TargOpt: a targeting optimization algorithm for online advertising

In the last decades, the huge spread of Internet usage has influenced many areas, among which there is advertising. Indeed, online advertising has become the mainly used advertising tool, overcoming the revenue of traditional media like television. The reason for this shift is to be found in the many advantages that it offers over traditional advertising, like reduced costs, global audience reach, and targeted advertising. Targeted advertising allows choosing the characteristics (demographic and geographic) of the audience that will see an ad, as well as its timing (start hour, day of the week). In this way, an advertiser can avoid showing a campaign to people who might not be interested in it, investing more money in the audiences that could provide larger revenues. This can be obtained by splitting a campaign into sub-campaigns, each addressing a different target and having a budget that depends on the expected performance of the targeted audience. However, though being an advantage, choosing the target of an ad is not an easy task: the huge number of possible configurations makes this problem unfeasible to solve without the help of Artificial Intelligence. Moreover, if no target audience is selected, advertising platforms automatically assign a budget to audience segments, depending on factors like obtained clicks and conversions; however, such allocation is often sub-optimal if a too-broad audience is selected. For this reason, we propose an algorithm, TargOpt, that suggests the optimal target for a campaign depending on the KPI that we want to maximize. Moreover, the algorithm suggests the best budget allocation for the sub-campaigns that compose the proposed configuration. Finally, we provide an empirical evaluation of TargOpt in both synthetic and real-world settings, showing an improvement of the performance up to 22% compared with the previous strategy adopted by advertisers.

Negli ultimi anni, l’enorme diffusione dell’uso di Internet ha influenzato molte aree, tra cui quella della pubblicità. Infatti, diffondendosi sempre di più come mezzo pubblicitario, Internet ha superato i guadagni di altri media come, ad esempio, la televisione. La ragione di questo cambiamento va ricercata nei numerosi vantaggi che la pubblicità online offre rispetto a quella tradizionale, come costi ridotti, possibilità di raggiungere un pubblico globale e pubblicità mirata. Quest’ultima permette di scegliere le caratteristiche (demografiche e geografiche) del pubblico che vedrà un certo annuncio, così come le tempistiche (ora di inizio o giorno della settimana). In questo modo, gli inserzionisti possono evitare di mostrare le proprie campagne pubblicitarie a persone che potrebbero non essere interessate, investendo così maggiormente nei segmenti di pubblico che possono fornire maggiori ricavi. Per far ciò, un inserzionista deve dividere una campagna in sotto-campagne, ognuna con un diverso pubblico e un budget che dipende dalla performance attesa del pubblico a cui essa è indirizzata. Nonostante la pubblicità mirata rappresenti un vantaggio, scegliere il target di un annuncio non è un compito facile: l’enorme numero di configurazioni possibili rende questo problema non realizzabile in maniera manuale, tuttavia può essere approcciato con tecniche di Intelligenza Artificiale. Inoltre, se non viene selezionato alcun pubblico per la campagna, le piattaforme pubblicitarie assegnano automaticamente il budget ai segmenti di pubblico, in base a fattori come click o conversioni ottenute. Tuttavia, l’allocazione effettuata dalle piattaforme risulta essere spesso subottimale se la campagna è indirizzata a un pubblico troppo ampio. Per questo motivo, proponiamo un algoritmo, TargOpt, che è in grado di suggerire il miglior target per una campagna, in base al KPI che si intende massimizzare. Inoltre, l’algoritmo suggerisce l’allocazione di budget ottima tra le sotto-campagne che compongono la configurazione proposta. Infine, abbiamo valutato le performance di TargOpt su dati sintetici e reali, dimostrando un incremento delle performance del 22% rispetto alla precedente strategia utilizzata dagli advertiser.