This document discusses using AI to optimize images for display advertising. It introduces several key metrics used to evaluate advertising like CTR, CVR, CPC, and CPA. AI can be used in operational advertising to estimate user attributes and predict ad CTR based on user logs. Related research predicts image importance and automatically generates visual presentations. The company CA ABEJA has developed an AI model to predict creative effects that estimates CTR and CVR lift. It is trained on image files, impression counts, click counts and conversion counts from user behavior logs to generate predictions through a web API. This approach could also be applied to domains beyond advertising. The document closes by discussing interpreting user behavior from logs and automatically optimizing model generation operations

1. 運⽤型広告の裏側を⽀える画像最適化技術の研究
(株)CA ABEJA
取締役副社⻑ 菊池佑太

2. 皆さんはどちらのクリエイティブに魅⼒を感じますか？

3. みなさんと本⽇考えたいこと
魅⼒的なものをどうやって、
AIに解釈させるか？

4. 運⽤型広告でのAI活⽤

5. 魅⼒的なもの
過去の⾏動とデータ
から解釈できる

6. CTR予測の関連研究
• Graepel + (2010), Web-Scale Bayesian Click-Through Rate Prediction for Sponsored Search
• McMahan + (2013), Ad Click Prediction : a View from the Trenches
• Chapelle + (2014), Simple and scalable response prediction for display advertising
• He + (2014), Practical Lessons from Predicting Clicks on Ads at Facebook
• ….

7. 広告配信の評価指標が明確化
CTR : Click率
CVR : Conversion率
CPC : Click単価
CPA : Conversion単価
広告主が評価する指標

8. 運⽤型広告配信でのAI活⽤
ü 性別推定
ü 年代推定
ü 興味推定(カテゴリ)
ü 広告のクリック率(CTR)
Internet logs
Internet Userの過去の行動ログを基にしたAI活用
AI
Javascript
SDK
EC Site
User

9. Art x Science
Art Science
Impression
印象、効果、魅力
表示(回数)

10. 運⽤型広告オペレーションの現状
Creator Operator
クリエイティブ
登録・配信プロセス
G user
F user
T user
Creatives
Creatives
Creatives
Creatives
飽きる

11. 運⽤型広告オペレーションの現状
Creator Operator
クリエイティブ
登録・配信プロセス
G user
F user
T user
Creatives
Creatives
Creatives
Creatives
大量作成 大量登録
飽きる
A/Bテスト

12. 運⽤型広告に対するAI活⽤
Creator Operator
Creatives
ü クリエイティブ効果の事前予測
ü クリエイティブの作成支援
ü クリエイティブの自動生成
AI活用が期待されること

13. 関連研究紹介①
Visual importance
High, Low CTR(Click Through Rate)
http://vision.ouc.edu.cn/valse/slides/20150701/Valse_Webinar_20150701_MoKaixiang.pptx
Kaixiang Mo+, “Image Feature Learning for Cold Start Problem in Display Advertising”,
2015(Tencent)

14. 関連研究紹介②
https://www.microsoft.com/en-us/research/publication/automatic-generation-of-visual-textual-presentation-layout/
Xuyong Yang+, “Automatic Generation of Visual-Textual Presentation Layout”, 2016
(Microsoft)
Create Templates Generate Creatives

15. 運⽤型広告に対するAI活⽤
Creator Operator
Creatives
ü クリエイティブ効果の事前予測
ü クリエイティブの作成支援
ü クリエイティブの自動生成
AI活用が期待されること

16. クリエイティブ効果予測モデル
(CA ABEJA製品)

17. クリエイティブ効果予測モデル
>
予測スコア : 0.8 予測スコア : 0.6

18. クリエイティブ効果予測モデル
WebAPI
効果予測
モデル
効果予測実⾏
効果予測値返却
画像
アップロード
予測値の
ダウンロード
CTR : 140%、CVR : 120%改善

19. 学習データ
効果予測
モデル
画像ファイル 表示回数 クリック数 コンバージョン数
a.jpg 100000 1000 10
b.jpg 5000 500 5
学習データ
個人の行動ログ
に関するデータ
追加したいデータ

20. 広告以外の領域でもpackage化可能
Operator
WebAPI
効果予測
モデル
効果予測実⾏
予測値返却
学習データ
DB
User EC Site
Tool
画像
アップロード
予測値の
レスポンス
CMS
最適な画像を選択
Logs
学習データ アップロード
学習
基盤
学習ジョブ リクエスト
モデル⽣成

21. 過去の⾏動からの解釈
• ログデータが膨⼤
• ログの記録を正解と⾒做す
• 直近のデータで学習させる必要性
• モデル⽣成の運⽤を⾃動化したい

22. みなさんと本⽇考えたいこと
魅⼒的なものをどうやって、
AIに解釈させるか？

23. 機械に解釈させる⽅法は他にも考えられる
指標 収集方法 補足的な手法
集中 EEG Eye Tracking
感情 EEG Facial coding
記憶 EEG Annotation
ニューロサイエンス
https://trend.nikkeibp.co.jp/atcl/book/18/00001/00013/00002/

24. ここらへん。
Our Booth