Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Sano web広告最適化20131018v3

25.026 visualizaciones

Publicado el

  • DOWNLOAD THIS BOOKS INTO AVAILABLE FORMAT (Unlimited) ......................................................................................................................... ......................................................................................................................... Download Full PDF EBOOK here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... Download Full EPUB Ebook here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... ACCESS WEBSITE for All Ebooks ......................................................................................................................... Download Full PDF EBOOK here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... Download EPUB Ebook here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... Download doc Ebook here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... ......................................................................................................................... ......................................................................................................................... .............. Browse by Genre Available eBooks ......................................................................................................................... Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Cookbooks, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult,
       Responder 
    ¿Estás seguro?    No
    Tu mensaje aparecerá aquí

Sano web広告最適化20131018v3

  1. 1. Web広告の予算配分最適化 佐野正和 Masa_S3 Fringe81株式会社 2013/10/19 Tokyo Webminig #30 1
  2. 2. アジェンダ • 自己紹介 • 第1部 -超速習インターネット広告配信– インターネット広告 アドネットワーク, DSP(Demand-Side Platform), 第三者配信 • 第2部 -アトリビューション分析• 第3部-予算配分モデル- 2
  3. 3. アジェンダ • 自己紹介 • 第1部 -超速習インターネット広告配信– インターネット広告 アドネットワーク, DSP, 第三者配信 • 第2部 -アトリビューション分析• 第3部-予算配分モデル- 3
  4. 4. 自己紹介 • 佐野正和 – (tw: Masa_S3, fb: Masakazu Sano) • Fringe81株式会社(インターネット広告技術開発/コ ンサルティング)にて、 – データ集計&分析 – 自動Bidツールのアルゴリズム&システム開発 – 定期レポート作成&管理 に従事しています。 • 大学院在籍時は素粒子物理学の理論研究をしてい ました。主に弦理論に基づいた宇宙論の研究を実 施していました。 4
  5. 5. アジェンダ • 自己紹介 • 第1部 -超速習インターネット広告配信– インターネット広告 アドネットワーク, DSP(Demand-Side Platform), 第三者配信 • 第2部 -アトリビューション分析• 第3部-予算配分モデル– 物理流:経路積分(ボルツマン)モデル 5
  6. 6. 第1部 –超速習インターネット広告配 信• バナー広告、リスティング広告。。。どうやっ て配信されているんだろう? 6
  7. 7. 第1部 –超速習インターネット広告配 信• 記事とは別に広告専用サーバ(アドサーバ) からバナー広告が配信される コンテンツサー バ アドサーバ 7
  8. 8. 第1部 –超速習インターネット広告配 信ちょっと欲張りに・・・ • 広告主としてはより多くの人に広告を配 信したい。それによって商品/サービスを 多くの人に知ってもらいたい。 • 安く配信できるとより良い。 8
  9. 9. 第1部 –超速習インターネット広告配 信• アドネットワークでいろんな配信先に広 告を出すことができる。 配信 画像リクエスト アドネットワークサー バ 9
  10. 10. 第1部 –超速習インターネット広告配 信もうちょっと欲張りに・・・ • より効果の高い(click,されやすい、 コン バージョン(CV)しやすい)配信結果がほ しい。 • 1 impression(配信)も無駄にせず効率化 したい。 10
  11. 11. 第1部 –超速習インターネット広告配 信• SSP(Supply-Side Platform)がimpressionのオーク ションを仕切って、それに複数のDSP(DemandSide Platform )がセリに参加するイメージ。 10 DSP1 30 いくら で配信 する の? DSP2を配信 SSP DSP2 20 DSP3 ユーザID, 広告サイズ 等を開示 11
  12. 12. 第1部 –超速習インターネット広告配 信もっと欲張りに・・・ • 運用するDSPやアドネットワークを増やし、 それぞれを単体で運用するとビュース ルーCVの計測が重複してしまう。 • ビュースルーCVの重複を何とかしたい。 • 広告配信全体のユーザ行動履歴を知りた い 12
  13. 13. 第1部 –超速習インターネット広告配 信第三者アドサーバ タグ配信 タグ入稿 画像リクエス ト 第三者アドサーバ アドネットワーク/DSP 13
  14. 14. • 第1部 –超速習インターネット広告配 信第三者配信でビュースルーCV(VTCV)の重複を省くことが可能。 さらに広告配信全体のユーザ行動履歴を知ることもできる。 個別運用 純広告 DSP1 アドネットワー ク DSP2 view view view view 自分のCV ! 自分のCV ! 自分のCV ! CV 自分のCV ! VTCV 4件 第三者配信 純広告 view DSP1 view アドネットワー ク DSP2 view view ユーザの行動履歴でラストに貢献したviewにた いしてCVをカウントできる。 CV VTCV 1件 14
  15. 15. • 第1部 –超速習インターネット広告配 信最後のまとめ・・・カオスマップ 15
  16. 16. • 第1部 –超速習インターネット広告配 信最後のまとめ・・・カオスマップ 第三者アドサーバ 16
  17. 17. アジェンダ • 自己紹介 • 第1部 -超速習インターネット広告配信配 信– インターネット広告 アドネットワーク, DSP, 第三者配信 • 第2部 -アトリビューション分析• 第3部-予算配分モデル17
  18. 18. 第2部 -アトリビューション分析• ラストタッチ評価だけでいいの??いろんな媒体やDSP に接触したからこそラストにつながってコンバージョン したのではないの?ラストタッチ以外のコンバージョン への貢献度ってどうなってるの?? 第三者配信 純広告 DSP1 アドネットワー ク DSP2 view view view view/click CV ? 18
  19. 19. 第2部 -アトリビューション分析• そもそもユーザはいきなりラスト接触の広告からコン バージョンするのではなくて、最初に接触した広告から いろんな過程を経てコンバージョンするはず。 認知 検索・比較 比較 購入意欲増大 リスティン グ コンバージョン 19
  20. 20. 第2部 -アトリビューション分析• アドネットワークやDSP単体運用では複数のタッチポイ ントの横断的データを可視化することが難しい。 • 第三者配信を使うとコンバージョンまでのユーザの行動 がわかる。 接触媒体 行動 クリエイティブ media_1 view c_1 2013/1/1 12:00 media_1 view c_2 2013/1/1 12:10 media_1 view c_1 2013/1/1 12:15 DSP_1 view c_1 2013/1/2 10:00 DSP_2 view c_2 2013/1/3 20:00 サーチ_Y 流入 media_2 view サーチ_Y 流入 2013/1/3 20:27 統計 サーチ_Y 流入 2013/1/3 20:28 機械学習 サーチ_Y 流入 2013/1/3 20:29 ビックデータ 自社 流入 2013/1/3 20:30 サーチ_Y 流入 2013/1/3 20:40 ビックデータ 機械学習 サーチ_Y 流入 2013/1/3 20:43 機械学習 ニューラルネット media_2 click 自社 流入 CV タイムスタンプ キーワード 2013/1/3 20:20 書籍 分析 c_1 c_1 2013/1/3 20:25 2013/1/3 20:44 2013/1/3 20:45 2013/1/3 20:55 20
  21. 21. 第2部 -アトリビューション分析• コンバージョンのスコアを各接触ポイントに振り分ける。 スコアの振り分け方には定義が複数ある。代表的なもの はリニア、ファースト、マルコフ連鎖など。 第三者配信 純広告 DSP1 アドネットワー ク DSP2 view view view view/click a + b + c + d CV =1 21
  22. 22. 第2部 -アトリビューション分析• Linear modelは全体のタッチポイントがどれも均一に寄 与しているとして、それぞれがどのくらい寄与している のか調べるときに使う。 第三者配信 純広告 DSP1 アドネットワー ク DSP2 view view view view/click CV linear model 1/4 + 1/4 + 1/4 + 1/4 =1 22
  23. 23. 第2部 -アトリビューション分析• First modelは初回接触をえらいとみなす。最初にユーザ をコンバージョン経路に連れてきたから。新規ユーザを 獲得したいケースなどに活用。 第三者配信 純広告 DSP1 アドネットワー ク DSP2 view view view view/click CV First model 1 + 0 + 0 + 0 =1 23
  24. 24. 第2部 -アトリビューション分析• ユーザごとに算出したスコアを各接触ポイントごとに足 しあげてトータルの評価をする。 • 例:ファーストモデルの場合 ユーザ1 ファース ト DSP2 アドネットワー ク DSP1 ユーザ2 ラスト評 価 CV アドネットワー ク DSP2 CV 0 + 0 + 2 =2 1 + 1 + 0 =2 DSP1 アドネットワー ク DSP2 24
  25. 25. 第2部 -アトリビューション分析• 媒体やDSPの貢献度をアトリビューション分析でスコアリ ングできる。 • そのスコアリングを使ってどうやって予算を配分すれば いいのだろうか。 • 実務上、予算配分までいかないと実際のアクションが取 れない →アトリビューションマネジメントが必要。 • スコアだけ出したままだと、スコアが良かったから、で どうなの?となってしまいがち。 25
  26. 26. アジェンダ • 自己紹介 • 第1部 -超速習インターネット広告配信– インターネット広告 アドネットワーク, DSP, 第三者配信 • 第2部 -アトリビューション分析• 第3部-予算配分モデル- 26
  27. 27. 第3部-予算配分モデル日経産業新聞:8/1 統計物理学を応用した インターネット広告予 算配分モデル。 27
  28. 28. 第3部-予算配分モデル• 単純にCVに出る媒体やDSPに予算を増やせばいいわけで はない。CVはたくさん出るが、お金がかかりすぎるのは 困る。 • CVの全体量も増え、予算あたりのCV効率も良くしたい。 変更前予算配分 効果悪い ¥2,000 CPA ¥1,500 ¥1,000 ¥500 ¥0 0 500 1,0001,5002,0002,5003,0003,5004,0004,5005,000 Ascore 目的地へ到達する方法が複数ある。安くか つできるだけ早く着く経路にお金を使いた い CVを増やす方法は複数ある。安くかつでき るだけ多くCVを出すアドネットワークや DSPにお金を使いたい。 28
  29. 29. 第3部-予算配分モデル• やりたいことは簡単。安くて多くCVを出す媒体やDSPな どを見つけ予算を配分する。 • 具体的な方法の1つ:統計物理学に現れるボルツマン ウェイトの応用。 変更前予算配分 変更後予算配分 効果悪い ¥2,000 予算増やす ¥1,500 CPA CPA ¥1,500 ¥2,000 ¥1,000 ¥1,000 ¥500 ¥500 ¥0 0 500 1,0001,5002,0002,5003,0003,5004,0004,5005,000 Attribution score ¥0 0 500 1,000 1,500 2,000 2,500 3,000 3,500 4,000 4,500 5,000 Attribution score 29
  30. 30. 第3部-予算配分モデル• ボルツマンウェイト ボルツマンウェイト(ボルツマン因 子) ×全予算 • もしEがアトリビューションスコア(Ascore)だ けの関数ならCVだけを最適化するのでコスト のことまで配慮されない。 • EをAscoreとコストの2パラメータにいしてい るところがポイント。 30
  31. 31. 第3部-予算配分モデルCVユーザ数 • 基本のアイデア 1回接触した ユーザグループ 2回接触した ユーザグループ N回接触した ユーザグループ ユーザフ ロー 31
  32. 32. 第3部-予算配分モデル• ユーザ数とユーザフローの関係 3 5 4 2 2 1 3 4 32
  33. 33. 第3部-予算配分モデル• もう一工夫・・・ • Nを箱の中にn_1人, n_2人, …と 振り分け数がWで与えられる。 制約条件 最大化させたい 33
  34. 34. 第3部-予算配分モデル• 制約条件下でln(W)を最大化する(統計物理学的に はエントロピー最大化)。 • Nやn_iは十分大きいのでスターリングの公式が 使える。解 マルコフ連鎖モデ ル ボルツマンウェイト(ボルツマン因 子) 媒体(DSPなど)予算 ×全予算 34
  35. 35. 第3部-予算配分モデル• CVを増大させる予算配分を初期状態から決める。 First modelを初 期値にする。 ボルツマン因子にコストが含まれている。コストの重みの 加味した将来の予算配分ウェイトが求まる 35
  36. 36. 考察 • 1期前のデータのみではなく、より過去の記憶も予算配分 ウェイトに影響を及ぼす場合があるのではないか? • マルコフ連鎖行列にユーザ行動の揺らぎによる補正が寄与 してこないか? • ユーザ遷移の相互作用形はマルコフ連鎖行列で記述され きっているのか? • エージェントモデルや経路積分モデルなどとの関係性は? ⇒相互作用系のモデリング。 • 広告のみではなくウェブ行動履歴データ全般の分析および 可視化に応用できるのではないか? 36
  37. 37. • • • • • では仲間募集中! 自由な発想を業務に活かせます。 機械学習、統計学、数学、物理なんでも活用。 データ周りの多くのことを経験できます。 営業と距離が非常に近くビジネスセンスも身に付きます。 • 主なデータ分析系業務のキーワード:最適化アルゴリズム設 計&実装、MapReduce、集計システム設計&実装、データ分 析、java, perl, python,MySQL, SPSS modeler, vba, powerpivot。 • 興味のある方はsano@fringe81.comまで 37
  38. 38. 参考資料 • アトリビューション 広告効果の考え方を根底から覆す新手法 – 田中 弦 (著), 佐藤 康夫 (著), 杉原 剛 (著), 有園 雄一 (著) • DSP/RTBオーディエンスターゲティング入門 ビッグデータ時代に実 現する「枠」から「人」への広告革命 – 横山 隆治 (著), 菅原 健一 (著), 楳田 良輝 (著) • 顧客を知るためのデータマネジメントプラットフォーム DMP入門 – 横山 隆治 (著), 菅原 健一 (著), 草野 隆史 (著) • マクロ進化動学と相互作用の経済学―エントロピー、縮退、複数均 衡、異質的経済主体、相互作用の道具箱 – アオキ マサナオ (著), 有賀 裕二 (翻訳) • 熱統計力学 – 阿部 龍蔵 (著) • おまけ:経路積分と確率過程についての論文 Supersymmetric field theories and stochastic differential equations G. Parisi, N. Sourlas Nucl.Phys. B206 (1982) 321 38

×