In an effort to combat ad annoyance in mobile apps, publishers have introduced a new ad format called "Incentivized Advertising" or "Rewarded Advertising", whereby users receive rewards in exchange for watching ads. There is much debate in the industry regarding its' effectiveness. On the one hand, incentivized advertising is less intrusive and annoying, but on the other hand, users might be more interested in the rewards rather than the ad content. Using a large dataset of 1 million impressions from a mobile advertising platform, and in three separate quasi-experimental approaches, we find that incentivized advertising leads to lower users' click-through rates, but a higher overall install rate of the advertised app. In the second part, we study the mechanism of how incentivized advertising affects users' behavior. We test the hypothesis that incentivized advertising causes a temptation effect, whereby users prefer to collect and enjoy their rewards immediately, instead of pursuing the ads. We find the temptation effect is stronger when (i) users have to wait longer before receiving the rewards and when (ii) the value of the reward is relatively larger. We further find support that incentivized advertising has a positive effect of reducing ad annoyance -- an effect that is stronger for small-screen mobile devices, where advertising is more annoying. Finally, we take the publisher's perspective and quantify the overall effect on ad revenue. Our difference-in-differences estimates suggest switching to incentivized advertising would increase the publisher's revenue by $3.10 per 1,000 impressions.


翻译:为了努力消除移动应用程序中的烦恼,出版商采用了一种名为“激励广告”或“奖励广告”的新广告格式,即用户以观看广告获得奖赏,以换取收看广告的广告。该行业对它的效能存在许多争论。一方面,激励广告不那么具有侵扰性和烦恼性,但另一方面,用户可能更感兴趣的是奖赏而不是广告内容。利用移动广告平台上100万张的大型数据集,以及三种不同的准实验性做法,我们发现,激励广告导致用户点击率降低,但广告应用程序的总体安装率提高。在第二部分,我们研究激励广告如何影响用户行为的机制。我们测试一种假设,即激励广告会产生诱惑效应,用户宁愿立即收集并享受其奖赏,而不是追求广告广告。我们发现,当用户在获得奖赏之前要等待更长的时间,以及当(二)奖赏的价值相对更大时,我们发现奖励的价值会降低用户点击率,但广告的安装率却会提高。最后,我们研究的是激励广告的诱惑效应,在升级的汇率上,我们从一个更激烈的汇率上看,更准确地看待。

0
下载
关闭预览

相关内容

最新《自监督表示学习》报告,70页ppt
专知会员服务
85+阅读 · 2020年12月22日
专知会员服务
61+阅读 · 2020年3月4日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
9+阅读 · 2018年12月19日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
一种基于Sequence-to-Sequence的高质量对话生成方法
科技创新与创业
9+阅读 · 2017年11月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关VIP内容
最新《自监督表示学习》报告,70页ppt
专知会员服务
85+阅读 · 2020年12月22日
专知会员服务
61+阅读 · 2020年3月4日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
9+阅读 · 2018年12月19日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
一种基于Sequence-to-Sequence的高质量对话生成方法
科技创新与创业
9+阅读 · 2017年11月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员