Solving the cold-start problem in digital advertising

The online advertising market is experiencing the most flourishing period ever observed so far. The profit recorded in 2021 was 189 billion dollars, corresponding to an increase of 35.4% over the previous year. In order to win the best advertising slots, made available by search engines and social networks, advertisers must compete in an auction. Often, choosing the optimal bid is not trivial; consequently, more and more advertising agencies resort to the help of automated tools for managing the advertising campaigns of their customers. However, such systems suffer from a problem known as Cold-Start that occurs when they have to operate in situations where a minimum amount of historical data is available. The aim of the work is to develop a methodology that can mitigate this problem when an advertiser decides to launch a new advertising campaign for which no observations have yet been recorded. In particular, the proposed heuristic uses the information collected from the other sub-campaigns related to the advertiser to extract a characteristic average behaviour to be used as a starting point for the new sub-campaigns. Finally, the approach developed has been validated on real data provided by the advertising agency ’AdsHotel’, highlighting a statistically significant improvement in performance compared to the scenario in which no Cold-Start management technique is used.

Il mercato pubblicitario online sta vivendo il periodo più florido mai registrato. Il profitto ottenuto nel 2021 è stato pari a 189 miliardi di dollari, corrispondente ad un aumento del 35.4% rispetto all’anno precedente. Per potersi aggiudicare i migliori spazi pubblicitari messi a disposizione da motori di ricerca e social network, gli inserzionisti devono concorrere in un’ asta, per la quale, è necessario scegliere la puntata ottimale; di conseguenza, sempre più agenzie pubblicitarie ricorrono all’ausilio di strumenti di apprendimento automatizzato per la gestione delle campagne pubblicitarie dei propri clienti. Tali sistemi soffrono, però, di un problema noto come Cold-Start: quest’ultimo si verifica quando si ha a disposizione un quantitativo minimo di dati storici, e quindi, nelle fasi inziali dell’apprendimento, si tende ad avere una performance non soddisfacente. L’obiettivo di questo lavoro è quello di sviluppare una metodologia in grado di mitigare tale problematica, qualora un inserzionista decida di avviare una nuova campagna pubblicitaria per la quale nessuna osservazione è stata registrata. In particolare, l’euristica proposta sfrutta informazioni raccolte da altre sotto-campagne pubblicitarie, estraendo da esse un comportamento medio caratteristico da impiegare per le nuove sotto-campagne. Infine, l’approccio sviluppato è stato validato su dati reali forniti dall’agenzia pubblicitaria ’AdsHotel’, evidenziando un miglioramento statisticamente rilevante della performance rispetto allo scenario in cui non viene adoperata nessuna tecnica di gestione del Cold-Start.