos-2 con intenti geografici) ottengono le prestazioni migliori. L'aggiunta di covariate geografiche agisce come un potente prior stabilizzante per i modelli foundation universali.
• Analisi della "Frontiera Competitiva": L'analisi per segmenti di mercato mostra che i guadagni maggiori si concentrano sulle parole chiave ad alto CPC e alta volatilità (il quadrante in alto a destra della "frontiera competitiva"). In queste aree ad alto rischio, dove gli errori di previsione hanno il maggiore impatto sul budget, l'approccio competitivo riduce significativamente l'errore rispetto ai metodi tradizionali.
• Selezione vs. Accumulo: L'accumulo indiscriminato di tutte le feature disponibili peggiora le prestazioni. La selezione mirata e teoricamente fondata dei proxy (es. combinare geografia e CPC dei vicini semantici in modo selettivo) è superiore all'aggiunta di tutte le variabili disponibili.

4. Contributi Principali

1. Riformulazione del Problema: Sposta il focus dalla previsione puramente statistica alla previsione in condizioni di osservabilità parziale della competizione, proponendo l'approssimazione della competizione latente tramite proxy osservabili.
2. Operazionalizzazione Industriale: Implementa su scala industriale la costruzione di proxy semantici, comportamentali e geografici, valutandoli su un vasto universo di modelli (dalle classiche serie temporali ai moderni foundation models e GNN).
3. Evidenza Sostanziale: Dimostra che il valore della previsione competitiva è dipendente dall'orizzonte temporale e dal regime di mercato. Fornisce prove che la struttura geografica stabilizza i modelli foundation, mentre le strutture relazionali (grafi) sono essenziali per catturare gli spillover competitivi, con benefici massimi nelle regioni di mercato più volatili e costose.

5. Significato e Implicazioni

Il paper dimostra che, in assenza di dati completi sulle aste, gli inserzionisti possono migliorare significativamente la pianificazione del budget e l'aggiustamento delle offerte (bid steering) investendo nella costruzione di proxy di competizione ben fondati.
L'approccio proposto offre un modo scalabile per recuperare la struttura competitiva latente dai segnali osservabili (testo, traiettorie CPC, geografia), superando i limiti dell'estrapolazione autoregressiva. Questo è particolarmente rilevante per settori concentrati e ad alta intensità competitiva come il noleggio auto, dove la volatilità dei costi può rendere rapidamente non profittevoli segmenti di domanda precedentemente redditizi.

Limitazioni: Lo studio si concentra su un singolo settore verticale con un panorama competitivo concentrato. La generalizzazione ad altri settori e la capacità di catturare l'evoluzione dinamica delle relazioni tra parole chiave (il grafo è fisso nel tempo) rimangono aree per futuri lavori.