ターゲティング型インターネット広告における広告予算消化の最適化

Confidential :Discussion purpose only
Copyright (C) 2015 Yahoo Japan Corporation. All Rights Reserved.
ターゲティング型インターネット広告における
広告予算消化の最適化
日本オペレーションズ・リサーチ学会
2015年秋季研究発表会
2015年9月10日
ヤフー株式会社データ＆サイエンスソリューション統括本部
*瀬賀信一郎西巻祐一郎田頭幸浩堀野将晴

Confidential :Discussion purpose only Copyright (C) 2015 Yahoo Japan Corporation. All Rights Reserved.
P2アジェンダ
自己紹介
Yahoo! JAPANのターゲティング広告と課題
ターゲティング広告の課題
AdWords Problem
提案手法
シミュレーション
まとめ

自己紹介

P4自己紹介
名前：瀬賀信一郎(せがしんいちろう)
略歴
日本電気→ソニー木原研究所→デンソーアイティーラボラトリ
→ヤフー株式会社(2012年5月～)
専門分野(使えそうな技術は何でも使ってみる！)
オペレーションズリサーチ
線形・整数・二次・動的計画法、制約充足問題、スケジューリング、メタ戦略、…
機械学習
SVM、ロジスティック回帰、RNN/DNN、ベイジアンネット、ILP、GBDT、…
その他
時系列データ解析、自然言語処理、音声認識、画像認識、認知科学、…
適用分野
ネット広告、金融、車・カーナビ、Webキャッシュ、階層型ストレージ、…

Yahoo! JAPANのターゲティング
広告と課題

P6Yahoo! JAPANのターゲティング広告
広告を表示するユーザの条件を詳細に設定可能

P7ターゲティング広告の設定の多様化
例えば、以下のターゲティング属性だけ利用しても・・・
性別： ”男性”, “女性”, “不明”の3通り
年齢： “10歳代以下”, “20歳代”, “30歳代”, ・・・, 60歳代,
“70歳代以上”, “不明”の8通り (実際はもっと細かい)
地域： 47都道府県の47通り (市区町村レベルの設定も可能)
時間帯： 0, 1, 2, ・・・, 23時台の24通り
膨大なターゲティング条件設定の組合せが存在
実際には、もっと膨大な組合せが存在！
24
24
1
24
47
1
47
8
1
8
3
1
3 102.44
4
3
3
2
2
1
1
  
t
t
t
t
t
t
t
t
CCCC

P8インターネット広告の課金形態
広告表示回数(インプレッション)保証型広告
各ターゲティング広告の契約表示回数の制約を充足させる
予め契約表示回数を充足するように販売している
広告クリック報酬型広告
各広告キャンペーン(注)の日額予算の制約を充足させる
日額予算の制約を充足するように配信制御している
(注)“キャンペーン” ⊇ “広告グループ” ⊇ “広告”
キャンペーン：予算の単位
広告グループ：ターゲティング設定の単位
広告：広告グループに複数の広告を設定可能
どちらも各ユーザ属性のアクセス回数を時間帯毎に予測

P9Yahoo! JAPANは収益を最大化したい
インターネット広告の課金形態によらず目的は同じ
広告表示回数(インプレッション)保証型広告
収益を最大化するように広告表示回数を販売して計画的に配信する
広告毎に、表示単価が異なる
広告クリック報酬型広告
予算制約の下、収益を最大化するように計画的に配信する
広告毎に、クリック率と入札金額が異なる
ユーザのアクセスに対して、どの広告を表示したら良いか？
“30歳代”, “男性”, “福岡在住”, “午前10時台”のアクセス
表示回数を売れる広告、配信可能な広告は沢山ある
“30歳代”の広告, “男性”の広告, ・・・, “30歳代∧男性”の広告, ・・・
“表示単価”, “クリック率と入札金額”を基に収益を最大化したい

P10広告クリック報酬型広告の配信方法
機械学習により期待収益最大の広告をGreedyに配信可能
期待収益eCPM(effective Cost Per Mill)とは？
eCPM＝予測CTR×CPC×1000
CTR(Click Through Rate): 広告1表示当りのクリック率
CPC(Cost Per Click): 1クリック当たりのコスト(支払い金額)
入札金額(Bid)とGSP(Generalized second-price auction)で決定
予測CTRを機械学習(SVM, ロジスティック回帰等)で算出
ターゲティング条件を満たす広告の中から以下の観点でCTRを予測
ユーザの行動履歴に合っているか？
ユーザが見ているページに合っているか？
Greedyな配信だけでは全体収益を最大化できない！
広告主は広告予算(最大支払い可能金額)を設定している
広告クリック時に、CPCの金額が課金される

AdWords Problem

P12検索連動型広告の予算消化最適化問題
検索連動型広告の予算消化最適化問題例
bid: 入札金額, query: ある検索キーワードに対する検索クエリー
Greedyな配信とOptimalな配信の売上総額
線形計画法により定式化可能
i: bidder, j: query, uij: bid, Bi: Budget

提案手法

P14インプレッション予測とターゲティング分解
各ターゲティング属性のインプレッション予測(ユーザ側の分析)
性別(3通り)×年齢(8通り)×地域(47通り)×時間帯(24通り)
平日/休日を考慮して、3×8×47×24＝27,072通りを予測
例) 男性∧30歳代∧福岡県∧10時台 → 123,000回
配信可能なターゲティング属性に分解(広告側の分析)
例) ”30歳代∧福岡県∧(9時台～18時台)”という広告の場合
配信可能なターゲティング属性は30通り存在
性別(3通り)×年齢(1通り)×地域(1通り)×時間帯(10通り)
30通りそれぞれのeCPM(期待収益/1000インプレッション)を予測
男性∧30歳代∧福岡県∧9時台 → 30円
女性∧30歳代∧福岡県∧9時台 → 50円
…
ターゲティングしていない広告→27,072通り全てに配信可能

P15広告クリック報酬型広告の収益最大化
インデックスとデータ
線形計画法によるモデル化
ンの実績インプレッショに属する広告グループに対するキャンペーン
インプレッションの期待収益広告グループに属するに対するキャンペーン
ョン予測値に対するインプレッシターゲティング条件時間帯
決定すると過去の消化実績から最大値日に消化可能な予算のがキャンペーン
の消化可能な日額予算キャンペーン
時間帯
に属する広告グループキャンペーン
キャンペーン
の組合せ属性ターゲティング条件
kjit
kjitr
it
bjd
jb
t
jNk
Mj
Li
ijkt
ijkt
it
jj
j
j
,:
/,:
,:
)(1:
:
:23,...,0
:,...,1
:,...,1
)(:,...,1






t i j k
ijktijkt xrMaximize
)1(},{min:1
,
)10(,,,..







AjrAbd
tix
jdxr
BtkjiBxts
t i k
ijktijktjj
j k
itijkt
t i k
jijktijkt
ijktijkt



最大値日に消化可能な予算の
：インプレッション制約
予算制約：
最小値制約：

シミュレーション

P17シミュレーション条件
ターゲティング条件
性別(3通り)×年齢(8通り)×時間帯(24通り)=576通り
ターゲティングなしの広告は576通り全てに表示可能とする
キャンペーン数と広告グループ数
キャンペーン数：810個
広告グループ数：全部で7803個
前日表示回数の50%(B=0.5)保証
前日の予算消化実績に対する倍率Aの値を1から10まで変化させる
広告グループ数
キャンペーン数
広告グループ数の分布
)1(},{min:1
,
)10(,,,..







AjrAbd
tix
jdxr
BtkjiBxts
t i k
ijktijktjj
j k
itijkt
t i k
jijktijkt
ijktijkt



最大値日に消化可能な予算の
：インプレッション制約
予算制約：
最小値制約：

P18シミュレーション環境
線形計画法ライブラリ
GLPK(GNU Linear Programming Kit)を利用
マシンスペック
メモリ： 288GB
プロセッサ： Xeon L5630 2.13GHz
線形計画法の解
単体法による大域的最適解
使用メモリ量
約10GB(Memory used： 10415.1 M bytes)
計算時間
約1時間 (Time used: 4109.9 secs)

P19GLPKによるモデルの記述

P20シミュレーション結果
大幅な収益改善が見込める
考察
収益の高い配信傾向に徐々に変化させていくことが望ましい
B=0.5(前日の50%は保証), 1<A<2程度で徐々に最適化
Aの値
実績に対する売上げ比率

まとめ

P22機械学習×オペレーションズリサーチ
インターネット広告におけるオペレーションズリサーチ
ビッグデータ向け機械学習が盛んに利用されている
SVM、ロジスティック回帰、LDA、GBDT、・・・
全体最適のためオペレーションズリサーチも利用されている
AdWords Problemが有名
線形・整数・二次・動的計画法、メタ戦略、ラグランジュ緩和、…
ターゲティング広告における広告予算消化の最適化を検討した
機械学習とオペレーションズリサーチの融合で収益改善の見込み

P23
ご清聴ありがとうございました

ターゲティング型インターネット広告における広告予算消化の最適化

Recommended

Recommended

More Related Content

Similar to ターゲティング型インターネット広告における広告予算消化の最適化

Similar to ターゲティング型インターネット広告における広告予算消化の最適化 (20)

ターゲティング型インターネット広告における広告予算消化の最適化