MAC: A Conversion Rate Prediction Benchmark Featuring Labels Under Multiple Attribution Mechanisms
本論文は、複数のアトリビューション・メカニズムからのラベルを特徴とする初の公開コンバージョン率予測ベンチマークであるMAC、およびマルチアトリビューション学習におけるデータの欠落に対処するためのPyMALライブラリとMoAEモデルを紹介し、入念に設計された知識統合を通じて大幅な性能向上を実証するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
友人が次に何を買うかを予想しようとしている場面を想像してみてください。オンラインショッピングの世界では、これはコンピュータによって繰り広げられる非常に重要なゲームです。あなたが広告をクリックするたびに、デジタル探偵が、そのクリックが購入につながるかどうかを突き止めようとします。これはコンバージョン率（CVR）予測と呼ばれます。長年、これらの探偵たちは非常に限定的なルールブックに従ってきました。つまり、購入に至る直前にクリックした「最後のアド」にのみ、売上の功績を認めるというルールです。これは、もしあなたがパン屋の前を通り、次に靴屋を通り、最後に玩具店を通ってからおもちゃを買ったとした場合、玩具店にすべての功績を与え、パン屋や靴屋には何も与えないと言っているようなものです。
しかし、現実の世界では、私たちの決断は複雑です。もしかしたら、パン屋のせいでお腹が空いたのかもしれませんし、靴屋のおかげで素晴らしいアイデアが浮かんだのかもしれません。全体像を把握するためには、**マルチアトリビューション学習（MAL）**が必要です。これは、「最後の一クリックだけでなく、あなたがクリックしたすべての広告に注目しよう」という、より賢い考え方です。これは、最初のクリック、最後のクリック、あるいはすべてのクリックに均等に功績を分配するなど、ジャーニー（旅路）全体を理解しようとする試みです。大きな問題は、これまで科学者や企業が持っていたデータは、この「ラストクリックのみ」というルールに従うものしかなかったことです。彼らは、複雑な多段階の物語を、たった一行の要約を使って学ぼうとしていたのです。
「MAC: A Conversion Rate Prediction Benchmark Featuring Labels Under Multiple Attribution Mechanisms」と題されたこの論文は、ついに物語の全貌を記した秘密の図書室を開いたようなものです。Alibabaと南京大学のチームである著者たちは、MACと呼ばれる新しいデータセットを作成しました。これは単なるクリックのリストではありません。7900万件もの広告クリックを集めた膨大なコレクションであり、そこには売上の功績を認めるための4つの異なる方法（ラストクリック、ファーストクリック、リニア（均等に分配）、そして数学を用いて誰が本当に最も貢献したかを算出する高度なデータ駆動型手法）が記録されています。また、誰もがこの新しいデータで自分のアイデアをテストできるように、PyMALという無料のソフトウェアツールボックスも構築しました。
彼らがこのデータを用いて新しいアイデアをテストしたところ、いくつかの非常に興味深い事実が判明しました。第一に、ジャーニー全体を俯瞰すること（マルチアトリビューション学習）は、特に購入に至るまで長く複雑な経路を辿る人々に対して、コンピュータを一貫してより賢くさせました。第二に、単にヒント（手がかり）を増やせばよいというわけではないことが分かりました。もし「ファーストクリック」による売上を予測しようとしている場合、他の種類のヒントを増やしすぎると、逆にモデルを混乱させてしまうのです。つまり、どのヒントを使うかについては、非常に慎重になる必要があります。最後に、彼らはMoAE（Mixture of Asymmetric Experts）と呼ばれる新しいモデルを構築しました。MoAEを、ジャーニー全体を読むことを専門とする探偵たちのチームだと考えてください。ただし、そこには厳格なボスがいて、その追加の知識が、メインの事件を解決するために適切に使われるよう監視しています。この新しいモデルは、予測精度を最大0.39パーセントポイント向上させ、これまでのチャンピオンたちをすべて打ち破りました。著者たちは、この新しいデータとスマートな設計ルールを用いることで、人間の行動をこれまでよりもずっと深く理解できる広告システムをようやく構築できると考えています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。