Head First Ad Technology and DMP

8,168 views

Published on

第一回渋谷アドテク勉強会での発表資料です。RTBに至るまでのディスプレイ広告の歩み、及び、DMPの基礎についてcosmiを例に説明しています。

Published in: Technology
0 Comments
36 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
8,168
On SlideShare
0
From Embeds
0
Number of Embeds
2,983
Actions
Shares
0
Downloads
0
Comments
0
Likes
36
Embeds 0
No embeds

No notes for slide

Head First Ad Technology and DMP

  1. 1. Head First Ad Technologyand DMP第1回渋谷アドテク勉強会#ShibuyaAdtech@suzu_v
  2. 2. 自己紹介• 2012年4月~ 株式会社adingo– DMPの設計・開発、及び、データの解析業務に携わっています。– http://cosmi.io• その前は大学院でセマンティックWebと人工知能の研究をしていました。twitter: @suzu_vhttp://blog.kentasuzuki.net#ajiting #sicp #wakateweb #hive #R#php #dmp #aws #voyagegroup #trippiece
  3. 3. はじめに• 今日は昨今のアドテクノロジーの歩み、そしてDMPについてお伝え出来ればと思います– 概念として述べているところが多々ありますので、実装や解析の詳細はお気軽に懇親会で聞いて下さいアドテク周りのエンジニアの仕事が伝われば嬉しいです!
  4. 4. アジェンダ• アドテク近況(10分)– RTBに至るまでの背景について• DMP入門(25分)– DMPの役割– cosmiの設計思想と仕組み– プライベートDMPについて参考資料も載せてありますのであわせてご覧ください。
  5. 5. デジタルマーケティング領域インターネット広告領域アドテクノロジー領域ディスプレイ広告領域参照: https://www.wab.ne.jp/wab_sites/contents/1701
  6. 6. ディスプレイ広告の変遷について見て行きましょう。
  7. 7. 広告主 / 媒体社広告主媒体社広告をできるだけ効率的かつ効果的に出稿したい自社のサイト閲覧の価値を高めて、収益を最大化したい代理店広告
  8. 8. アドネットワーク広告主媒体社代理店広告アドネットワーク複数の媒体社に配信媒体社側は枠の販売営業が不要になる。また、余っている枠を提供できるようになるので、効率的に。△ ただし、媒体の価値が様々なのにも関わらず、単一の単価で販売されることが多い。→ よりフラットに大規模な取引を
  9. 9. アドエクスチェンジ広告主媒体社代理店広告アドネットワークアドエクスチェンジ空き枠広告出稿枠の購入広告出稿枠の購入媒体社側が空き枠をアドエクスチェンジに提供需要と供給によりインプレッションの単価が変動△ 売れていない枠ばかりに広告が流れてしまい、効果がよくならない。
  10. 10. DSP/SSP広告主媒体社代理店広告DSP SSPアドネットワークアドネットワークアドネットワークアドエクスチェンジアドエクスチェンジアドエクスチェンジ一元化された予算管理やユーザベースでの入札が可能に。広告主側でコントロールがしやすくなった。複数のアドエクスチェンジやアドネットワークに接続し、効果が高く、収益が高い広告を配信Cookie単位での最適化が可能に
  11. 11. SSPユーザがメディアを訪問インプレッション発生DSPDSPDSPDSPDSPビッドリクエストを各DSPに送信広告掲載メディア情報枠情報ユーザのipアドレスユーザのcookie情報CPM90円CPM50円CPM35円CPM25円落札フロアプライス以上の最高入札金額を提示した広告が落札されてメディアに配信される広告が配信される~ 200msec各DSPが広告枠に合った広告を選抜して入札RTB(Real Time Bidding)の流れSSP
  12. 12. Behind the banner• Behind the banner– http://cmsummit.com/behindthebanner/– バナー広告の裏側で起こっていることを表しているムービーです。インプレッション発生からユーザに広告が配信されるまでの流れを見ることができます。流しながら解説します。
  13. 13. ここまでのまとめ• いつでも変わらない要求– 広告主• 広告をできるだけ効率的かつ効果的に出稿したい– 媒体社:• 自社のサイト閲覧の価値を高めて、収益を最大化したい• RTBによる1インプレッション単位での最適化– DSP• 広告主側の広告効果の最大化を支援する仕組み。– SSP• メディアの広告収益最大化の支援を行なう仕組み。続いてDMP入門です。
  14. 14. DMP(Data Management Platform)
  15. 15. DMP入門アジェンダ• DMPとは何か– DMPの役割– ユーザをセグメントする• cosmiを支える技術– アーキテクチャ
  16. 16. DMPとは何か• 複数チャネルからのデータをまとめ、集計し、活用するためのツール– 横断的に効果を検証する– ユーザの行動を分析し、広告配信に利用する• 単にディスプレイ広告の領域だけではないところでも利用されるようになってきています。– The Data Management Platform: Foundation forRight-Time Customer Engagement• http://www.iab.net/DataManagementPlatforms
  17. 17. シンプルに言うと一行一行のログから如何に価値を生み出すかということを仕事にしています。
  18. 18. ユーザのセグメンテーション性別年齢趣味趣向職業どのようにセグメントしていくか?
  19. 19. ECサイトA商品B購入ページ行動ログサイトid=サイトA商品id=商品B行動=購入Cookie dmpid=hogeリファラIpアドレスEtc.CookieDmp_id=hogeDMP
  20. 20. ECサイトA商品B購入ページルール)サイトAで商品Bを購入したユーザはセグメントSとする。CookieDmp_id=hogeDmp_id: hogeさんはセグメントSに属する。行動ログサイトid=サイトA商品id=商品B行動=購入Cookie dmpid=hogeリファラIpアドレスEtc.セグメントDBDMP
  21. 21. ECサイトA商品B購入ページサイトid=サイトA商品id=商品B行動=購入Cookie dmpid=hogeリファラIpアドレスEtc.ルール)サイトAで商品Bを購入したユーザはセグメントSとする。CookieDmp_id=hogeDmp_id: hogeさんはセグメントSに属する。行動ログセグメントDBサイトBDSPDSP: 商品Bを買ったユーザなら「この商品Bを買ったユーザはこんな商品も買っています」バナーなら効果高そうDMP: ユーザhogeはセグメントSですDMP2回目の訪問
  22. 22. 検討仮説施策計測ユーザの行動データや関連データを収集。トラッキングを行なう。様々なチャネルからのデータを着実に蓄積する。蓄積したデータを観察する。メトリクスに基いた定常的分析と、アドホックな分析とを行なう。データに基づき、仮説をたてる。仮説を元に施策を実行する。次の収集のためのデザインをする。
  23. 23. cosmiを支える技術について
  24. 24. cosmiの仕事• データ収集– (なければ)Cookie付与– ログに落とす• データ解析– Hadoopによるバッチ処理• データ利用– 当該ブラウザが特定のセグメントに属しているかを返す
  25. 25. 行動ログAmazon SimpleStorage Service(S3)オーディエンスデータDB(MongoDB)…Auto scaling GroupEC2 EC2 EC2行動ログコレクタ(Web)…Auto scaling GroupEC2 EC2 EC2オーディエンスデータWeb APIAmazon ElasticMapReduceログ解析バッチAmazon ElasticLoad Balancinghttp://aws.amazon.com/jp/solutions/case-studies/adingo/Web SitesアドネットワークメディアSSPDSP
  26. 26. Team…Auto scaling GroupEC2 EC2 EC2productionEC2developmentServers belonged to certain data domain.:release:masterビルドパイプラインpushmirroringAmazon ElasticMapReduceS3ジョブの実行ビルド済み.jarファイルhive queryJenkinsを利用して各プロダクションサーバへのデプロイやビルド済みファイルの設置、バッチのディスパッチを制御しています。行動ログコレクタ(Web)
  27. 27. Team…Auto scaling GroupEC2 EC2 EC2productionEC2developmentServers belonged to certain data domain.:release:masterビルドパイプラインpushmirroringAmazon ElasticMapReduceS3ジョブの実行ビルド済み.jarファイルhive query行動ログコレクタ(Web)オーディエンスデータDB(MongoDB)オーディエンスデータWeb API…Auto scaling GroupEC2 EC2 EC2:release利用ログ各サーバからのログデータを全てS3に集め、集計しています。集計したオーディエンスデータはmongodbに集められ、api経由で利用されます。
  28. 28. Team…Auto scaling GroupEC2 EC2 EC2productionEC2developmentServers belonged to certain data domain.:release:masterビルドパイプラインpushmirroringAmazon ElasticMapReduceS3ジョブの実行ビルド済み.jarファイルhive query行動ログコレクタ(Web)オーディエンスデータDB(MongoDB)オーディエンスデータWeb API…Auto scaling GroupEC2 EC2 EC2:release利用ログGrowthForecast定常的な観測の目的でGrowthForecastに各サーバの現状データをいれるようにしています。これにより時系列での各サーバの状態把握が容易になります。http://kazeburo.github.io/GrowthForecast/
  29. 29. Team…Auto scaling GroupEC2 EC2 EC2productionEC2developmentServers belonged to certain data domain.:release:masterビルドパイプラインpushmirroringAmazon ElasticMapReduceS3ジョブの実行ビルド済み.jarファイルhive query行動ログコレクタ(Web)オーディエンスデータDB(MongoDB)オーディエンスデータWeb API…Auto scaling GroupEC2 EC2 EC2:release利用ログGrowthForecastアドホックな集計にはHiveを適宜利用します。そこで中間データを生成し、RやCytoscapeなどのツールで加工します。最終的に仮説を立てるための考察を行います。
  30. 30. 検討仮説施策計測柔軟に、高速に、継続的に
  31. 31. 大事なこと: とにかく観察• 観察からしか仮説は生まれない• 大きいデータだろうと、小さいデータだろうと、大事なことは意味あるデータを見つけ、洗い出し、価値につなげること• なので、手を替え、手段を変える– Hiveでメトリクスを意識した中間データを作成– Rで回帰分析, Cytoscapeでネットワーク分析– GrowthForecastで常に変化を観察する• 今あるデータからわかることを明確にすること• どんな手間をかければもう少し良いデータが取れるのかを伝えられるようにすること
  32. 32. まとめ
  33. 33. 何のためのアドテク?• 広告主の投資対効果を最大限高めるため?• メディアの広告収益を最大化させるため?• ユーザにとって最も嬉しい広告を届けるため?• ユーザが最も価値を感じるものに効率よくたどり着けるようにするため?
  34. 34. 結論から言うと全部だと思います• ステークホルダーがたくさんいます• 競合関係も協力関係もたくさんあります– カオスだとよく言われます• 良い広告が出て嬉しいユーザもいますが、広告嫌いなユーザもたくさんいます• 広告効果を高め、メディアの収益を高めるため、よりよい広告をユーザに届ける必要があります• 全てを尊重して、良いバランスでエコシステムを作らなければなりません
  35. 35. 発表まとめ• アドテクノロジーは一見複雑に見えますが、それぞれの背景には存在している理由があり、役割を担っています。• DMPを作るのは楽しいです。– データと向き合い、ビジネスと向き合わなければなりません。会場を提供してくださったmixiの皆様、どうもありがとうございました。
  36. 36. 参考資料
  37. 37. アドテク全般について• アドテクノロジーの仕組み再入門– http://www.slideshare.net/jazzyslide/tokyowebmining0227adtechnology– @jazzyslide さんのスライドです。アドテク全般、及び、DSP/RTBについてわかりやすく説明されています。
  38. 38. DMPに関するwhite paper• Data Management Platforms Poised to BecomeScalable Solution to ‘Big Data’ Challenges,According to IAB & Winterberry Group– http://www.iab.net/about_the_iab/recent_press_releases/press_release_archive/press_release/pr-111212• 上記の白書を日本語で解説した記事です。わかりやすくまとめられています。– DMP(データマネジメントプラットフォーム)を徹底解説した、IABの白書をまとめてみる ~admarketech.– http://www.admarketech.com/2012/11/dmp-iab.html
  39. 39. DSP/RTBについて• 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 (Next Publishing)– http://www.amazon.co.jp/gp/product/4864780013
  40. 40. SSP側RTBについて• ErlangによるSSP側RTB– http://www.slideshare.net/ajiyoshi/ad-tech-20121030-14943813• fluctのRTBサーバ実装について説明されているスライドです。
  41. 41. cosmiにおける解析環境について• JenkinsとHadoopを利用した継続的データ解析環境の構築– http://www.slideshare.net/suzuken/jenkinshadoop– 昨年のad:tech Tokyoにてcosmiの解析環境について発表した資料です。Jenkinsを利用してMapReduceジョブを継続的に回し、解析を重ねるための環境及び利用しているツール群について紹介させていただきました。

×