Transformer-based Multi-touch Attribution model

[2024-1] 비즈니스애널리틱스:캡스톤디자인 프로젝트

• 기간 : 2024.03 - 2024.06 (3개월)
• 인원 : 총 3인
• 발표 자료

1️⃣ Background

• 광고 sequence로부터 사용자가 전환(conversion)을 한 이유를 파악 → 마케팅에 활용하고자 함
• 기존의 MTA 모델과는 달리, 광고의 user segment 사이의 기여도를 attention score를 통해 확인하도록 구축
• 활용 데이터셋 : Taobao dataset
  • 출현 빈도 상위 10,000개의 campaign sampling 하여 활용

2️⃣ Models

• Vanilla Transformer 변형하여 활용
• Encoder의 입력으로 광고 sequence, Decoder의 입력으로 user segment 활용
• GRL을 활용하여 광고 sequence에 존재하는 user 편향 제거

3️⃣ Attribution example

• Decoder의 Attention map을 활용하여 집계 및 시각화
• segment 군집별 특징 및 광고 노출 빈도에 따른 기여도 변화 파악 가능
• 예) 특정 segment 군집에 대해 기여도가 높은 광고 시각화 (20대 / 구매 빈도 ↑)

• 예) 동일한 광고가 반복되는 sequence의 기여도 차이

4️⃣ Training & Test code

Train

• Data 폴더에 vocab.pkl 파일이 없을 경우, build_vocab.py 우선적으로 실행
• 학습을 위해 아래의 코드 실행

cd MTA_model_GRL_sel_pos
python main.py

Test

• test 데이터셋에 대한 성능 평가를 위해 아래의 코드 실행

python predict.py

• predict.py 내부에서 호출되는 display_attention 함수를 활용하여 개별 user의 광고 sequence에 대한 attention map 시각화 가능