OCPX（OCPC/OCPM/OCPAなど複数の広告最適化モードの総称。以下、総称してoCPX広告）については、以前に2つの記事で解説しています。詳しくは、この記事の下部にあるシリーズ記事をご覧ください。

公開アカウントの執筆者の多くは、メインディッシュの前に付け合わせを食べるように、本題に入る前に個人的な意見や考えを少し述べるのが好きです。しかし今回は、いきなり本題に入ることにしました。

1.二重入札は主にどのような問題を解決しますか？広告主と広告プラットフォームはどのようなメリットを得ますか？

OCPX広告は、アプリやゲームのアクティベーション、フォームやリードの完了といった広告コンバージョンの問題に主に取り組んでいることは周知の事実です。しかし、これらのコンバージョンは広告主にとって表面的なものであり、より深いレベルのコンバージョンには繋がりません。例えば、ゲームの広告主はより多くの有料ユーザーを獲得したいと考えており、アプリの広告主はアクティベーション後のユーザー維持率の向上を、フォームやリードの広告主はすべてのフォームやリードの完了から効果的なコンバージョンを獲得したいと考えています。

コンバージョンプロセスのより深い段階にアプローチすればするほど、広告主のキャンペーンの効果はより確実に高まります。そのため、広告主は、より深いコンバージョンに重点を置いた広告活動を行う必要性が高まっています。

広告プラットフォームには、広告主の利益を守るために、より深いコンバージョン プロセスを継続的に最適化しなければならない主な理由が 2 つあります。

まず、我が国の経済成長率は数年前ほど高くありません。広告主の予算は限られている一方で、テンセント、バイトダンス、百度、快手など、膨大な広告トラフィック（つまり広告在庫）を持つ企業は依然として多く存在します。広告主の予算獲得競争が熾烈なため、広告プラットフォームは広告効果の向上と広告主の利益保護のために、継続的な最適化を図る必要があります。

第二に、こうした詳細なコンバージョンデータを取得することは、広告モデルの能力向上に有益です。広告主データは深ければ深いほど、その価値が高まります。例えば、ゲームの有料ユーザー1人の価値は500人民元を超え、自動車業界ではBMWのリード1人の価値は2,700人民元を超えます（自動車業界向けアプリ「Autohome」は月間アクティブユーザー数約6,500万人、年間売上高は90億人民元を超え、主にセールスリードによるものです）。広告主はこれまで、こうしたデータを広告プラットフォームに送り返すことに消極的でしたが、広告効果を確実なものにするためにはより詳細なコンバージョンデータが必要なため、そうせざるを得なくなりました。広告プラットフォームにとって、このデータは自社の広告モデルや他の事業開拓のための貴重なユーザーデータの宝庫です。例えば、これまでゲームを扱っていなかったメディアが、突如ゲーム業界に参入しようと考えたとしても、広告主から返される様々なゲームタイプの有料ユーザーデータから、非常に正確なユーザーグループを見つけることができます。ゲームの質が良ければ、メディアは具体的な目標を定めて、このユーザーグループをターゲティングすることができます。広告主と広告プラットフォームのデータについて詳しく知りたい場合は、以前の記事「広告プラットフォームと広告主が互いにデータを「盗む」方法（パート 1）」と「広告プラットフォームと広告主が互いにデータを「盗む」方法（パート 2）」を参照してください。

こうすることで、双方にメリットが生まれ、より深いコンバージョンのために価格を提示するというアプローチを促進しやすくなります。

II.二重入札とは何ですか？なぜ二重入札を使用するのですか？

二重入札とは、広告キャンペーンの実行中に2つの目的を持って入札することを指します。例えば、広告のアクティブ化と広告費の支払いを同時に入札するなどです。これが二重入札モデルです。

一般的な広告入札では、広告主はCPC 、 CPM 、 CPAといった単一の目標に基づいて入札します。理論的には、より深いコンバージョンを狙う入札も単一の入札で済む可能性があり、広告主は、有料ユーザー1人あたり500元といったように、有料ユーザーに直接入札するといった、このモデルを歓迎しています。

ディープレベルのコンバージョンを単一のターゲットに直接入札することはできません。ディープレベルのコンバージョンを単一のターゲットに直接入札するモデルには、2つの大きな問題があります。

まず、ディープレベルのコンバージョンデータは非常にまばらです（つまり、量が少ない）。新しい広告のローンチ後のトレーニング段階では、比較的信頼性の高いコンバージョン予測モデルをトレーニングするには、通常約 10 件のコンバージョンが必要です（プラットフォームによっては少ない場合もありますが、一般的には6～10 件）。たとえば、一般的な動画フィードでは、ゲーム広告のCTRは約 1% 、アクティベーションCVRは約 10% です。アクティベーションから支払いまでのコンバージョン率が 10% であれば、すでに良好と見なされます。つまり、 10 件の有料コンバージョンを生成するトレーニングには 100,000インプレッション（ 100,000 * 1% * 10% * 10% = 10 ）が必要です。短編ビデオゲームのECPMが 60～80 であるとすると、ここでのトラフィックコストは 6,000～8,000 に達します。一部の大規模プラットフォームでは毎日何千もの新しい広告をローンチしていることを考えると、これはモデルのトレーニングと学習に非常に高いトラフィックコストがかかることを意味します。これは、広告プラットフォームが負担できない金額です。

第二に、広告料金がディープコンバージョンの目標値のみに基づいて課金され、コンバージョンがない場合は課金されない場合、広告主には大きな操作の余地が生まれます。この操作は主に新規広告のトレーニング期間を対象としており、報告されるコンバージョン数を最小限に抑える手法が用いられます。新規広告のトレーニング期間が経過すると、広告プラットフォームは報告されたデータをリアルタイムで分析できる十分なコンバージョンデータを蓄積し、 DCVR（ディープコンバージョン率）を調整することで広告主のECPM（1,000インプレッションあたりの収益）を低下させます。

新しい広告モデルのトレーニング段階では、広告システムはこの調整を行うことができません。これは、コンバージョンデータが不足している原因がコンバージョンデータの不足なのか、広告主が提出するコンバージョンデータの質が低いのかを判断できないためです。そのため、広告インプレッション数が設定されたしきい値を超えるまで、広告システムは実行を継続します。一部の広告主は、このシナリオを狙って新しい広告のコンバージョンデータを少なく提出しますが、システムはこれを正確に判断できず、結果として過剰なトラフィックが利用されることになります。

この状況に対処するため、多くの広告プラットフォームは、浅いターゲットと深いコンバージョンターゲットにそれぞれ入札するデュアル入札モデルを導入しています。例えば、1つの入札はユーザーアクティベーション用、もう1つの入札はユーザー決済用といった具合です。当初はモデルと入札は浅いターゲットに基づいて実行され、徐々に深いコンバージョンターゲットのデータが蓄積されます。深いコンバージョンターゲットに関する十分なデータが蓄積されると、広告システムは広告主のニーズに基づいて特定の入札戦略を実行します（これは、単一のディープターゲット入札モデルに直接切り替えることを意味するわけではないことに注意してください）。

3. OCPX デュアル入札によるディープコンバージョンと通常のOCPX広告の違いは何ですか?

まず、コンバージョンデータ量の観点から見ると、ディープコンバージョンOCPXのデータはよりスパースであり、ディープコンバージョンのデータフィードバックは遅く、場合によっては翌日に反映されることもあります（例：2日目のリテンション）。広告アルゴリズムの迅速な最適化には、十分に高速なデータフィードバックが不可欠です。データ量とフィードバック速度の違いにより、ディープコンバージョンモデルと通常のOCPX広告モデルには大きな違いが生じます。

第二に、ディープコンバージョンをターゲットとするOCPXキャンペーンでは、デュアルターゲット入札が必要です。これは、第1段階から第2段階への移行を短期的に維持する必要があることを意味します。これは、広告システムが現在、ディープコンバージョンのみに入札しながら、浅いコンバージョンターゲットの入札を完全に無視することはできないためです。OCPXを使用したディープコンバージョンのデュアル入札広告モデルは、 OCPXの最初のリリースと非常に似ており、どちらも2段階です。多くの広告プラットフォームも、OCPXを初めて実装したとき、2つの段階を経ました。第1段階ではCPMまたはCPCに基づいて入札し、広告予測モデルに十分なデータが蓄積されると、 OCPX入札モデルに切り替えました。しかし、技術の進歩により、第1段階の入札は徐々に廃止されました。現在、市場のほとんどの広告プラットフォームは、OCPX広告の第1段階の入札を廃止し、浅いOCPXターゲットに直接入札しています。

ディープコンバージョンOCPXも2つのフェーズで構成されています。まず、 OCPXを用いてシャローターゲットに入札を行い、同時にディープコンバージョンデータを蓄積します。十分なディープコンバージョンデータが蓄積されると、広告主のニーズに基づいて適切な入札戦略が決定されます。しかし、ディープコンバージョンのためにCPMまたはCPCからECPMに直接変換する一般的なシャローOCPXとは異なり、ディープコンバージョンOCPXは独自の入札戦略を採用しています。その根本的な理由は、広告主のニーズです。

例えば、アプリ広告主にとって、アクティベーションコストと2日目のリテンション率という2つの目標があります。広告主の目標は、アクティベーションコストと2日目のリテンション率の両方を達成することです。一方、ゲーム広告主の場合、ユーザーを有料顧客へと転換するコストの削減に重点が置かれます。

IV.ディープコンバージョンOCPX デュアル入札：入札ランキングにおけるECPMはどのように計算されますか？広告主のニーズを満たすために、どのようなECPMバリュー戦略が利用可能ですか？

現在、市場に出回っているほとんどの広告システムは、 ECPM（Excess ECPM ）に基づいて広告を分類しています。浅いコンバージョンでも深いコンバージョンでも、最終的にはECPM値に変換され、比較とランキング付けが行われ、価値の高い広告が優先的に表示されます。

浅い層の OCPX 変換を使用して ECPMを計算する式は次のとおりです。

ECPM 1 = α * CPA 1 * pCTR * pCVR 、ここで、 αは動的価格設定係数、 CPA1は広告主の浅いターゲット入札、 pCTRは推定広告クリックスルー率、 pCVRは広告クリックから浅いターゲットコンバージョンへの推定コンバージョン率です。

ディープコンバージョンOCPX の ECPMを計算する一般的な式は次のとおりです。

ECPM2 = β * CPA2 * pCTR * pCVR 2 、ここで、βは動的価格設定係数、 CPA2はディープ ターゲット入札、 pCTR は推定クリックスルー率、pCVR2 は広告クリックからディープ ターゲット コンバージョンへの推定コンバージョン率です。

広告の初期段階では、浅いコンバージョンECPM1に基づいて入札とランキングが決定されます。深いコンバージョンデータが蓄積されると、深いコンバージョンECPM2が算出され、以下のルールに従ってECPM1に対して入札されます。

広告主の主要目的がディープコンバージョン目標の達成である場合、十分なディープコンバージョンデータが蓄積されると、広告入札ランキングはECPM2を使用して入札します。この時点で、主なコスト評価はディープコンバージョン目標となり、シャローコンバージョン目標はコストを上回る可能性が非常に高くなります。図に示すように、一般的なゲーム広告はアクティベーションコストとペイメントコストに分かれており、広告はペイディングユーザーあたりのコストに基づいてターゲティングされます。主なターゲットユーザーは右側の小さな楕円で表され、アクティベーションコストは満たしていないもののペイメントコストは満たしているユーザーを意味します。これは、コンバージョン率は低いものの、一度コンバージョンすると支払い意欲が非常に高いユーザーと理解できます。広告主は、このようなユーザーを獲得することに抵抗する理由はありません。

広告主の主な目的が、アプリケーションが目標アクティベーションコストと目標リテンションコストの両方を満たす必要があるなど、両方の目標を満たすことである場合、ディープコンバージョンデータが蓄積された後、広告入札ランキングの ECPM はmin ( ECPM1、ECPM2 ) になり、これは上図の 2 つの交差部分になります。

場合によっては、維持率やリードから店舗へのコンバージョンなどのディープコンバージョン指標では、データフィードバックに大幅な遅延が発生するため、広告モデルがリアルタイムデータを取得できないため、ディープコンバージョン目標の ECPM が加重値を使用して計算されることがあります。

ECPM = α * CPA1 * PCTR * PCVR * λ ( pDVR/target_DVR )

この式において、 αは動的価格設定係数、 CPA1は広告主の浅いターゲット入札額、 pCTRは推定クリックスルー率、 pCVRは広告クリックから浅いターゲットへのコンバージョン率の推定値、λは深いコンバージョンの動的調整係数、 pDVRは浅いターゲットから深いコンバージョン率の推定値、 target_DVRは浅いターゲットから深いターゲットへのコンバージョン率の目標値です。例えば、この式は2日目のリテンションと有効リードの最適化に使用されます。推定ディープターゲットコンバージョン率と目標コンバージョン率の加重比率に基づいて、コンバージョン率の高いユーザーは第2段階でより高い競争力を発揮し、目標のディープコンバージョン率に継続的に近づくことができます。

しかし、実際の運用においては、期待したボリュームを達成できない、広告のディープコンバージョンにかかるコストが高すぎるなど、様々な問題が存在します。この期間中は、継続的にデータ分析を行い、戦略・アルゴリズムチームと積極的にコミュニケーションを取り、広告戦略を調整することで、広告主の獲得ボリュームと成果の安定性を確保する必要があります。

ディープコンバージョンの追求においては、深く探求する価値のある最適化機能が他にも存在します。例えば、現在のゲーム業界では、ディープコンバージョンはユーザーが実際に支出できる金額ではなく、コンバージョン率に主眼を置いています。ディープコンバージョンの入札額は、ユーザーが10元を支出しても1000元を支出しても変わりません。そのため、最適化の余地が残されています。しかし、広告モデルの改善には、コアデータの交換が不可欠です。この点については、後ほど詳しく説明します。