Sano web広告最適化20131018v3

19,325 views

Published on

0 Comments
50 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
19,325
On SlideShare
0
From Embeds
0
Number of Embeds
12,854
Actions
Shares
0
Downloads
86
Comments
0
Likes
50
Embeds 0
No embeds

No notes for slide

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

×