「AI」×「アプリ広告」→ 「新規インストール増加」＆「ROAS改善」を実現！ 弊社Appierは世界17カ国で、AI広告自動配信ツールを展開するIT企業でございます。 国内8400万UUの興味・関心データを独自収集しており、そのデータと自社独自のAI技術を活用することにより、 アプリ運営企業様をご支援するプロダクトをご提供しております。 昨今獲得が難しいiOSユーザー獲得を、 CPI課金モデル、かつ低フラウド懸念にて実現しております。 現在、ゲームクライアント様はじめ、様々なジャンルのアプリ企業様にてご導入を頂いております。 ＜特徴＞ (1)低リスクなCPIコミット (2)IDFAに依存しないAIモデルによるユーザーターゲティング (3)配信面・実績が確認できるダッシュボードのご提供 アプリ広告施策にお悩みの場合は、ぜひご連絡いただければ、 お打ち合わせで他社事例等も併せてご紹介させていただきます。

1. Appier
アプリインストール
広告ソリューションのご紹介
1

2. ©Appier Group, Inc. (along with its subsidiaries) All rights reserved.
2
|
Appierのご紹介
Appierは、企業がデータドリブンな意思決定で
ビジネスを成長・成功させることを
予測人工知能（AI）によって支援するSaaSテクノロジー企業です

3. 3
AppierのAI搭載マーケティングソリューション
オーディエン
ス
分析
顧客維持
エンゲージメン
ト
見込み顧客
獲得
様々な情報源から得られる消費者のファースト
パーティデータを自動機械学習にかけること
で、エンドユーザーの全体像をつかみ、行動予
測を分析。
オーディエンス
分析
購買をためらうユーザーを予測し、そのユー
ザーにのみインセンティブを配信することで、収
益性を損なわずに売上増。
購買
コンバージョン
AIで個別化したメッセージを複数チャネルを通
じ最適なタイミングで積極的に発信することで、
顧客エンゲージメントの質を向上。
顧客維持
エンゲージメント
エンドユーザーのLTV (生涯価値) を予測するこ
とで、最も価値の高いエンドユーザーを大規模
に獲得。リターンが予測できる形でのマーケティ
ング費用の投資をサポート。
見込み顧客
獲得
ASA AIサービス

4. Source：eMarketer, 2020
適切なオーディエン
スへのターゲティン
グができていない
望んだパフォーマンス
が得られない
52 %
アプリマーケターの課題
質のいい広告在庫
が不足
45 % 41%
© Appier Inc. All rights reserved.
アプリ内イベントを
最適化できるソリュー
ションがない
22 %

5. Appierは高度なディープラーニング技術を適用して
最も価値のある新規インストールを実現します。
購入 ROAS
登録

6. 6
なぜ広告×ディープラーニングなのか？
従来 機械学習 Appierのディープラーニング
パフォーマンスが
広告担当者の知識と
経験に依存 25-34
インストール
ROAS
改善
将来の
収益
男性 RPG
ファンタジーなトピック
3Dスタイル
5日間以内に購入
夜にゲームを
プレイする
年齢：
25-34
性別：
男性
興味：
ゲーム
・一つのKPIに向けた最適化
・データドリブン予測
・柔軟性に乏しい
効率的に複数のKPIを実現可能。
カスタマイズ可能な高精度データドリブン予測 。

7. 7
AIBID（DSP）の実施意義-1
AIBIDはGoogleを含む、より多くの広告配信在庫へリーチが可能です。

8. 8
AIBID（DSP）の実施意義-2
AIBIDはGoogle、facebookや競合媒体と異なり、
インストール課金固定でリスクなくご実施が可能です。
※配信先は広告インプレッション買付のため、通常媒体同様、変動インストール課金も可能
Fixed
CPI

9. 9
AIBID（DSP）の実施意義-3
Appierでは創業当初からクロスデバイスマッチング（端末ID情報を利用せず同一ユーザが利用する端末を推定する）技術を磨い
てきており、その精度は97-99%となります。
端末IDを持たないユーザのスコアリングに応用。
端末IDを持たないトラフィックに対して、積極的に入札し、iOSユーザの獲得に貢献します。
端末IDあり
端末IDなし
SSP在庫
一般的な
DSP
競争力のある入札金額
競争力のない入札単価
→配信伸ばせない
端末IDあり
端末IDなし
SSP在庫
AIBID
競争力のある入札単価
競争力のある入札単価
AIBIDはiOSユーザー獲得に強みがあります。

10. 10
注力プロダクトについて（AIBIDの技術的特徴）
１
２
LTVの高いユーザーを分析
ユーザーの行動データ/デバイスデータを特徴量として抽出
高LTVのユーザーの傾向を分析
ROASの高いユーザー群をLook a likeで生成
左記の学習に基づき、Look a likeを生成
Appierの強味の推定技術により、
IDFA無しユーザーにおいてもLook a like抽出が可能
3 期待ROASをもとにした、Bidアルゴリズム
在庫単位での過去のWin/Lost情報と、Look a likeユーザーの期待ROASなどを特
徴量として利用して、最終Bid Priceを設定
4 毎Bid単位のフィードバックループ
毎Bid単位で、勝ち負けやInstall、その先のKPIデータをフィードバックすることに
よりパラメーターをチューニング。
顧客アプリ独自のBidding AIへと成長していく
ユーザー
領域
在庫/Bid
領域
iOSユーザーに強
く、
CPI固定課金可
能な唯一のサー
ビス

11. © All rights reserved by Appier.
Powered by
Apple Search Ads
AI サービス

12. © All rights reserved by Appier.
どのような課題を解決するか?
1
定期的に良いキーワードを発見
していくこと
が困難
2
細かくキーワードレベルで最適化をかけて
いくのに時間がかかる
3 競合状況がパフォーマンスを左右する

13. 13
Apple Search Ads AIサービスが実現すること
新規キーワードの発掘
1
AIによる予算、Bidコントロール
2
AASの特徴
• Appier独自のCrossXデータベースでキーワードを発掘
• Interest Graph(Generative AI)によるKWの拡張
• 2時間単位で過去28日間のデータをもとに
次の2時間のパフォーマンスを予測
予算コントロールは2時間単位/Bidは4時間単位で調整
ボリューム増加
工数を削減し、
パフォーマンスを改善
CPIコミットモデル
3
成果の保証
AAS はマネージドサービスのためAppier側で運用

15. Thank you
アプリマーケティング相談会を無料で実施しております。
ご希望の方は、下記宛先までご連絡ください。
上江洲すみれ Sumire Uezu
Growth Specialist
Mail: sumire.uezu@appiergrowth.com
Tel: 03-4578-9006
Web: www.appier.com