Lift

In molti settori la selezione delle informazioni pubblicitarie da proporre agli utenti si basa sull’analisi di rilevazioni statistiche effettuate su campioni di utenti che fruiscono del servizio; uno degli esempi più significativi è rappre- sentato dal settore televisivo, in cui gli operatori dispongono delle rilevazioni elaborate da Auditel [50], che consentono di conoscere per ciascun programma trasmesso la composizione del pubblico, suddividendo gli utenti in un insieme di categorie target prestabilite.

Le usuali strategie di marketing applicate prevedono di individuare il target più rilevante all’interno del pubblico complessivo del programma, pro- ponendo di conseguenza le informazioni pubblicitarie di maggiore interesse per tale categoria. Lo svantaggio di questo tipo di strategia consiste nel fatto che i medesimi messaggi pubblicitari sono proposti a tutti gli utenti, anche a coloro i quali possono avere interessi e preferenze significativamente differenti rispetto a quelli espressi dal target individuato. Ciò si traduce in un minore coinvolgimento di questi utenti rispetto alle campagne pubblicitarie proposte ed in una diminuzione della redditività da esse prodotta. Nonostante la pre- senza di tali svantaggi, il ricorso a questa strategia di marketing è giustificato dall’impossibilità di fornire informazioni pubblicitarie personalizzate agli utenti attraverso il canale televisivo tradizionale.

Per settori nei quali è invece possibile una elevata personalizzazione delle informazioni pubblicitarie, come ad esempio l’IPTV, gli svantaggi che si verifi- cano ricorrendo alle strategie tradizionali possono essere eliminati ricorrendo a tecniche di Targeted Advertising, nelle quali le informazioni pubblicitarie differiscono a seconda del profilo individuato per ciascun utente.

Tuttavia, perché questo tipo di soluzioni sia effettivamente più efficace rispetto alle strategie tradizionali è necessario che la percentuale degli utenti

4.1. Metodologia di valutazione | 80|

per i quali viene effettuata una classificazione corretta sia superiore rispetto alla percentuale di utenti appartenenti alla classe maggiormente popolata tra quelle previste. In caso contrario, infatti, il numero di utenti per i quali si andrebbero a proporre informazioni pubblicitarie effettivamente rilevanti applicando il Targeted Advertising sarebbe inferiore rispetto a quello che si otterrebbe proponendo lo stesso messaggio a tutti gli utenti, come avviene nelle campagne pubblicitarie non personalizzate.

Utilizzando le metriche di valutazioni tradizionali non è possibile effettua- re un’analisi di questo tipo: sorge quindi la necessità di definire una nuova metrica che sia in grado di valutare le performance della fase di classificazione degli algoritmi utilizzati nelle soluzioni Targeted Advertising, confrontan- dole con quelle che si otterrebbero assegnando tutti gli utenti alla classe maggiormente popolata tra quelle a disposizione.

In [39] viene utilizzata una metrica chiamata Lift, calcolata come:

Liftcl =

Accuracy_c Pcl

in cui il valore di Pclindica la probabilità che un utente u scelto a caso apparten-

ga alla classe cl, calcolata come rapporto tra il numero di utenti appartenenti alla classe ed il totale degli utenti dell’insieme preso in considerazione.

Per giustificare il ricorso alla metodologia oggetto della valutazione è ne- cessario l’ottenimento di un valore di Lift superiore ad uno, il quale indica che, per la classe in esame, il numero di utenti raggiunto da un messaggio pubbli- citario pertinente è superiore applicando la metodologia in esame piuttosto che ricorrendo alle tecniche tradizionali.

L’utilizzo di tale metrica, tuttavia, consente di ottenere informazioni re- lativamente alle performance ottenute rispetto alle singole classi, ma non di effettuare valutazioni complessive sul metodo, estese a tutte le classi in esame; per superare questa limitazione viene nel seguito proposta una nuova metrica di valutazione, in grado di confrontare efficacemente le prestazioni complessi- ve di una metodologia basata sul Targeted Advertising con quelle ottenibili senza applicare tale tecnica.

Lift = performance complessive ottenute utilizzando TA perfomance complessive ottenute con soluzioni tradizionali

Le performance ottenute applicando la metodologia di Targeted Advertising oggetto della valutazione sono espresse moltiplicando il valore di Accuracy relativo a ciascuna classe per il numero di utenti che sono stati effettivamente assegnati dal metodo a tale classe. Sommando i risultati ottenuti per ognuna delle classi si ottiene il numero complessivo di utenti per i quali il metodo in esame ha fornito una stima corretta.

Moltiplicando il numero totale degli utenti da classificare per la percentuale di utenti appartenenti alla classe più popolata tra quelle previste si ricava, inve- ce, il numero di utenti appartenenti a tale classe, che rappresenta un indicatore per le performance ottenibili senza ricorrere al Targeted Advertising.

La formula per il calcolo della metrica proposta è quindi la seguente:

Lift =

# classi

X

c=1

(Accuracy_cl∗ utenti assegnati a c) totale utenti ∗ max(Pc)

(4.1)

Alcuni degli algoritmi di classificazione esistenti, tuttavia, prevedono la pos- sibilità di non assegnare un utente ad alcuna delle classi previste, quando si verifichino situazioni di incertezza o di mancanza delle informazioni necessa- rie per effettuare una classificazione sufficientemente affidabile. Nelle applica- zioni reali tali utenti vengono solitamente assegnati alla classe maggiormente popolata, in modo da minimizzare gli errori di classificazione.

Per tenere in considerazione anche questo aspetto è quindi necessario modificare la formula per il calcolo del Lift, introducendo un ulteriore termine a denominatore, che viene ricavato moltiplicando il numero di utenti non assegnati per la percentuale di utenti appartenenti alla classe più popolata.

La formula (4.1) viene di conseguenza modificata, ottenendo la seguente:

Lift =

tot. utenti non ass. ∗ max(Pc) + # classi

X

c=1

(Accuracy_cl∗ utenti assegnati a c) totale utenti ∗ max(Pc)

L’ottenimento di un valore di Lift maggiore di uno indica che, applicando la metodologia di profilazione in esame, si ottiene una classificazione sufficien- temente precisa ed accurata, la quale consente quindi di ricavare maggiori benefici rispetto alle tradizionali strategie di marketing, fornendo al contempo una solida giustificazione per il ricorso alle tecniche di Targeted Advertising.