시작하시겠어요?
컨텍스트 타겟팅을 기반으로 효과적인 머신러닝 기반 UA캠페인 운영하기
Context Calculator
iOS 14의 IDFA 폐지로 인해 광고주는 성장이라는 동일한 목표 하에 경쟁력있는 CPI와 가치있는 사용자 확보를 위한 대체 비사용자 기반 타겟팅 솔루션을 찾는 데 어려움을 겪고 있습니다.
컨텍스트 타켓팅이 중앙무대를 차지함에 따라, 각 스토어 카테고리에서 쉽게 조작될 수 있는 정보 이외의 정보를 수집하기 위해, 당사는 앱 사이의 컨텍스트 ‘거리′를 측정함으로써 각 번들을 벡터로 표현하기 위해 단어 표현 방법이라 불리는 ELMo를 사용합니다. 이 계산된 거리는 다른 수백가지 특징 중의 하나로 당사의 예측 모델에 제공되며 당사의 비딩 로직에서 중요한 역할을 합니다.
이 방법의 효과를 보여드리기 위해 컨텍스트 거리 계산기를 제작하였습니다. 계산기를 사용하면 각 앱스토어 소개문 간의 정교한 비교를 통해 작동방식, 테마, 특징 등이 가장 유사한 앱을 알 수 있습니다.
컨텍스트가 유사한 앱 찾기
- App Icon
앱 이름
카테코리
컨텍스트 관련 앱 순위
| # | 앱 이름 | 확신도 |
|---|---|---|
| 1 | mockmockBillion Cash Slots-Casino Game | 100% 확신도 값 100% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 2 | mockmockEon Slots Casino Vegas Game | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 3 | mockmockCash Tornado Slots - Casino | 50% 확신도 값 50% - 중 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 4 | mockmockSuper Vegas Slots Casino Games | 44% 확신도 값 44% - 중 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 5 | mockmockVegas Nights Slots | 40% 확신도 값 40% - 중 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 6 | mockmockTycoon Casino - Vegas Slots | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 7 | mockmockWinning Slots Las Vegas Casino | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 8 | mockmockCash Frenzy - Slots Casino | 60% 확신도 값 60% - 중 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 9 | mockmockVegas Slots - 7Heart Casino | 10% 확신도 값 10% - 저 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 10 | mockmockSlots Casino - Vegas Slot Machine Games | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
1
mockmockBillion Cash Slots-Casino Game
100%
확신도 값
100% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
2
mockmockEon Slots Casino Vegas Game
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
3
mockmockCash Tornado Slots - Casino
50%
확신도 값
50% - 중 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
4
mockmockSuper Vegas Slots Casino Games
44%
확신도 값
44% - 중 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
5
mockmockVegas Nights Slots
40%
확신도 값
40% - 중 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
6
mockmockTycoon Casino - Vegas Slots
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
7
mockmockWinning Slots Las Vegas Casino
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
8
mockmockCash Frenzy - Slots Casino
60%
확신도 값
60% - 중 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
9
mockmockVegas Slots - 7Heart Casino
10%
확신도 값
10% - 저 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
10
mockmockSlots Casino - Vegas Slot Machine Games
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
| # | 앱 이름 | 확신도 |
|---|---|---|
| 11 | mockmockEpic Vegas Slots - Casino Game | 40% 확신도 값 40% - 중 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 12 | mockmockSlots of Vegas | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 13 | mockmockSlots: Vegas Casino Slot Games | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 14 | mockmockVegas Casino & Slots: Slottist | 88% 확신도 값 88% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 15 | mockmockLuckyBomb Casino Slots | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 16 | mockmockSlots Mega Win Casino Game | 75% 확신도 값 75% - 중-고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 17 | mockmockHigh 5 Casino: Home of Slots | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 18 | mockmockWinner Slots Casino Games | 20% 확신도 값 20% - 저 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 19 | mockmockCash Tap Casino: Slot Machines | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
| 20 | mockmockCash Tap Casino: Slot Machines | 90% 확신도 값 90% - 고 확신도 컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다. 확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다. |
11
mockmockEpic Vegas Slots - Casino Game
40%
확신도 값
40% - 중 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
12
mockmockSlots of Vegas
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
13
mockmockSlots: Vegas Casino Slot Games
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
14
mockmockVegas Casino & Slots: Slottist
88%
확신도 값
88% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
15
mockmockLuckyBomb Casino Slots
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
16
mockmockSlots Mega Win Casino Game
75%
확신도 값
75% - 중-고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
17
mockmockHigh 5 Casino: Home of Slots
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
18
mockmockWinner Slots Casino Games
20%
확신도 값
20% - 저 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
19
mockmockCash Tap Casino: Slot Machines
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
20
mockmockCash Tap Casino: Slot Machines
90%
확신도 값
90% - 고 확신도
컨텍스트는 아주 미묘하므로 두 앱간 컨텍스트 관계에 높은 확신도로 저희 모델에 입력합니다.
확신도는 앱 소개문의 길이, 모호한 단어의 숫자와 전반적 명확성으로 계산됩니다.
번들 결과
번들 ID를 입력하고 '계산'을 클릭하면 컨텍스트가 가장 유사한 앱을 볼 수 있습니다.
ElMo를 사용하는 이유
설치 및 구매 예측 모델을 위한 컨텍스트 유사 기능을 개발할 때 두 가지 주요 원칙을 고려했습니다: 첫째, 컨텍스트는 사용자 행동 및 광고 참여를 예측하는 데 중요한 역할을 하고, 둘째, 컨텍스트는 상당히 미묘한 차이가 있을 수 있습니다.
이 개념은 내재된 편견을 포함하고 경우에 따라 ASO 문제로 인한 노골적인 부정확성 및 주제 모델링 방법(예: LDA나 W2V)을 사용하여 클러스터링하는 직접 카테고리를 만드는 것과 같은 다른 접근 방식을 포함하므로 스토어 카테고리 사용을 무의미하게 만들며 우리가 목표로 한 정보 획득과 정확성 향상을 생성하고, 우리는 각각의 모든 번들을 개별적으로 표현할 방법을 찾아야 한다는 것을 깨달았습니다.
기계 학습의 언어 관련 문제를 해결하는 데 일반적으로 사용되는 작업의 복잡성과 도구를 평가한 후, 당사 데이터 사이언티스트의 연구를 통해 ELMo를 테스트하는 것으로 결론지었습니다. ELMo는 55억 개의 방대한 토큰(단어 및 구성 부분) 데이터 세트 내에서 사용되는 구문을 학습함으로써 서로 다른 컨텍스트를 사용할 때 단어와 의미 간의 연관성을 학습하기 위해 신경망을 사용합니다.
ELMo 모델이 학습된 후 각 단어를 벡터로 표현하여 의미체계의 레벨과 구문간의 유사성을 알려주는 각 단어 사이의 코사인 거리를 측정할 수 있습니다. 각 단어는 컨텍스트를 이해하는 것이 매우 중요하므로, ELMo는 복잡한 작업을 위한 가장 신뢰할 수 있는 방법이라는 것이 입증되었습니다.
유사성 거리에 의해 효과적으로 측정되는 동안 단어 벡터가 컨텍스트 상황에 따라 얼마나 가까운지에 대한 예시
mock
mock
- Cluster 1
- Cluster 2
- Cluster 3
- Word Vectors
- Weight
- Bundle Representation
- Ml Model
Scheme
단어의 가중합에서 번들 벡터가 생성되는 모습
번들 벡터 묘사
단어 벡터를 생성한 후 다음 단계는 컨텍스트를 효과적으로 표현하는 방식으로 각 번들에 대해 단어벡터를 합하는 것입니다. 표면적으로는 앱스토어 소개문 전체를 단일 벡터 표현에 포함하여 서로 다른 앱 간의 컨텍스트 '거리'를 측정할 수 있습니다.
당사 연구 개발 과정에서 이 단계가 가장 난해한 것으로 밝혀졌습니다. 앱스토어 소개문에 있는 모든 단어의 벡터를 평균화하는 것만으로도 충분해 보이지만 특정 앱의 스토어 소개문 및 전체 말뭉치 내에서 특정 단어가 나타나거나 반복되는 빈도와 관련된 귀중한 데이터를 잃어 버리게 됩니다.
많은 테스트 후 가장 많은 정보를 얻을 수 있는 접근 방식은 NLP(자연어처리, 텍스트 분석에 중점을 둔 기계 학습의 한 분야) -TFIDF-Term Frequency Inverse (to) Document 빈도 : 기본적으로 말뭉치 내 특정 단어의 희소성을 나타냄 - 의 주요 수치 통계를 기반임을 발견했습니다.
따라서, 번들 표현은 각 앱의 고유 테마, 작동방식 및 기능을 일반적으로 표현하는 더 희귀하고 미묘한 단어에 중점을 두기 위해 각 단어 벡터의 가중 평균에 TFIDF값을 곱하여 매우 세분화되어 있지만 가치있는 정보를 제공하는 모델로 발전하였습니다.