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

기술 요약: 미지의 영역으로: 광고 전달 편향을 완화할 때 누락된 인구통계학적 데이터를 고려하기

문제 제기
온라인 광고 플랫폼은 알고리즘 시스템을 활용하여 광고와 사용자를 매칭하는 '광고 전달' 과정을 수행합니다. 이전 감사들은 이러한 시스템이 종종 인구통계학적 편향을 유발한다는 것을 입증했습니다. 즉, 광고주가 비례적인 청중 도달을 의도했음에도 불구하고 특정 그룹에게 광고가 체계적으로 미달 전달되는 현상입니다. 이는 공공 서비스, 보조금 등 공공 부문 광고에서 특히 중요합니다. 편향된 전달은 소외된 그룹이 필수 정보에 접근하는 것을 방해하여 사회적 불평등을 심화시킬 수 있기 때문입니다.

광고주는 이론적으로 직접적인 인구통계학적 타겟팅을 통해 편향을 상쇄할 수 있지만, 구글 애즈 (Google Ads) 와 같은 주요 플랫폼은 '알 수 없음 (unknown)' 인구통계학적 라벨 (성별과 같은 속성을 플랫폼이 추론할 수 없는 사용자) 을 가진 사용자를 타겟팅할 수 있는 메커니즘을 제공하지 않습니다. 이러한 '알 수 없는 사용자'를 배제하는 것은 공익 캠페인에서 다음과 같은 이유로 문제가 됩니다:

1. 이는 전체 자격 요건 충족 인구에 도달하려는 목표와 모순됩니다.
2. 데이터는 알 수 없는 사용자가 사회경제적으로 불리하거나 비이분법적 성별 정체성을 가질 가능성이 불균형적으로 높음을 시사합니다.
3. 이를 배제하는 것은 이성애 중심의 가부장적 시스템을 재고정화하고 비순응적 개인을 소외시킬 수 있습니다.

또한, 메타의 분산 감소 시스템 (VRS) 과 같은 기존 솔루션은 광고주 통제력이 제한적이고 비용을 크게 증가시키며, 구글의 검색 생태계에는 적용되지 않습니다. 전통적인 '직접 예산 분할 (Direct Budget Split)' 개입 (캠페인을 별도의 성별별 캠페인으로 분할) 은 편향을 줄이는 데 효과적이지만, 종종 알 수 없는 사용자를 배제하고 세분화된 청중을 위한 경쟁 증가로 인해 높은 비용을 초래합니다.

방법론
저자들은 소규모 비즈니스 자원을 홍보하기 위한 구글 애즈 캠페인을 운영하는 주 (州) 정부 기관과 협력하여 사례 연구를 수행했습니다. 해당 캠페인은 역사적으로 구글의 추론 알고리즘에 의해 '남성'으로 라벨링된 사용자에게 일관되게 치우친 전달 경향을 보였습니다.

이를 해결하기 위해 저자들은 새로운 '알 수 없는 사용자를 포함한 예산 분할 (Budget Split with Unknown Users)' 개입을 설계하고 구현했습니다. 방법론은 다음과 같습니다:

1. 캠페인 재구성: '모든 사용자'를 타겟팅하는 원래 단일 캠페인을 6 주 동안 교대 주기 (A 주기 및 B 주기) 로 실행되는 4 개의 새로운 캠페인 세트로 대체했습니다.
2. 타겟팅 전략: 구글 애즈는 '알 수 없음'을 독립적인 그룹으로 타겟팅할 수 없으므로, 저자들은 그룹을 결합할 수 있는 플랫폼의 기능을 활용했습니다. 이 개입은 다음을 활용했습니다:
   • 단일 성별 캠페인: '남성'만 또는 '여성'만 타겟팅.
   • 결합 캠페인: '남성 + 알 수 없음' 또는 '여성 + 알 수 없음' 타겟팅 (반대 이분법적 성별을 제외함으로써).
3. 예산 배분: 예산은 남성 및 여성 전달 간의 원하는 동등성 비율 (0.5) 을 강제하도록 분할되었으며, '결합' 캠페인에 알 수 없는 사용자가 포함되도록 보장했습니다.
4. 평가 지표: 연구는 광고 전달 편향 (남성 사용자에게 대한 노출/지출 비율을 총 남성/여성 노출/지출 대비 비율), 비용 효율성 (천 노출당 비용 - CPM), 그리고 참여도 (클릭률 및 전환율) 를 측정했습니다.
5. 시뮬레이션: 알 수 없는 사용자의 실제 정체성에 대한 불확실성을 고려하기 위해 저자들은 '알 수 없음' 풀에 대한 다양한 성별 분포 (대칭적, 정보적, 그리고 SimilarWeb 사전 확률) 를 시뮬레이션하여 편향 추정치의 견고성을 테스트했습니다.

주요 기여

1. 편향에 대한 경험적 증거: 이 연구는 실제 세계의 정부 광고 캠페인에서 지속되는 성별 기반 편향을 확인했습니다. 구체적으로 '최대 클릭 (Max Clicks)' 입찰 전략이 여성 라벨 사용자에게 일관되게 미달 전달됨을 보여주었습니다.
2. 새로운 개입 설계: 이 논문은 '알 수 없는 사용자를 포함한 예산 분할' 전략을 제안하고 구현했습니다. 이 설계는 누락된 인구통계학적 데이터를 가진 사용자를 명시적으로 포함하여, 종종 이를 배제했던 기존 연구의 공백을 해소합니다.
3. 트레이드오프 분석: 이 작업은 이 개입이 세분화된 타겟팅 (직접 예산 분할) 의 높은 비용과 타겟팅이 없는 캠페인 (원래 캠페인) 의 높은 편향 사이의 '중간 지대' 역할을 함을 보여줍니다. 이는 알 수 없는 사용자를 배제할 때 발생하는 전체 비용 페널티 없이 편향을 줄입니다.

결과

• 편향 감소: 개입은 광고 전달 편향을 성공적으로 감소시켰습니다. '최대 클릭' 캠페인에서 원래 편향 (0.563) 은 단일 성별 캠페인에서 거의 동등한 수준 (0.499) 으로, 그리고 단일 성별 + 알 수 없음 캠페인에서 0.532 로 감소했습니다. '최대 전환 (Max Conversions)' 캠페인에서 개입은 편향을 0.486 에서 0.494 (단일 성별 + 알 수 없음) 로 변경하여, 과도하게 교정된 단일 성별 접근 방식 (0.526) 보다 원하는 0.5 에 더 가깝게 만들었습니다.
• 비용 효율성: 세분화된 타겟팅은 일반적으로 CPM 을 증가시키지만, '단일 성별 + 알 수 없음' 전략은 순수한 '단일 성별' 타겟팅에 비해 남성 및 여성 사용자 간의 비용 차이를 크게 줄였습니다. 이는 타겟팅 풀에 알 수 없는 사용자를 포함하는 것이 여성 라벨 사용자를 위한 경쟁 프리미엄을 낮추어 공정한 전달을 더 저렴하게 만든다는 것을 시사합니다.
• 시뮬레이션 견고성: 알 수 없는 사용자 분포에 대한 시뮬레이션은 알 수 없는 사용자의 성별 정체성에 대한 다양한 가정에 걸쳐 개입의 편향 감소 능력이 유효함을 나타냈으며, 완벽한 데이터가 없더라도 광고주에게 방향성 지침을 제공했습니다.

의의 및 주장
이 논문은 '알 수 없는 사용자를 포함한 예산 분할'이 공평한 공공 서비스 outreach 에 헌신하는 자원이 제한된 정부 광고주에게 가치 있고 실용적인 접근법이라고 주장합니다. 다음과 같이 논증합니다:

• 포용의 필요성: 공익 광고에서 알 수 없는 사용자를 배제하는 것은 체계적으로 소외된 그룹을 불리하게 만들고 보편적 자원 접근의 목표를 훼손합니다.
• 순수성보다 실용성: 완벽한 인구통계학적 지식을 얻을 수 없더라도, 플랫폼이 추론한 불완전한 라벨과 포용적인 타겟팅 전략을 결합하면 편향을 효과적으로 완화할 수 있습니다.
• 시스템적 권고: 저자들은 온라인 광고 플랫폼이 현재 공익 목표를 위해 적절하게 준비되어 있지 않다고 결론지었습니다. 그들은 정부 광고주가 조달 과정에서 데이터에 대한 기술적 소유권을 확립하고, 온라인 광고를 보완하기 위해 오프라인 outreach 를 고려할 것을 권장하며, 플랫폼이 불평등을 심화시키는 제한적인 입찰 제약 (예: CPC 상한선) 을 부과하지 않고 편향을 측정하고 해결하기 위한 더 나은 도구를 제공할 것을 제안합니다.

이 연구는 온라인 광고 시스템이 이익을 위해 설계되었지만, 누락된 인구통계학적 데이터의 현실을 인정하는 신중하고 포용적인 개입 설계를 통해 공익 목표를 위해 적응될 수 있음을 강조합니다.