Competition-Aware CPC Forecasting with Near-Market Coverage

Este artigo apresenta um modelo de previsão de custo por clique (CPC) que, ao integrar sinais semânticos, comportamentais e geográficos para aproximar a competição latente em mercados de leilão, demonstra melhorias significativas na estabilidade e precisão das previsões em horizontes de médio e longo prazo.

O essencial

Imagine que você é o gerente de marketing de uma grande empresa de aluguel de carros. Você tem um orçamento limitado para anúncios no Google e precisa decidir quanto pagar cada vez que alguém clica no seu anúncio (o chamado CPC).

O problema é que o Google funciona como um leilão secreto. Você vê o preço final que pagou, mas não sabe quem são os outros licitantes, quanto eles estão oferecendo ou o que está acontecendo nos bastidores. É como tentar prever o preço de um carro em um leilão sem saber quem está no salão ou quanto os outros estão dispostos a pagar.

Este artigo de pesquisa resolve exatamente esse problema: como prever o preço do leilão quando você só tem metade da informação?

Aqui está a explicação simples, usando analogias do dia a dia:

1. O Grande Desafio: A "Visão de Túnel"

Normalmente, as empresas tentam prever o futuro olhando apenas para o próprio passado (ex: "o preço estava alto na semana passada, então deve continuar alto"). Mas em um leilão, isso não funciona bem. Se um concorrente novo entra no mercado ou se uma grande empresa de aluguel decide gastar mais, o preço sobe do nada, e seu modelo antigo falha.

Os autores dizem: "Precisamos olhar para fora da nossa própria caixa de ferramentas".

2. As Três "Bússolas" para Ver o Invisível

Como não podemos ver os concorrentes diretamente, os pesquisadores criaram três tipos de "bússolas" (ou pistas) baseadas no que podem ver:

• A Bússola Semântica (O "Significado"):

  • Analogia: Imagine que você está em uma festa. Você não conhece todos, mas sabe que quem está perto da mesa de bebidas e falando sobre "viagens" provavelmente é do mesmo grupo que você.
  • Na prática: O computador usa inteligência artificial para entender que palavras como "aluguel de carro em Paris" e "carro para férias na França" são "primos". Se o preço sobe para um, provavelmente sobe para o outro, mesmo que as palavras sejam diferentes.

• A Bússola Comportamental (O "Passo a Passo"):

  • Analogia: Imagine que você está em uma pista de dança. Mesmo que duas pessoas não se conheçam, se elas começam a dançar o mesmo ritmo ao mesmo tempo, elas estão reagindo à mesma música.
  • Na prática: Eles analisam a "dança" dos preços ao longo do tempo. Se o preço de "aluguel de carro em Roma" sobe e desce exatamente no mesmo ritmo que "aluguel de carro em Milão", eles estão reagindo à mesma pressão de mercado, mesmo que as palavras sejam diferentes.

• A Bússola Geográfica (O "Mapa"):

  • Analogia: O preço de um café é diferente em Nova York e em uma cidade pequena no interior. O local importa.
  • Na prática: Eles usam a localização (país, cidade, aeroporto) para entender onde a demanda é forte. Se há um aeroporto lotado, a competição por anúncios ali será mais feroz.

3. Como eles usaram essas bússolas?

Eles testaram duas formas de usar essas pistas:

1. Como "Tempero" (Covariáveis): Eles jogaram essas informações extras dentro de modelos de previsão comuns, como se estivessem adicionando sal e pimenta a uma sopa para melhorar o sabor.
2. Como "Teia de Aranha" (Redes Neurais): Eles criaram um mapa de conexões entre todas as palavras-chave (baseado no significado e no comportamento) e usaram uma rede neural especial que "viaja" por essa teia, entendendo como uma palavra afeta a outra.

4. O Que Eles Descobriram? (Os Resultados)

A descoberta principal é que olhar para o "vizinho" ajuda muito a prever o futuro, especialmente em prazos médios e longos (semanas à frente).

• A Regra de Ouro: Não basta jogar todas as informações possíveis no modelo. É como tentar cozinhar jogando todos os ingredientes da despensa na panela; fica uma bagunça. O segredo é escolher as pistas certas (geografia e significado) e descartar o resto.
• Onde faz mais diferença: As previsões melhoraram muito justamente onde é mais perigoso errar: nas palavras-chave caras e voláteis (os "leilões de alto risco"). Se você errar a previsão aqui, perde muito dinheiro. Se acertar, economiza e ganha mais clientes.

5. Conclusão Simples

Este estudo mostra que, em um mercado competitivo e secreto como o do Google Ads, você não precisa ser um adivinho mágico. Você só precisa ser um bom detetive.

Ao conectar os pontos entre palavras parecidas, comportamentos sincronizados e locais específicos, é possível "adivinhar" o que os concorrentes estão fazendo e prever os preços com muito mais precisão. É como sair de uma sala escura e acender uma luz que mostra não apenas o que está na sua frente, mas também o que está acontecendo no corredor ao lado.

Resumo em uma frase: Para prever o preço de um leilão secreto, não olhe apenas para o seu próprio histórico; observe o que seus "primos" (palavras parecidas) e seus "vizinhos" (locais próximos) estão fazendo.

Resumo técnico

Título: Previsão de CPC Consciente da Concorrência com Cobertura Próxima ao Mercado

1. O Problema: Previsão de CPC sob Observabilidade Parcial

O artigo aborda o desafio de prever o Custo por Clique (CPC) em publicidade de pesquisa paga (como o Google Ads).

• Natureza do Problema: O CPC não é uma tarifa fixa, mas um resultado de leilão em tempo real, determinado por lances de concorrentes, sinais de qualidade da plataforma e condições específicas da consulta.
• Desafio Central (Observabilidade Parcial): Os anunciantes observam apenas o CPC realizado, cliques e impressões. Eles não têm acesso direto aos lances dos concorrentes, orçamentos, sinais de qualidade ou ao estado completo do leilão.
• Limitação das Abordagens Atuais: Métodos puramente autoregressivos (baseados apenas no histórico da própria série temporal) falham em horizontes de médio e longo prazo, pois não conseguem capturar mudanças de regime, realocação de concorrentes ou choques de demanda localizados que afetam o preço.

2. Metodologia: Proxies de Concorrência e Arquiteturas

Os autores propõem aproximar a "concorrência latente" (não observável) através de proxies observáveis derivados de três fontes de dados: texto, trajetórias de CPC e estrutura geográfica.

A. Extração de Proxies de Concorrência:

1. Vizinhança Semântica: Uso de embeddings de texto pré-treinados (transformadores all-MiniLM-L6-v2) para criar um grafo de palavras-chave. Palavras semanticamente similares competem pelo mesmo inventário, mesmo que os termos sejam lexicalmente diferentes.
2. Vizinhança Comportamental (DTW): Uso de Dynamic Time Warping (DTW) para alinhar trajetórias de CPC. Palavras-chave com pouca sobreposição lexical, mas com dinâmicas de preço sincronizadas (devido a choques de demanda comuns), são agrupadas.
3. Intenção Geográfica: Extração de sinais geográficos (continente, país, cidade) a partir do texto da palavra-chave e gazetteers, capturando a heterogeneidade do mercado e a demanda localizada (crucial para o setor de aluguel de carros).

B. Representação e Arquiteturas de Modelagem:
Os proxies são testados em duas rotas de implementação dentro de um universo de modelos amplo:

1. Como Covariadas Exógenas: Os proxies entram como variáveis de entrada em modelos de séries temporais.
2. Como Priors Relacionais (Grafos): Os dados são alimentados em Redes Neurais Gráficas Espaciotemporais (STGNNs), onde a matriz de adjacência é definida pelo grafo semântico das palavras-chave.

C. Universos de Modelos Avaliados:

• Baselines Clássicos e ML: SARIMAX, XGBoost, Random Forest, MLP, LSTM.
• Modelos Fundamentais de Séries Temporais (TSFMs): Chronos-2, TimeGPT, Moirai (com e sem covariadas).
• STGNNs: DCRNN, GConvLSTM, GraphWaveNet (usando o grafo semântico fixo).

3. Dados e Configuração Experimental

• Fonte: Logs de leilão do Google Ads do setor de aluguel de carros na Europa (2021–2023).
• Escala: ~1,66 bilhão de registros brutos, filtrados para um painel de 1.811 palavras-chave observadas ao longo de 127 semanas.
• Horizontes de Previsão: 1, 6 e 12 semanas (correspondendo a direção de lances de curto prazo, planejamento tático e alocação orçamentária de longo prazo).
• Métricas: sMAPE (Symmetric Mean Absolute Percentage Error) e RMSE.

4. Resultados Principais

A. Desempenho por Horizonte:

• Curto Prazo (1 semana): Modelos Gráficos Espaciotemporais (STGNNs) performam melhor, capturando dinâmicas imediatas de difusão de concorrência.
• Médio e Longo Prazo (6 e 12 semanas): Modelos Fundamentais de Séries Temporais (TSFMs) aumentados com covariadas superam os modelos gráficos. Especificamente, o Chronos-2 com covariadas de intenção geográfica obteve o melhor resultado global (27,14% de sMAPE no horizonte de 6 semanas).

B. Impacto dos Proxies:

• Geografia como Estabilizador: A codificação geográfica (nível de continente) atua como um prior robusto, estabilizando previsões em horizontes longos e reduzindo a deriva do modelo.
• Sinais Semânticos: A inclusão de CPC de vizinhos semânticos melhora significativamente a previsão em horizontes de 6 semanas, especialmente para modelos que capturam spillovers competitivos.
• Seleção vs. Acúmulo: O acúmulo indiscriminado de todas as características (stacking) piorou o desempenho. A seleção seletiva e teoricamente fundamentada de proxies foi superior.

C. Análise da "Fronteira Competitiva":

• O valor da previsão consciente da concorrência concentra-se nas palavras-chave de alto CPC e alta volatilidade (quadrante superior direito da análise de risco).
• Nestes regimes de alto risco, onde erros de previsão têm maior impacto orçamentário, os modelos aumentados com proxies de concorrência reduziram significativamente o erro em comparação com baselines univariados.

5. Contribuições Chave

1. Reenquadramento do Problema: Trata a previsão de CPC como um problema de observabilidade parcial de concorrência, argumentando que a estrutura latente do mercado pode ser aproximada via proxies observáveis.
2. Operacionalização em Escala Industrial: Construção e validação de proxies semânticos, comportamentais e geográficos em um dataset massivo, testando-os em uma ampla gama de arquiteturas (desde clássicas até Foundation Models e GNNs).
3. Evidência de Robustez Operacional: Demonstra que a melhoria não é apenas média, mas concentrada nos segmentos de maior risco (alto valor/alta volatilidade), tornando a previsão mais útil para a gestão orçamentária real.

6. Significado e Conclusão

O artigo conclui que, na ausência de dados completos de leilão, os anunciantes podem melhorar drasticamente a previsão de custos ao investir na construção de proxies de concorrência (texto, comportamento e geografia) em vez de depender apenas de extrapolação autoregressiva.

• A combinação de estrutura geográfica (para estabilidade) e grafos semânticos (para spillovers relacionais) oferece uma abordagem escalável para recuperar a estrutura competitiva latente.
• A abordagem proposta é particularmente eficaz em horizontes de planejamento de médio e longo prazo, onde a volatilidade competitiva é mais consequente para o negócio.

Limitações: O estudo foca em um setor vertical específico (aluguel de carros) com concorrência concentrada. A generalização para mercados mais fragmentados e a construção de grafos dinâmicos (que evoluem com o tempo) são apontados como trabalhos futuros.