Look a Like Modeling!行動予測モデルを用いた潜在顧客獲得ソリューションYahoo! DMP を活用した行動予測ターゲティングで、より高いパフォーマンスの実現を支援しま

す。

コンバージョンに至るまでの「行動の法則」を分析・学習することで、「これからコンバージョンする人」を予測する行動予測ターゲティング。高いパフォーマンスを実現するためにもっとも重要なポイントは、より細やかなコンバージョン情報をもとに分析・学習することです。例えば、男性と女性では普段の行動は異なりますし、北海道旅行を検討している人と沖縄旅行を検討している人では検索するキーワードも異なります。ウェブサイトのコンバージョン情報を精緻に分析・学習することで、目的に合わせて「これからコンバージョンする人」を予測することができます。

Yahoo! DMP

想定課題

リターゲティング依存

□ 獲得施策は、結局リターゲティングに頼るしかなく、新規獲得数が伸びない

行動予測の効果が悪い

□ 行動予測モデルの理解が不足

通り一遍の運用

□ 仮説のない配信プランでスタートしている

訴求ができているかわからない

□ 効果が悪かったら、とりあえず訴求を変えてみるが、そもそも広範囲に配信しているので訴求内容も薄れる

□ 機械学習のためのコンバージョンデータにムラがある

□ データ取得しやすいサイト構成でない

□ 運用の幅を持たせていない配信設計

Yahoo! DMP の強み

Yahoo! JAPAN によるトータルソリューションとサポート

Yahoo! JAPAN のビッグデータ

Yahoo! JAPAN によるコンサルティング Yahoo! JAPAN による運用

● 速度● 量● 多様性

● Yahoo! JAPAN データの活用方法　 を熟知したコンサルタントが設計　 と導入を実施

● Yahoo! JAPAN データの特性を　 熟知した運用エキスパートによる　 PDCA サイクル　　※ YDN は運用対象外

　コンバージョン情報の切り分け改善ポイント

商品 ● 複数の商品を扱ってるが、コンバージョンページは同じ　 購入した商品情報ごとにデータを切り分けて行動を予測

目的 ● お申し込み内容の目的ごとにデータを切り分けて行動を予測

性別・年齢 ● お申し込みユーザーの性別・年齢ごとにデータを切り分けて行　 動を予測

ラインアイテム １カ月目 2 カ月目 3 カ月目

行動 金融系 BTサーチ 金融系ワードリタゲ -

行動予測 1 性別

行動予測 2 商品 A

行動予測 3 商品 B

CV データ蓄積

行動予測モデリング

個別行動予測モデル

商品 B を探している人の行動

さらにCV データが蓄積されて

モデリングの精度が向上

Copyright (C) 2015 Yahoo Japan Corporation. All Rights Reserved. 無断引用・転載禁止

ソリューションイメージと導入・運用のステップ

改善イメージ

運用イメージ

ヒアリング（ 1Week

）

設計(1-2Weeks)

設定(2Weeks)

データ蓄積（ 2-3Weeks ） 配信 !

ヒアリングさせていただくポイント！● ウェブサイト構成：データ取得ができる構成になっているか？

● 平均コンバージョン数：月間でどれだけのデータを蓄積できるか？

● 商品構成：商品特性、商品カテゴリ構成、競合商品など

● ユーザーの把握状況：優良顧客、獲得したい顧客層など

● 導線状況：獲得に至るまでの主なユーザー行動を把握しているか？

初期は、潜在見込層へしっかりリーチ

CV 種別ごとにデータ取得

男性

女性

Yahoo! DMP

商品 B

商品 A

CV データ

CV を商品や目的別に定義した上でYahoo! DMP に CV データを投入して教師データ

を蓄積

Yahoo! DMP 導入コンサルティング エキスパートによる PDCA 運用

男性で商品を探している人の行動

女性で商品を探している人の行動

商品 A を探している人の行動

予測モデルと同様の行動特徴のあるユーザーを抽出して拡張

Yahoo!プレミアム DSP

効果の高いセグメントだけに配信を切り替え

デモグラ ( 性別 )を切り替え

効果の高い商品に予算をアロケーション

※ ヒアリングと設計にかかる期間は、お客様のウェブサイトの構成によって変動します。

Yahoo! DMP 導入のプロジェクトステップ