최근 대규모 소셜 미디어 및 전자상거래 기업들은 광고 생태계의 핵심 요소인 공급측 플랫폼(SSP), 수요측 플랫폼(DSP), 그리고 광고 거래소(Ad Exchange) 기능을 자체적으로 통합 운영하고 있습니다. 이러한 통합 광고 플랫폼의 등장으로, 자동 입찰(auto-bidding) 알고리즘의 목표는 단순히 광고주의 전환(conversion)을 극대화하는 것을 넘어, 플랫폼 전체의 총수익까지 고려해야 하는 복잡한 문제로 진화했습니다. 기존의 자동 입찰 연구는 주로 DSP 관점에서 광고주 수익 최적화에 초점을 맞췄기에, 통합 플랫폼의 다면적인 목표를 반영한 평가 프레임워크가 절실히 요구되어 왔습니다.
이러한 배경 속에서, 선행 연구자들은 통합 광고 플랫폼 관점에서 자동 입찰 알고리즘을 평가할 수 있는 최초의 포괄적인 벤치마크인 'PlatformBid'를 제안했습니다. PlatformBid는 실제 자동 입찰 시나리오를 정확하게 반영하기 위해 세 가지 대표적인 경쟁 환경을 정의합니다. 첫째, 모든 광고주가 동일한 알고리즘을 사용하는 '동질 경쟁(homogeneous competition)' 환경, 둘째, 다양한 알고리즘 전략을 가진 광고주들이 경쟁하는 '이질 경쟁(heterogeneous competition)' 환경, 그리고 셋째, 블랙프라이데이와 같은 프로모션 기간 동안 일부 광고주들이 예산을 급증시키는 '프로모션 경쟁(promotional competition)' 환경입니다. 연구팀은 고전적인 제어 방식, 강화 학습(RL) 기반 방식, 그리고 최근의 생성형(generative) 방식 등 광범위한 기존 자동 입찰 방법들을 이 세 가지 설정에서 체계적으로 평가했습니다. 더 나아가, 플로우 매칭(flow-matching)이라는 새로운 기법을 활용한 'BidFlow'라는 자동 입찰 방식을 제안했는데, 이는 동적인 경쟁 환경에 효과적으로 대응하며 기존 방식 대비 개선된 성능을 보였습니다. 중국의 짧은 동영상 플랫폼 콰이쇼우(Kuaishou)에서의 온라인 실험 결과, BidFlow는 목표 비용(target cost) 측면에서 0.68%의 개선을 달성하며 PlatformBid 벤치마크의 오프라인-온라인 일관성을 입증했습니다.
PlatformBid의 등장은 통합 광고 플랫폼의 자동 입찰 연구에 중요한 전환점이 될 것으로 보입니다. 기존 연구의 한계를 극복하고, 플랫폼의 수익과 광고주의 성과를 동시에 고려하는 더욱 정교하고 효율적인 자동 입찰 알고리즘 개발을 촉진할 것입니다. 이는 광고 기술(Ad-tech) 산업 전반에 걸쳐 광고 효율성을 높이고, 플랫폼의 지속 가능한 성장을 지원하는 데 기여할 것입니다. 특히, 다양한 경쟁 환경을 시뮬레이션하고 평가할 수 있는 표준화된 벤치마크의 등장은 학계와 산업계 모두에게 새로운 연구 방향과 실제 적용 가능성을 제시하며, 궁극적으로는 광고주와 사용자 모두에게 더 나은 광고 경험을 제공하는 기반이 될 것입니다.