![[팀네이버 컨퍼런스 DAN25] Bid, Win, Profit 생성형 AI기반 광고경매 시뮬레이터로 보는 수익 최적화](https://i.ytimg.com/vi/iD4FTmDay6Y/maxresdefault.jpg)
[팀네이버 컨퍼런스 DAN25] Bid, Win, Profit 생성형 AI기반 광고경매 시뮬레이터로 보는 수익 최적화
DAN 2025 네이버 · YouTube
AI 핵심 요약
실시간 광고 입찰은 미래 트래픽과 경쟁 상황을 모르는 채 매 순간 입찰가를 정하면서 광고주 가치, 사용자 경험, 플랫폼 수익을 함께 고려해야 하는 문제다. 발표진은 PID 제어기와 온라인 최적화부터 오프라인 강화학습(CQL·IQL), Decision Transformer와 가치 신호를 활용하는 GAVE까지 입찰 전략을 비교하고, 네이버의 트래픽 분포와 광고 메타데이터를 반영한 동적 멀티에이전트 경매 시뮬레이터를 구축했다. 시뮬레이터는 트래픽 생성기, 가치 예측기, 자동 입찰기가 피드백 루프를 이루며, Transformer 기반 광고 파운데이션 모델을 바탕으로 사용자 행동과 경매 결과를 모사한다. 실험에서는 강화학습 및 Transformer 기반 전략이 예산 제어·전통적 제어 방식보다 나은 성능을 보였고, 시뮬레이션으로 입찰 모델 검증 비용을 줄이면서 광고주 가치와 플랫폼 수익을 함께 최적화할 가능성을 확인했다.
- PID 제어기와 온라인 최적화는 가볍고 배포하기 쉽지만, 비정상적이고 비선형적인 시장 변화를 예측하는 데 한계가 있다.
- 오프라인 강화학습에서는 분포 밖 행동의 Q값이 과대평가될 수 있으므로 CQL의 보수적 정규화나 IQL의 상태 가치 추정으로 이를 완화한다.
- Decision Transformer 계열 모델은 목표 보상에서 행동을 생성하며, GAVE는 가치 예측을 학습 신호로 활용해 데이터에 없는 더 나은 행동을 탐색한다.
- 정적 시뮬레이션은 실제 로그를 활용하기 쉽지만 경쟁자 반응을 반영하지 못하므로, 전략 간 상호작용을 검증하려면 동적 멀티에이전트 환경이 필요하다.
- 생성형 입찰 모델은 배포 전에 하이퍼파라미터를 신중히 조정하고, 시뮬레이터에서 보상·CPA·예산 사용률을 함께 평가해야 한다.
소개
[팀네이버 컨퍼런스 DAN25] Bid, Win, Profit 생성형 AI기반 광고경매 시뮬레이터로 보는 수익 최적화 이번 세션에서는 생성형 AI(Transformer 기반) 기술을 광고 입찰(Real-Time Bidding, RTB) 문제에 적용하여 실제 수익 최적화를 어떻게 달성할 수 있을지 공유합니다. 먼저 디지털 광고 경매의 구조와 광고주 입장에서 중요한 KPI(ROI, CPA 등)를 설명하고, 전통적인 입찰 방식의 한계를 짚습니다. 또한, Transformer 기반 생성형 AI 모델을 활용한 새로운 접근을 소개합니다. 본 기술은 단순히 과거 데이터를 예측하는 수준을 넘어, 다양한 상황에서 전략을 생성하고 일반화할 수 있는 능력을 제공합니다. 이를 통해 기존 방식보다 더 높은 수익성과 효율성을 보장할 수 있음을 보여줍니다. 또한, 이를 검증하기 위해 구축한 광고 입찰 시뮬레이터(Auction Simulator)의 구조와 기능을 공유합니다. 시뮬레이터는 멀티에이전트 환경에...
비슷한 학습 자료
컨퍼런스 DAN 2024
TEAM NAVER CONFERENCE DAN 24 KEYNOTE 04 AI-Generated Value-driven Advertising: Providing Information that Users Need and Delivering Maximum ROI for Advertisers Introducing the direction of change and innovation that NAVER advertising platform will make based on AI technology - To view English subtitles, please select English in the subtitle settings. - Learn more about DAN 24: https://dan.naver.com
인공지능 기타 프로덕트 지표 · 실험
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 생성형 UI와 에이전틱 UX 리서치, AI 네이티브 디자인 프로세스의 가능성 기존 UX 디자인과 리서치 방식은 개인화된 사용자 특성과 빠르게 변화하는 AI 환경을 반영하기 어려웠습니다. 본 세션에서는 UI 디자인과 UX 리서치 과정에 AI를 접목해 새로운 디자인 프로세스를 실험한 경험을 공유합니다. Telecast(생성형 UI 플랫폼)와 EchoX(AI 페르소나 기반 UX 리서치 시스템)를 직접 구현하며, 디자이너들이 AI와 함께 도구를 만들고 역량을 확장해 나간 과정을 다룹니다. 이 과정에서 AI를 통해 UX 디자이너와 리서처의 역할과 협업 방식을 어떻게 재발견하게 되었는지, 그리고 앞으로 디자인 프로세스를 어떻게 재정의해 나갈 수 있을지 경험을 공유합니다. 목차 1. 기존의 디자인 프로세스와 자동화 시도 - 복잡함이 더해지는 사용환경 - AI 코딩을 활용한 작업 자동화 시도 경험 2. Telecast: Generative...
AI 코딩 UI/UX
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 오늘도 AI에게 디자인을 가르치는 중입니다 : AI 광고 소재 생성 시스템 구축기 ADVoost Creative는 AI를 활용하여 네이버 서비스의 다양한 지면에 맞는 광고 소재를 자동으로 만들어주는 서비스입니다. 어느 날, AI로 네이버 광고를 만들자는 미션을 받고 AI에게 '디자인하는 법'을 가르치게 되었습니다. AI 자동화를 위해 마주했던 다양한 문제와 해결 과정을 공유하고, AI 시대의 디자이너의 역할에 대해 느낀 점을 공유합니다. 목차 1. 네이버 광고, 자동으로 뚝딱 만들어준다면? ADVoost Creative, 네이버 광고 소재 자동화의 시작 2. 광고의 기본 틀 만들어주기 광고 소재를 자동으로 생성하기 위한 '룰' 가르치기 3. 광고에 미감과 다양성 한스푼 더하기 템플릿 디자인을 다양하게 만들어내기 위한 시도 I2M (Image to Motion) : 이미지에 생생한 움직임 넣기 4. 광고 소재를 ...
컴퓨터 비전
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 단 하나의 문장으로: Foundation Model이 답해주는 차세대 Audience Targeting, COMPASS 기존 광고 오디언스 타겟팅은 도메인별로 모델이 파편화된 사일로(Silo) 구조로 인해 확장성과 유지보수 측면에서 근본적인 한계에 직면했습니다. 본 세션에서는 이러한 한계를 극복하기 위해 사용자에 대한 통합된 이해를 제공하는 광고 Foundation Model을 도입하고, 미리 정의된 정적(Static) 세그먼트의 벽을 넘어선 차세대 오디언스 플랫폼 COMPASS의 개발 경험을 공유합니다. 특히, 광고주의 복잡하고 동적인 의도를 자연어로 입력받아 실시간 타겟팅을 가능하게 하는 Text2Segment 기술과 그 기반이 되는 핵심 엔진 아키텍처를 다룰 예정입니다. 또한, 실제 프로덕션 환경에 적용하며 겪었던 어려움을 공유하고, 멀티모달(Multimodal)로 확장하는 미래 비전을 제시하고자 합니다. 목차 1. 광고 필수 요소 : Au...
딥러닝 · 머신러닝 자연어 처리
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지 이번 세션은 네이버 플레이스 AI Briefing 생성의 기술적 파이프라인을 다룹니다. Retrieval - Reranking - Summarization 구조를 중심으로 탐색형·정답형·정보형 태스크 차이를 설명하고, 텍스트와 이미지 정보를 요약하는 방법을 소개합니다. 구체적으로 Text Encoder·Reranker·Multi-modal Encoder의 데이터셋 구축, 모델 선택과 학습 방법론, 도메인 특화 모델 평가 사례, 그리고 ICL·Distillation 기반 요약 기법을 공유합니다. 마지막으로 서비스 적용 경험을 토대로 효율 최적화, 대형·경량 모델 조합 등 실무 전략을 제시합니다. 이 과정을 통해 얻은 통찰이 더 나은 서비스 설계와 발전 방향을 모색하는 데 기여하길 바랍니다. 목차 1. Overview - Place AI Briefing - 서비스 설명과 사례 ...
컴퓨터 비전 자연어 처리