[1G3-OS-13a] OS-13

1:40 PM - 1:55 PM JST(4:40 AM - 4:55 AM UTC)

[1G3-OS-13a-01] Robust Budget Allocation under Prediction Uncertainty via Moment-based DRO for Online Advertising

〇Kosuke Kawakami^1,2, Kazuhide Nakata² (1. Hakuhodo Technologies, 2. Institute of Science Tokyo)

Keywords:

Distributionally Robust Optimization,Advertising Optimization,Decision Making under Uncertainty

オンライン広告の予算配分では，予測モデルの推定誤差が配分の最適性を損ない，少数ユニットへの集中が下方リスクを増大させる．本稿では，実績KPIと予測KPIの比（ratio residual）を不確実性の統一的表現として導入し，その平均・共分散に対するDelage-Ye型Moment-based DROにより予算配分をロバスト化する枠組みを提案する．ratio residualにより反応曲線推定と不確実性モデリングが分離され，凹反応曲線の区分線形近似と錐双対化を通じて効率的に求解できる．90案件の実データ検証において，提案枠組みは名目最適化比で最悪ケースKPIを最大+6.81%（p<0.001）改善した．73の複数ユニット案件での効果分解では，改善の約95%は平均推定値のロバスト化に起因し，共分散不確実性は副次的だが有意な追加効果（+0.35 pp，p=0.002）を示した．