1/16 第50回TokyoWebMining

1. 1/17
パーソナル広告配信徹底入門
@yskn67
2016/1/16 50th Tokyo Web Mining

2. 2/17
自己紹介
• やすけん( @yskn67 )
• ネット広告業界の新卒1年目エンジニア
– 6月~9月: ダイナミックリターゲティング
– 10月~ : CPA(Cost Per Action)最適化手法
• 大学院ではECサイトのユーザ行動分析
2016/1/16 50th Tokyo Web Mining

3. 3/17
アジェンダ
• 話すこと
– ネット広告の概要についての入門的な内容
• 話さないこと（話せないこと）
– 機械学習等の詳細なアルゴリズム
– 具体的な数値とか
• 目次
– RTB(Real Time Bidding)について
– RTBにおいて必要なアナリティクスタスク
– ダイナミックリターゲティングについて
2016/1/16 50th Tokyo Web Mining

4. 4/17
ネット広告とは
• インターネットに掲載されている広告の総称
• 様々な種類が存在
– バナー広告
– 検索連動広告
– アフィリエイト広告
– インフィード広告（ネイティブ広告）
– 動画広告
• 本発表ではバナー広告についてのみ言及
2016/1/16 50th Tokyo Web Mining

5. 5/17
ネット広告の変遷
• 純広告時代
2016/1/16 50th Tokyo Web Mining
Webサイト
広告枠
広告入稿
料金請求・レポート
広告主
メディア
• 課金単位：
• 期間（1週間、1ヶ月）
• ボリューム（100,000 impression）
• デメリット
• 効果が悪くても途中で止めることができない
• メディアごとに広告を張り替える必要がある

6. 6/17
インターネット広告の変遷
• アドネットワーク時代
2016/1/16 50th Tokyo Web Mining
広告入稿
料金請求・レポート
広告主
• 課金単位：
• CPC( Cost Per Click )
• メリット
• 効果の良いメディアに配信を寄せることができる
• 簡単な設定で複数メディアに広告を出稿できる
メディア
アドネット
ワーク
広告出稿
料金請求
広告出稿
料金請求

7. 7/17
枠から人へのシフト
2016/1/16 50th Tokyo Web Mining
一つのメディアに
様々な属性の人が
現れる
広告入稿
広告主
枠に対して広告を出すと
興味を持たなそうな人にも
Impressionする

8. 8/17
枠から人へのシフト
2016/1/16 50th Tokyo Web Mining
広告入稿
広告主
興味を持ちそうな人に対してのみ
広告を提示することで費用削減

9. 9/17
RTB( Real Time Bidding )の取引
2016/1/16 50th Tokyo Web Mining
入札
リクエスト
広告主 メディア
SSPDSP
広告表示
PV
SSP
広告表示
PV
DSP
広告入稿
レポート
広告入稿
レポート
• DSP( Demand Side Platform )
• 広告主の収益を最大化するように広告を入稿
• SSP( Supply Side Platform )
• メディアの利益を最大化するように広告を表示
1 impression単位で
最適化

10. 10/17
DSP( Demand Side Platform )
• 広告主の収益を最大化するように広告を入稿
• 最適化すべき3つの事柄
– 広告主の収益
– ユーザの興味
– DSPの利益
• どれか一つだけを最適化しても広告主の
収益は最大化しない
2016/1/16 50th Tokyo Web Mining

11. 11/17
広告主にとってのKPI
• CPA( Cost Per Action )
– 広告表示の費用 ÷ Conversion数
– 顧客獲得の際に重要視
• CPM( Cost Per Mille )+予算消化率
– 広告表示の費用 ÷ 設定予算
– ブランド認知の際に重要視
• ROAS( Return On Advertising Spend )
– 売上 ÷ 広告表示の費用
2016/1/16 50th Tokyo Web Mining

12. 12/17
DSPにおける機械学習
• 予測モデル構築
– 需要予測
– ユーザ予測
• 予測値に基づいた入札単価決定
– CTR予測
– CVR予測
• 最適化
– 効果の良いクリエイティブ選択
2016/1/16 50th Tokyo Web Mining

13. 13/17
ロジスティック回帰
• 識別モデル
– クリックする or しないを分類
• 広告システムの予測モデルで使用頻度高
– CTR予測
– CVR予測
• メリット
– シンプル
– クラス分類確率が求められる
2016/1/16 50th Tokyo Web Mining

14. 14/17
CTR予測
• 広告、ユーザ、媒体の情報からCTRを予測
• データの特徴
– 負例>>正例（クリックしない方が圧倒的に多い）
• サブサンプリグ
– 説明変数がカテゴリ変数（次元数が多くなる）
• ハッシュトリック
2016/1/16 50th Tokyo Web Mining
[1] O. Chapelle, E. Manavoglu, R. Rosales, Simple and scalable response prediction for display advertising

15. 15/17
クリックログデータセット
• Criteo Lab
– http://labs.criteo.com/downloads/download-
terabyte-click-logs/
• Kaggle
– Criteo: https://www.kaggle.com/c/criteo-display-
ad-challenge
– Avazu: https://www.kaggle.com/c/avazu-ctr-
prediction
2016/1/16 50th Tokyo Web Mining

16. 16/17
まとめ
• ネット広告はRTBの登場で1 impression単位で
広告枠を購入できるようになった
• 1 impression単位での購入は広告費用を
枠単位からユーザ単位で最適化できる
• ダイナミックリターゲティングではユーザごと
に広告を変化させよりパーソナライズできる
2016/1/16 50th Tokyo Web Mining

17. 17/17
参考文献
• RTB
– ザ・アドテクノロジー データマーケティングの基礎
からアトリビューションの概念まで
– http://amzn.to/1n3blJW
• ダイナミックリターゲティング
– RecSys 2015: Large-scale real-time product
recommendation at Criteo
– http://bit.ly/1OuAQV1
2016/1/16 50th Tokyo Web Mining