研究论文：赞助商搜索数据中的聚合偏差问题——诅咒与治愈

最近，人们对研究赞助搜索广告（SSA）中的消费者行为产生了浓厚的兴趣。 研究人员通常使用来自搜索引擎的每日数据，其中包含广告客户广告系列中每个关键字的指标，例如平均出价，平均广告排名，总展示次数，点击次数和费用。 使用这些数据可以估算出各种随机效用模型，其结果有助于研究人员探索推动消费者点击和转化倾向的因素。 但是，实际上，每种此类分析都忽略了广告排名的日内变化。 我们发现，在不考虑此变化的情况下，根据汇总（每日）数据估算随机效用模型会导致系统上有偏差的估算-具体来说，广告排名对点击率（CTR）的影响会减弱，而预测的CTR会高于实际点击率我们通过分析证明了偏差的存在，并显示了偏差对SSA拍卖的均衡性的影响。 通过使用来自大型搜索引擎的大型数据集，我们可以测量偏差的幅度，并使用汇总数据来量化搜索引擎和广告客户遭受的损失。 由于聚合偏差，搜索引擎收入损失可能高达11％。 我们还提出了一些数据汇总技术，搜索引擎可以使用这些技术来减少或消除偏差。