記憶に残る広告：心理学行動モデルによるニアオプティマル広告最適化
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.20304v1発表形式：クロス
概要：広告のタイミングと頻度の最適化は、デジタル広告における中心的な課題であり、経済的に大きな影響を及ぼします。既存のスケジュール策定ポリシーは、均一な間隔や頻度制限などの単純なヒューリスティックに依存しており、長期的なユーザーの関心を考慮していません。しかし、ユーザーの長期的な関心とエンゲージメントは、いくつかの心理的効果の相互作用の結果であることは周知の通りです (Curmei, Haupt, Recht, Hadfield-Menell, ACM CRS, 2022)。
本研究では、単なる露出効果、快楽の適応、オペラント条件付けという3つの主要な心理原則に基づいて、広告表示によるユーザー関心の変化をモデル化します。最初の2つの効果は、繰り返し露出に対するユーザー関数の凹関数を使用してモデル化され、3番目の効果は、過剰露出によるユーザー関心の低下を説明する時間減衰関数を使用してモデル化されます。この心理行動モデルの下で、次の質問を検討します。連続時間区間$T$が与えられた場合、ユーザーの広告への関心を最大化するために、いくつの広告を、いつ表示するべきか？
この質問に答えるために、まず、表示される広告数が固定されている場合、最適な広告スケジュールはオペラント条件付け関数にのみ依存することを示します。私たちの主要な結果は、準線形時間アルゴリズムであり、近最適な広告スケジュールを出力します。つまり、私たちのスケジュールと最適なスケジュールの性能の差は指数関数的に小さいです。私たちのアルゴリズムは、最適な広告配置に関する重要な洞察をもたらし、均一な間隔などの単純なヒューリスティックが多くの自然な設定では最適ではないことを示しています。表示する最適な広告数も、単なる露出効果と快楽の適応関数に依存しますが、上記のアルゴリズムを用いて単純な線形探索によって見つけることができます。さらに、実験結果によって私たちの戦略が様々なベースラインを凌駕することを示し、私たちの知見を裏付けています。
原文（英語）を表示
Title (EN): Ads that Stick: Near-Optimal Ad Optimization through Psychological Behavior Models
arXiv:2509.20304v1 Announce Type: cross
Abstract: Optimizing the timing and frequency of ads is a central problem in digital advertising, with significant economic consequences. Existing scheduling policies rely on simple heuristics, such as uniform spacing and frequency caps, that overlook long-term user interest. However, it is well-known that users’ long-term interest and engagement result from the interplay of several psychological effects (Curmei, Haupt, Recht, Hadfield-Menell, ACM CRS, 2022).
In this work, we model change in user interest upon showing ads based on three key psychological principles: mere exposure, hedonic adaptation, and operant conditioning. The first two effects are modeled using a concave function of user interest with repeated exposure, while the third effect is modeled using a temporal decay function, which explains the decline in user interest due to overexposure. Under our psychological behavior model, we ask the following question: Given a continuous time interval $T$, how many ads should be shown, and at what times, to maximize the user interest towards the ads?
Towards answering this question, we first show that, if the number of displayed ads is fixed, then the optimal ad-schedule only depends on the operant conditioning function. Our main result is a quasi-linear time algorithm that outputs a near-optimal ad-schedule, i.e., the difference in the performance of our schedule and the optimal schedule is exponentially small. Our algorithm leads to significant insights about optimal ad placement and shows that simple heuristics such as uniform spacing are sub-optimal under many natural settings. The optimal number of ads to display, which also depends on the mere exposure and hedonistic adaptation functions, can be found through a simple linear search given the above algorithm. We further support our findings with experimental results, demonstrating that our strategy outperforms various baselines.
Published: 2025-09-24 19:00 UTC