広告の費用対効果を最適化する自動入札

本書類の内容に関する一切の権利につきましては当社に帰属し、本書
類の全部または一部を当社の事前承諾なしに公表または第三者に開
示することはできませんので、貴社限りとしてお取扱いください。 2018Copyright © , ValueCommerce Co., Ltd.
一般
バリューコマースビアバッシュNight #1
広告の費用対効果を最適化する
自動入札
技術開発本部開発2部
佐藤遼

2018Copyright © , ValueCommerce Co., Ltd.
-1-
本書類の内容に関する一切の権利につきましては当社に帰属し、本書類の全部または一部
を当社の事前承諾なしに公表または第三者に開示することはできませんので、貴社限りとして
お取扱いください。
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
サービスにどんな課題があったのか
システム構成
サービス概要
システムの課題
システム詳細

-2-
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
システム構成
サービス概要
システム詳細

-3-
一般
ROASとは？
ROASとは
Return On Advertising Spend

-4-
一般
日本語にすると
ROASとは
かけた広告費に対して
得られた広告経由での売上の割合

-5-
一般
ROASとは
売上高➗広告費用✖️100(%)
計算式

-6-
一般
ROASとは
200万円(売上高)➗ 50万円(広告費用)✖️100(%)
例
広告費用：50万円
売上：200万円
ROAS = 400%

-7-
一般
つまりROASの値が高いほど
広告効果が高く、コストに対して売上が高くなる
ROASとは
逆にROASの値が低いほど
広告効果が低く、コストに対して売上が低くなる

-8-
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
システム構成
サービス概要
システム詳細

-9-
一般
アイテムマッチとは？
サービス概要
Yahoo!ショッピング
出店ストア様限定の
クリック課金型広告サービス

-10-
一般
サービス概要
枠内がアイテムマッチの広告
Yahoo!ショッピング内での表示例

-11-
一般
Yahoo!ショッピング内のカテゴリに対して
商品１クリックあたりの広告費を入札
サービス概要
靴Aを30円
靴Bを35円
靴Cを40円

-12-
一般
サービス概要
靴C 1クリック40円
Yahoo!ショッピング内での表示例
靴B 1クリック35円
靴A 1クリック30円

-13-
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
サービスの課題
システム構成
サービス概要
システム詳細

-14-
一般
入札自体の手間
管理画面を操作する手間
入札金額をどう決めるか
高すぎても費用対効果が悪く、
低すぎても露出の少ない広告

-15-
一般
課題の解決に向けて
入札自体の手間
自動で入札
費用対効果の懸念
入札金額をどう決めるか
費用対効果の良い入札金額を自動計算

-16-
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
システム構成
サービス概要
システム詳細

-17-
一般
ROASを最適化するロジック
ROASの計算式から逆算
1 2 3
入札金額の計算
ROAS = 売上高 / 広告費用 * 100(%)
ROASの計算式
４

-18-
一般
ROAS = 売上高 / 広告費用 * 100(%)
広告費用 = 売上高 / ROAS * 100
クリック単価 * クリック数 = 注文数 * 注文単価 / ROAS * 100
1 2 3
４

-19-
一般
クリック単価 * クリック数 =
クリック数 * CVR / 100 * 注文単価 / ROAS * 100
クリック単価 * クリック数 = 注文数 * 注文単価 / ROAS * 100
1 2 3
４
CVR = 注文数 / クリック数

-20-
一般
クリック単価 = CVR * 注文単価 / ROAS
クリック単価 * クリック数 =
クリック数 * CVR / 100 * 注文単価 / ROAS * 100
1 2 3
４

-21-
一般
商品
商品の過去の実績がない場合
1 2 3 ４
商品に関連する
売主、カテゴリ等の
属性の実績を参照
カテゴリ売主
実績の選択

-22-
一般
商品が属する複数の属性の内、どの属性が信頼できるか。
カテゴリの場合、階層の近いカテゴリが信頼できる？
それでもカテゴリ内で売れている商品もあれば、悪い商品もある。
最も信頼できる実績とは
1 2 3 ４
実績のバラツキ
実績の選択

-23-
一般
実績のバラツキを比較
数値化
属性ごとに実績値のバラツキを標準偏差で数値化
比較
標準偏差で数値化したら、比較出来る様に変動係数を算出
1 2 3 ４
実績の選択

-24-
一般
標準偏差・変動係数
標準偏差
標準偏差とはデータの
散布度(バラツキ)の大きさを表す指標
分散の平方根で得られる
偏差
データそれぞれの偏り度合い
データそれぞれの値から平均値を引いたもの
分散
データ全体の偏り度合い
偏差二乗の平均値

-25-
一般
変動係数
データのバラツキを相対的に評価する際に用いる数値
標準偏差を平均値で割る事で得られる
つまり平均に対するバラツキ度合いを示す値
標準偏差・変動係数

-26-
一般
実績のバラツキを比較
バラツキを比較後
バラツキの低い属性の実績を使う
バラツキが低ければその属性は、
比較的、過去実績の通りの成果を期待で
きる。
実績の選択
1 2 3 ４
属性変動係数平均CVR
第1階層カテゴリ 1.66 1.5
第2階層カテゴリ 1.75 2
第3階層カテゴリ 0.83 3
売主の商品全て 1.25 2

-27-
一般
属性の実績の信頼性
信頼できる実績値の範囲
変動係数により比較的信頼度の高い実績を得たとはいえ、
商品自体の実績とは違い、大小バラツキがある実績値なので、
信頼できる値の範囲を算出する必要がある
1 2 3 ４

-28-
一般
得られる実績の性質
標準偏差の性質
データが正規分布の場合、
平均+-標準偏差の範囲が68%に該当
得られる実績
変動係数によりバラツキの少ない実績を得て
いるので、
比較的、正規分布に近い分布となる
1 2 3 ４

-29-
一般
ROASの最低保証
実際に用いるCVR
先ほどの68%範囲の下限値である
平均CVR – 標準偏差
この値をCVRとして入札額算出の計算式に使う
事で、
約85%の商品が目標とするROASを
下回らない事を期待できる
1 2 3 ４

-30-
一般
クリック単価 = CVR * 注文単価 / ROAS
CVRは商品実績があれば、商品実績を。
商品実績がなければ、
関連属性の実績の中で最も信頼度の高い属性の実績を使う。
信頼度の比較は変動係数(バラツキ度合い)で比較。
関連属性の実績値は(平均CVR – 標準偏差)でROAS最低保証
まとめ
1 2 3 ４

-31-
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
システム構成
サービス概要
システム詳細

-32-
一般
システム構成
入札金額計算バッチRDB
ストアやカテゴリ等
商品マスター
KVS
入札金額の保存
実績データ

-33-
一般
システム構成| 入力データ
商品マスター
毎日１億点以上の商品がまとまりなく、Yahoo!ショッピングから送られる。
RDB(MySQL)
ストア、カテゴリ、個別入札、自動入札、入札操作タスクなど
複数種類のデータが存在
実績データ
商品、カテゴリ、ストア単位での平均CVR、標準偏差、変動係数を算出
事前に別のバッチで集計済み。

-34-
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
システム構成
サービス概要
システム詳細

-35-
一般
課題
• バラバラの１億点以上の商品へのアクセスが非効率
• ストアやカテゴリの情報等、入力データが多く、多くのI/Oが発生
• 処理件数自体の多さ
• ストアの誤操作による大量処理

-36-
一般
課題
バラバラの１億点以上の商品へのアクセスが非効率
{"product":"bar_1","store":"bar","category":600,"price":1000}
{"product":"foo_1","store":"foo","category":600,"price":1000}
{"product":"bar_2","store":"bar","category":600,"price":2000}
$ ls
bar.json foo.json
$ head foo.json
解決策
商品をストアごとにまとめる

-37-
一般
MySQL入札額計算バッチ MySQL入札額計算バッチ
組み込みDBOn Memory
クエリ
結果
結果
クエリ
取得
解決策
MySQLから取得する情報はメモリと組み込みの
DBにキャッシュ
ストアやカテゴリのマスター等、数万件程度のデー
タはメモリに。
個別の入札や、商品実績など、数百万のデータ
は組み込みのDBに。
課題
ストアやカテゴリの情報等、
入力データが多く、多くのI/Oが発生

-38-
一般
課題
処理件数自体の多さ
１億点以上の商品を参照
解決策
ストアごとに処理を分割し、並列実行
ストアA
ストアB
ストアC
ストアA ストアB ストアC

-39-
一般
やっぱり、全ての商品を
１クリック60円で入札しよう
課題
誤操作による大量処理
解決策
ストアの操作の全てを処理しない。
タスクが溜まった場合、最新の状態だけを取得し
て処理
全ての商品を
１クリック50円で入札
あれ？全ての商品を
１クリック80円で入札してた
やっぱり、全ての商品を
１クリック60円で入札しよう
やりなおし、全ての商品を
１クリック50円で入札
ID タスク
1 50円入札
2 80円入札
3 50円入札
4 60円入札
入札額計算バッチ最新のタスクのみ処理
4 60円入札

-40-
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
システム構成
サービス概要
システム詳細

-41-
一般
システム詳細
言語：Java
フレームワーク：Spring Batch, Spring Boot
制御：常駐プロセス
要件：
• 全商品の入札金額を計算し、KVSに保存する
• １日１度の全件更新
• ストア操作により入札の設定変更があれば、都度更新
• 入札の予約設定により、入札額を更新

-42-
一般
システム詳細
入札金額計算バッチの実績
• 毎日1億の商品の入札金額を計算、KVSに保存
• 全件更新は30分程度で処理完了
• 都度更新もこれまで遅延なし
• 入札金額の計算間違い0件

-43-
一般
システム詳細
Spring Batch
バッチ処理の開発を効率化するために設計された軽量で包括的なフレームワーク
バッチフレームワークのデファクトスタンダード
Javaにおけるバッチの標準化仕様(JSR-352)にも取り込まれている
Spring Boot
Spring FrameworkはXML形式の設定ファイルを定義
しかし、この設定ファイルが煩雑
Spring Bootでは、基本的にXMLは無用
Javaコードで必要最低限の設定を行うだけで起動・実行できる

-44-
一般
システム詳細|Spring Batchの特徴
Chunk based processing
入力の読込み、検証、加工、出力の一連の処理を「チャンク」と言う
開発者はチャンクに必要な実装をするだけ
Declarative I/O
ファイル、JDBC、NoSQL等への入出力モジュールが多数実装済み
かつ、宣言型のI/Oを提供
その為、独自の入出力モジュールの実装、テストが不要
Retry/Skip
各レコードのリトライ・スキップ
Start/Stop/Restart
ジョブの起動/停止/再起動
実行状態の管理

-45-
一般
システム詳細
Spring BatchのJob
Job
ItemReader
ItemProcessor
ItemWriter
Step
1 *
1
1
1
1
1
1
Job: バッチの一連の処理をまとめた単位
Step: Jobを構成する処理の単位。Step単位に並列処理、分岐、停止、再起動できる
ItemReader : データを取得する為のインターフェース
ItemProcessor : データを加工する為のインターフェース
ItemWriter : データを出力する為のインターフェース

-46-
一般
システム詳細
入札金額計算バッチの実装
Job
ItemReader
商品情報の取得
ItemProcessor
ItemWriter
KVSへの保存
Step
Step: チャンク処理をひとまとめにし、8並列で実行
ItemReader : 商品マスターから１万行ずつ商品情報を取得
ItemProcessor : ストアやカテゴリ、実績データなどを取得し、入札金額を計算
ItemWriter : １万行溜まったら、Redisに入札金額を保存

-47-
一般
本日の内容
ROASを最適化
前提
ROASとは
ロジック
課題
実装
システム構成
サービス概要
システム詳細

広告の費用対効果を最適化する自動入札

広告の費用対効果を最適化する自動入札

Recomendados

Recomendados

Más contenido relacionado

Similar a 広告の費用対効果を最適化する自動入札

Similar a 広告の費用対効果を最適化する自動入札 (20)

広告の費用対効果を最適化する自動入札