このシリーズの記事では、「広告支援」モデルの機能を次の 3 つの側面から説明します。

1) 広告サポートモデルとは何ですか?

2) 広告支援モデルの適用シナリオと中核戦略

3) 広告支援モデルと従来の片側データ活用能力の違いは何ですか?

この記事では、まず最初のトピックについて見ていきましょう。

広告サポートモデルとは何ですか?

文字通り、広告量と効率の両方を向上させるという目標を達成するために、特定の手法を用いて広告モデルを最適化することを意味します。「アシストモデル」の核となるのはデータであり、次に広告モデル戦略です。

B社はこの広告支援モデルについて、次のように説明しています。広告主の間ではクロスメディア広告が一般的ですが、メディア間のコンバージョン情報がサイロ化しているため、広告主はデータを最大限に活用してキャンペーンを最適化することができません。これは特に、コンバージョンイベントが比較的まばらな業界やクライアントに当てはまります。データの断片化はモデルの学習不足につながり、コストが高く、実行量が少なく、ターゲットオーディエンスへのリーチ効率が低下します。しかし、法規制を遵守することを前提に、クロスチャネルのコンバージョンデータを広告プラットフォームに送り返すことで（広告プラットフォームのコンバージョンには含めず、モデルの学習のみを支援する）、モデルはコンバージョンしたオーディエンスの特性を十分に学習し、実行量を増やし、コストを最適化することができます。

情報量が膨大です。詳細な説明が必要です。B社の説明からすると、非常に技術的なソリューションのように見えますが、実際には運用とテクノロジーの両方に大きく依存するソリューションです。このモデルは広告主のコアデータを必要とするため、強力な顧客運用能力がなければ、前進は困難でしょう。

データは価値があるとよく言われますが、ユーザーによって得られる結果は異なります。率直に言って、B社のデータ管理とアルゴリズムの最適化は本当に素晴らしいです。異なるモバイルアプリからのデータは、往々にして分断されています。広告プラットフォームの連携モデルは、基本的にメディアからのユーザーデータと、ネットワーク全体の広告主からのコンバージョンデータを集約しています。

広告専門家は、広告価値を推定する上で主要な要素がAUC（広告主、ユーザー、製品コンテキスト（シナリオ）の略）であることを知っています。アシストモデルのデータ機能は、インターネット全体のデータを活用し、ユーザーと広告主のマッチングとコンバージョンに関する理解を深めることにあります。

広告プラットフォームは、メディア製品に関するデータを保有しています。このデータの価値は、メディアに対応する製品のユーザーの興味、趣味、プロフィールを描写し、理解することにあります。また、製品のコンテキスト環境も把握しています。そのため、広告レコメンデーションのシナリオでは、ユーザープロフィールや興味特性に基づいて効果的に広告をレコメンドすることができます。

広告主は、自社製品のユーザーに関するコアデータを保有しています。これには、製品内の様々なユーザーグループの行動データやユーザー価値、そしてネットワーク全体にわたる様々な広告チャネルを通じた新規ユーザー獲得およびコンバージョンデータが含まれます。

ゲーム会社は、自社の様々なゲームのアクティブユーザー層と課金層を把握しています。広告を通じてユーザー獲得に投資する際には、ユーザー特性に応じて異なる入札キャンペーンを設定します。その主な理由は、ゲーム会社が様々なユーザー層の「ユーザー価値」を大まかに把握できるからです。

Eコマース企業は、自社のEコマースアプリやウェブサイトにおけるユーザーの閲覧、検索、お気に入り登録、カートへの商品追加に関するコアデータを保有しており、これにより、様々な行動における商品コンバージョン率を把握することができます。例えば、TaobaoやJD.comは、ユーザーの過去の購入習慣や最近の検索関心に基づいたコアロジックに基づき、ホームページ上でパーソナライズされたレコメンデーションを提供しています。

パフォーマンス広告は最終的に広告効果を評価しますが、これは広告リーチと目標達成という2つの主要な側面に反映されます。広告目標の達成とは、アクティベーション率、リテンション率、有料コンバージョン率、広告ROI、ディープコンバージョン率など、広告主のキャンペーン目標が達成されたかどうかを意味します。広告リーチとは、パフォーマンス目標を達成しながらより多くのトラフィックを獲得することです。一定のボリュームにリーチする能力は、商品を販売して利益を上げる商人に似ています。重要なのは、より多くの商品を販売し、規模の経済を実現し、市場シェアと営業収益を拡大することです。

上記の説明から、広告主は広告ターゲット（つまり、広告主のキャンペーン目標）に関する豊富なコアデータを保有していることがわかります。このデータは広告メディアプラットフォームに欠けているものであり、業界ではファーストパーティデータと呼ばれることがよくあります。

ファーストパーティデータには2つの明確なメリットがあります。まず、広告主はファーストパーティデータに基づいて、膨大な数のユーザーの中からターゲットオーディエンスを迅速に特定できます。例えば、街頭でチラシを配布する場合、過去のコンバージョンデータに基づいてターゲットオーディエンスを迅速に特定できます。これにより、チラシ配布の効率が向上し、ターゲットユーザーにより良いプチギフトを提供することも可能になります（対応する広告戦略としては、入札額の引き上げが挙げられます）。

もう一つのメリットは、コンバージョンデータの収集速度が速いことです。ターゲットユーザーを素早く特定できるため、積極的にターゲットユーザーを探し出すことが容易になり、結果としてコンバージョン数とコンバージョン速度が向上します。（これは、広告のスケーリング能力の強化につながります。）

そこで、先ほどのアシストモデルに戻ると、基本的にはメディアのユーザーデータと広告主のコンバージョンユーザーデータをネットワーク全体で集約し、広告主のユーザー行動と有料コンバージョンデータ（ファーストパーティデータ）を活用して広告コンバージョンモデルを最適化します。

メディア広告プラットフォームにおける現在のOCPMモデルでは、広告主には特定のメディアにおける広告掲載順位とコンバージョン率のデータのみが提供されます。しかし、広告主は単一のメディアプラットフォームだけでなく、他のプラットフォームにも広告を掲載しています。広告主がデータを提出すると、メディアプラットフォームは自社の商品データと組み合わせることで、共通のユーザー特性を認識することで、ターゲットユーザーを事前に特定することができます。これにより、ターゲットオーディエンスへの迅速なターゲティングが可能になり、広告ボリュームと目標達成率の向上につながります。

-終わり-