インターネット広告における...
TRANSCRIPT
インターネット広告における 最適化とその周辺
Unused Section Space 2 Unused
Section Space 3
Unused Section Space 4
Unused Section Space 5
2.0 はじめに
検索連動型広告:仕組みと現状
まとめ
インターネット広告:概観
Unused Section Space 1
インターネット広告:研究概況、例
検索連動型広告:予測と最適化
国立情報学研究所 JST, ERATO, 河原林巨大グラフプロジェクト 大輪 拓也
最適化ワークショップ: 拡がっていく最適化 2013.2.19
日本の広告費推移
3
電通「日本の広告費」より
※ http://www2.ttcn.ne.jp/honkawa/5650.html
インターネット広告
※ 2011年 5.7兆円/468兆円
自己紹介
5
確率論(グラフ上のランダムウォーク(Cover Time, Mixing Time, …))
【学生時代】
• 金沢大学
• 九州大学
アルゴリズム開発(インターネット広告)
【卒業後】
• (株)ブレインパッド
未だちゃんと決めてません…
【現在】
• 国立情報学研究所
Analytics
Solution ASP
広告の昔と今
12
John Wanamaker ※ Wikipediaより
昔 ほぼ4マス
ある程度まとまった資金が必要
マス広告
導線を追う事が難しい
今 オンライン上に無数の媒体
少額でも広告が出せる
パーソナライズ
データの活用
広告媒体
費用
露出方法
効果測定
“Half the money I spend on advertising is wasted;
the trouble is I don’t know which half.”
インターネット広告の分類
13
• バナー広告
• テキスト広告
• 動画広告(リッチメディア広告)
種類
• ターゲティング(行動、属性、etc)
• 検索連動型
• コンテンツ連動型
• 位置連動型
配信方法
• 期間保証型
• 表示回数保証型
• 報酬型(成果報酬、クリック報酬)
課金方法
インターネット広告システム俯瞰図
※ http://www.slideshare.net/HiroshiKondo/jpchaosmap-2012
「カオスマップ」
Stanford大学でYahoo!Researchの研究者が講義
KDD,NIPS等でワークショップが開催
「Computational Advertising」
16
※ http://www.stanford.edu/class/msande239/
関連する研究分野
17
インター
ネット
広告
統計モデリング
機械学習、データマイニング
自然言語処理
レコメンド
最適化
ゲーム理論、デザイン
分散処理
Find the “best match” between a given user in a given context and a suitable advertisement
Central
Challenge
広告のプレーヤーと研究視点
18
“どの視点の最適化か?”がポイント
ユーザー
広告主
広告媒体
マッチメーカー
広告売上を
最大化したい 費用対効果(ROI)を
最大化したい
関心の高い
広告を表示
広告システム例:Google
19
広告配信
システム
広告配信
ネットワーク
広告媒体
Google Display Network
Google AdSense Google
検索
Google AdWords
… and more
入札 入札 入札
表示 表示 表示 枠提供
Demand Side
Platform
Google Display Network
20
• サイトの内容に関連する広告を表示
• サイト内のキーワード・頻度、フォントサイズ、リンク構造などから判断
コンテンツターゲット
• 広告主がプレースメントやウェブサイトを選択して広告を掲載
• (コンテンツターゲットの手動版)
プレイスメントターゲット
• サイト訪問者の属性情報や興味/関心がありそうな広告を表示
• 閲覧履歴(Cookie)をもとに推測する
• 詳細はAds Preferences Managerで確認・編集できる
インタレストターゲット
• サイト離脱後に他サイトで広告を表示
リマーケティング
自分のブログやホームページなどを広告枠として提供
Google Adsense
22
広告配信
システム
広告配信
ネットワーク
広告媒体
Google Display Network
AdSense
Googl
e
検索
Google AdWords Demand Side
Platform
枠提供
GDNから広告が選択・配信される
表示もしくはクリックされると報酬が得られる
Google Adwords
23
**洋服店
春物
スカート
(検索ワード) … (画像など) …
セーター
バーゲン 社名系
Account
Campaign
Ad Group
Criterion
検索画面に表示 色んなサイトに表示
研究例
24
広告配信
システム
広告配信
ネットワーク
広告媒体
Google Display Network
AdSense Google
検索
Google AdWords Demand Side
Platform
• 効果測定 • 因果分析、相関分析 • モデリング
(クリック率、獲得率)
• アトリビューション分析
• サイトのコンテンツ解析 • ユーザー属性・関心の予測 • トラフィック予測 • マッチング最適化
インターネット広告費内訳
27
※ 電通 http://www.dentsu.co.jp/marketing/mil/17.html より
仕組み
28
オークションで“キーワード”に入札する
キーワードの選定
• 「キーワード」、「広告」、「リンク先」を決める
入札
• 各キーワード事に値段を決める
• 媒体へ入札
表示
• キーワードが検索されたら広告が表示される
• 入札価格が高いほど上位に表示される
課金
• クリックされたら発生
• 単価はセカンドプライスオークションで決まる
セカンドプライスオークション
29
1. “パソコン”に50円で入札
2. あるユーザーが検索した際、2位で表示された
3. その時3位に表示された広告主の入札価格は45円だった
4. ユーザーが自分の広告をクリックした
⇒ 45円を媒体へ支払う
2位枠 1位枠
3位枠
4位枠
5位枠
50円
45円
30円
28円
75円
各広告主の入札額
※ 実際には他の広告主の
入札額は わからない
※ 入札価格 = 上限単価
費用対効果(ROI)が大切
広告主の観点
30
高額入札
⇒ 上位に表示
人目に付く
⇒ クリックが増える
サイト流入増加
⇒ 売上の向上や宣伝効果
1クリック辺りの単価が上がる
コスト(支払額)高騰のリスク
主な指標
31
ROI系
パフォーマンス指標
Cost per Click CPC
• コスト ÷ クリック
• 平均クリック単価
Cost per Acquisition CPA
• コスト ÷ コンバージョン(獲得)数
• 平均獲得単価
Return on Advertising Spend ROAS
• 売上 ÷ コスト
• (×100で“回収率”と言う場合も)
Click Through Rate CTR
• クリック ÷ 表示回数
• クリック率
Cost per Acquisition CPA
• コンバージョン(獲得)数 ÷ クリック数
• 獲得率
自動入札ツール
33
主に以下2つの入札方式
ルールベース
○ 「直近7日間でクリック数10以下なら、- ¥5」など
ポートフォリオ
自動入札ツール例
日本製 L2Mixer
アドエビス AutoBid
ADPLAN
海外製 Marin (アメリカ)
Kenshoo Enterprise (イスラエル)
Efficient Frontier (アメリカ)
… and more
ポートフォリオの構成:データの取得
34
データの種類
媒体から取得が可能 (APIを利用した取得も可能)
1 入札額
2 ・表示回数
・順位
3 ・クリック数
・コスト
自社サイト
4 ・購入件数
・売上
キーワード名 日付 入札額 表示回数 平均順位 クリック数 コスト 購入件数 売上
パソコン 2013/1/1 ¥20 230 1.4 180 ¥2,470 3 ¥15,000
過去実績から、入札額に対する各値の期待効果を予測
キーワード名 日付 入札額 表示回数 平均順位 クリック数 コスト 購入件数 売上
パソコン 2013/1/1 ¥20 230 1.4 180 ¥2,470 3 ¥15,000
2013/1/2 ¥16 190 1.9 115 ¥1,800 1 ¥4,800
2013/1/3 ¥20 300 1.2 200 ¥3,000 5 ¥18,000
: : : : : : : :
Today ??? ??? ??? ??? ??? ??? ???
ポートフォリオの構成:予測
35
キーワード名 入札額 表示回数 平均順位 クリック数 コスト 購入件数 売上
パソコン ¥15 180 2.0 100 ¥1,650 1 ¥4,000
¥16 190 1.9 115 ¥1,800 2 ¥9,000
¥18 235 1.4 160 ¥2,100 3 ¥10,000
¥20 260 1.2 190 ¥2,800 5 ¥16,000
¥21 265 1.1 205 ¥3,000 6 ¥19,000
過去実績
予測値
各キーワードの予測値を求めた後、最適な入札パターンを算出
ポートフォリオの構成:最適化
36
キーワード名 入札額 表示回数 平均順位 クリック数 コスト 購入件数 売上
パソコン ¥15 180 2.0 100 ¥1,650 1 ¥4,000
¥16 190 1.9 115 ¥1,800 2 ¥9,000
¥18 235 1.4 160 ¥2,100 3 ¥10,000
¥20 260 1.2 190 ¥2,800 5 ¥16,000
ノートPC ¥24 50 3.4 18 ¥360 1 ¥800
¥26 60 3.2 25 ¥400 1 ¥900
¥28 75 3.1 29 ¥550 2 ¥1,200
¥30 80 3.0 30 ¥600 3 ¥1,800
デスクトップ ¥50 1000 1.6 500 ¥5,000 10 ¥4,000
¥60 1200 1.5 550 ¥7,500 19 ¥9,000
¥70 1400 1.3 800 ¥9,100 20 ¥10,000
¥80 1600 1.2 1,000 ¥14,300 34 ¥16,000
¥90 1800 1.1 1,500 ¥20,000 45 ¥19,000
: : : : : : : :
予測値 今日の
最適な
入札価格
各キーワード𝑘毎、入札価格𝑥に対する予測モデル𝑓𝑘(𝑥)を構築
𝑖𝑚𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑘 𝑥 : 表示回数
𝑟𝑎𝑛𝑘𝑘 𝑥 : 順位
𝑐𝑜𝑠𝑡𝑘 𝑥 : コスト
𝑐𝑙𝑖𝑐𝑘𝑘 𝑥 : クリック数
𝑐𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑘 𝑥 : 獲得数
𝑠𝑎𝑙𝑒𝑠𝑘 𝑥 : 売上
必要な予測モデル
40
予測モデルの要件と課題
41
• 説明変数は入札価格
• 各予測値は非減少を担保
• 過去(= 学習データ)に経験の無い入札価格帯に対する予測値も“ある程度”求める
予測モデルの要件
• 安定性
• 処理速度(キーワード毎にモデリング)
• できるだけ多くのキーワードにモデルを作る
• キーワードに寄っては学習データが殆ど無い場合も
• “0”予測はNG
難しいところ
予
運用戦略例と最適化の式
42
戦略 定式化
予算内でクリック数を最大化 最大化: 𝑐𝑙𝑖𝑐𝑘𝑘 𝑥𝑘
制約: 𝑐𝑜𝑠𝑡𝑘 𝑥𝑘 ≤ 𝐵𝑢𝑑𝑔𝑒𝑡
平均獲得単価(CPA)を担保したうえで、獲得件数を最大化
最大化: 𝑐𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑘 𝑥𝑘
制約: 𝑐𝑜𝑠𝑡𝑘 𝑥𝑘
𝑐𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑘 𝑥𝑘≤ 𝐶𝑃𝐴
最低獲得件数を設定したうえで、回収率(ROAS)を最大化
最大化: 𝑠𝑎𝑙𝑒𝑠𝑘 𝑥𝑘
𝑐𝑜𝑠𝑡𝑘 𝑥𝑘
制約: 𝑐𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑘 𝑥𝑘 ≥𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡
課題
キーワード数は膨大
各予測値は非線形(非凸)な場合が多い
解決策
予測モデルを区分線形近似
Special Orderd Set 制約 (Type2)
⇒ 混合整数計画問題に帰着
最適化における課題
43
𝑐𝑙𝑖𝑐𝑘𝑘 𝑥 ≈ 𝑐𝑙𝑖𝑐𝑘𝑘 = 𝑐𝑙𝑘𝜃𝑙𝑘4
𝑙=0 , 𝑥 = 𝑥𝑙(𝑘)𝜃𝑙𝑘4
𝑙=0
𝜃𝑙(𝑘)= 14
𝑙=0 , 0 ≤ 𝜃0𝑘≤ ⋯ ≤ 𝜃4
𝑘≤ 1
𝑧𝑙(𝑘)= 14
𝑙=0 , 𝑧𝑙(𝑘)∈ 0,1 , 𝑧𝑙
𝑘 ≤ 𝜃𝑙𝑘 + 𝜃𝑙+1
(𝑘)
区分線形表現とSOS制約
44
入札価格 𝑥1 𝑥2 𝑥3 𝑥4
𝑐1(𝑘)
𝑐2(𝑘)
𝑐3(𝑘)
𝑐4(𝑘)
𝑥0
𝑐𝑙𝑖𝑐𝑘𝑘 𝑥
𝑐𝑙𝑘𝜃𝑙𝑘
4
𝑙=0
「予算内でクリック数最大化」の場合 最大化
○ 𝑐𝑙𝑖𝑐𝑘𝑙𝑘𝜃𝑙𝑘
𝑙𝑘
制約
○ キーワード全体の制約
𝑐𝑜𝑠𝑡𝑙𝑘𝜃𝑙𝑘
𝑙𝑘 ≤ 𝐵𝑢𝑑𝑔𝑒𝑡
○ キーワード毎の制約
𝜃𝑙(𝑘)= 1𝑙 , 0 ≤ 𝜃0
𝑘≤ ⋯ ≤ 𝜃𝑛
𝑘≤ 1
𝑧𝑙(𝑘)= 1𝑙 , 𝑧𝑙
(𝑘)∈ 0,1 , 𝑧𝑙
𝑘≤ 𝜃𝑙
𝑘+ 𝜃𝑙+1(𝑘)
定式化再考
45
ビジネス要件
入札価格に
上限・下限が
設定される
コストコント
ロールを強化
したい
解決策
入札価格の
使用可能な
区間を制限
予測精度を
加味して使用
コストを制限
最適化(制約)
入札不可の
k, 𝑙で𝜃𝑙𝑘= 0
𝑐𝑜𝑠𝑡𝑙(𝑘)
𝑙∈𝑆𝑘≤ 25% × 𝐵𝑢𝑑𝑔𝑒𝑡
応用例
46
予測精度を
加味した集合
ポートフォリオの課題
47
ビジネス
• オーガニック検索との兼ね合い
• アトリビューション
• キーワード作成
予測モデル
• テールワードの予測
• 学習データの扱い(入札時間・頻度の影響)
最適化
???