R2CCP Bid Prediction
다봉형 입찰 분포를 보존하는 R2CCP · 8개 문맥 모델 · 50만 회 Monte Carlo 의사결정
Conformal Prediction · Multimodal Forecasting
Built with Python · R2CCP · Conformal Prediction · Entropy Regularization · Monte Carlo Simulation
WHY
PQ 입찰은 기술점수와 가격점수를 함께 평가합니다. 기술점수가 낮아질수록 유효한 가격대가 입찰 불가능 구간을 사이에 두고 갈라져 실제 투찰행태가 하나의 봉우리가 아닌 다봉분포로 나타났습니다. 하나의 예측값이나 합쳐진 구간이 아니라 서로 떨어진 유효구간을 보존하고 후보별 낙찰확률을 계산하는 시스템이 필요했습니다.
Modeling dataset 69,934건
시간순 train / validation split
Validation 13,984건
가중 conformal coverage 90.73%
운영 결과 +35% KPI
그룹사 PQ 낙찰 성과
HOW
분포를 보존한 뒤 의사결정을 simulation합니다
문맥별 calibration으로 서로 떨어진 mode를 보존한 뒤 후보 행동의 결과를 simulation합니다.
- 01 Context routing
순위 위치 Q1/Q2와 입찰률 차이 4분위를 결합합니다.
- 02 R2CCP distribution
시간순 split에서 entropy-regularized 8개 문맥 모델을 학습합니다.
- 03 Per-bin conformal set
보정된 threshold를 넘는 bin만 남겨 서로 떨어진 interval을 보존합니다.
- 04 Monte Carlo decision
경쟁 결과를 500,000회 표본화해 후보 입찰률별 승리확률을 계산합니다.
RESULT
8개 문맥 시간순 validation
| Context | Coverage | 평균 interval 길이 |
|---|---|---|
| Q1-BRD1 | 91.39% | 0.0149 |
| Q1-BRD2 | 92.23% | 0.0194 |
| Q1-BRD3 | 88.07% | 0.0166 |
| Q1-BRD4 | 91.21% | 0.0169 |
| Q2-BRD1 | 86.14% | 0.0220 |
| Q2-BRD2 | 81.41% | 0.0208 |
| Q2-BRD3 | 93.92% | 0.0285 |
| Q2-BRD4 | 94.77% | 0.0534 |
가중 coverage: 12,688 / 13,984 = 90.73%.
기여
- 다봉 분포의 interval collapse를 찾고 per-bin conformal threshold와 entropy regularization으로 추론 구조를 다시 설계했습니다.
- 8개 문맥의 시간순 평가와 분포예측을 실제 투찰 의사결정에 사용하는 500,000회 후보 simulation에 연결했습니다.