Feedmatic Blog

フィードフォースがSNS・インフィード・ダイナミックを軸に、広告とマーケティングのニュースを発信する情報ブログ。

AI時代のデータフィード広告運用とは?

f:id:feedmaticblog:20180131114439j:plain

突然ですが、データフィード広告を実施していますか?

Facebookダイナミック広告・Criteo・Googleショッピング広告(PLA)などのデータフィード広告はマーケティング戦略に欠かせない存在となってきました。ユーザーのオンラインでの滞在場所が分散化する中、人力の細かいチューニングではユーザー毎に最適なタイミングで最適な広告を最適なクリエイティブで表示することは不可能です。では日々の広告運用はどうなっていくのか?答えは「自動化」です。「広告運用の自動化」が進む中、運用担当者には何が求められているのでしょうか?

データフィード広告におけるAI・機械学習の活用

各プラットフォームの広告配信のアルゴリズムは日々進化しています。その進化は著しく、データフィード広告は人が細かく調整するよりも各プラットフォームのアルゴリズムに委ねた方が高い効果を実現できるケースが増えています。プラットフォーム側では大量のデータを活用し機械学習することで、広告効果は時間を追う毎に改善していきます。大量データで機械学習するプラットフォームに、広告運用担当者がKKD(勘・経験・度胸)で勝負しても勝つことはできません。そのため、プラットフォームのアルゴリズムに寄り添うことが最適な選択となりつつあります。

データフィード広告運用を自動化するために必要な3つのこと

f:id:feedmaticblog:20180131115545j:plain

機械学習を最大限に活かせば日々の細かい調整はプラットフォームに委ねることができます。しかし、効率よく機械学習させるためにはデータが必要です。プラットフォーム側で保有しているデータを学習に活用するのはもちろんですが、自社もしくは広告主が保有する情報をどうやってプラットフォーム側にインプットすれば学習の効果が最大化するのか?これを考えることが広告運用担当者の重要な役割です。そのためには、下記3点を理解する必要があります。

プラットフォームを理解する

プラットフォームの考え方・方針の理解は必須です。各プラットフォームの思想や戦略・今後の方向性という大きな視点もそうですし、広告枠はどんなところがあるのか、ユーザー情報はどこまで取得できているのか、スマホに強い・PCに強い、など各社特徴があるのでしっかり理解してください。プラットフォームを理解して初めて、最適な広告戦略の立案・キャンペーン設計ができ、最適なキャンペーン設計ができてこそ機械学習が効率よく行えます

最適なデータフィードを構築する

データフィードには大きく2つの役割があります。

ひとつめの役割は、広告クリエイティブです。
データフィード広告のクリエイティブは主にデータフィードでコントロールします。広告クリエイティブはCTRに大きく影響するので、データフィードに含まれる情報を充実させることでクリエイティブを調整する要素を増すことができます

データフィードの役割のふたつめは、機械学習の促進です。
データフィードに含めることができる項目は何があるのかしっかり把握・理解し、データフィードを通じてプラットフォーム側に渡せる情報はできるだけ多く渡します。広告配信を優先させるために必須項目のみ埋めてスタートしてしまうケースが多々ありますが、任意項目などもしっかり埋めて提供しましょう。提供できるデータが多いほどレコメンド・機械学習する際の材料も多くなります

タグを最大限に活用する

広告タグはリターゲティングのマークを貯める・コンバージョンを計測するだけではありません。タグを通じてプラットフォーム側にサイト上の行動データを渡すことができます。タグを設置するのは大変ですが、タグを通じてプラットフォーム側にどんな情報を渡せるのか確認し、できるだけ多くのデータを提供できるようにしましょう。特に動的に取得するデータ(購入した商品の価格や購買点数など)は非常に重要なデータです。動的タグの設置は大変で固定値を入れて対応するケースもありますが、必ず正しい値を返すようにしましょう。

これらの要素をしっかり理解し活用することが、データフィード広告の運用自動化の第一歩です。

しかしここで注意しなければいけないのが、各プラットフォームのアルゴリズムはブラックボックスであるということです。機械学習においては結果がすべてでありプロセスは問いません。そのため、データフィード広告では結果に対して原因を追求しても明確な回答がみつからないケースもでてきます。広告効果が悪い場合は、データ量(CV数、アイテム数、日予算など)が十分か・機械学習に必要な期間が経過しているかといった視点でチェックします。機械学習が効果を発揮するにはデータ量と時間が必要です。我慢して待つか、より効果的に学習させるための材料をさらに与えるかなど、プラットフォームを理解した上での対策が求められます。また、目標値の設定が間違っているケースもありますので、目標に届かない場合、その目標設定が本当に正しいのか改めて検討してみてください。

広告運用担当者が注力すべきこと

f:id:feedmaticblog:20180131115620j:plain

広告戦略の立案・ポートフォリオの最適化

クライアントのニーズや課題を把握し、どこに広告配信をすればいいのか?予算配分はどうするのかなどの戦略立案です。現状では各プラットフォーム単位で部分最適をすることが多いかもしれませんが、媒体をまたいだ大きな視点での戦略立案やポートフォリオの最適化は運用担当者の重要な役割です。フルファネルに対して、どこをどうすれば全体のアウトプットが最大化・最適化するのかを常に考える必要があります。

プラットフォームの理解とキャンペーン設計

プラットフォームを正しく理解し、初期のキャンペーン設計をいかに効率的に機械学習できるように設計するかが非常に重要です。初期のキャンペーン設計次第では、いくら優秀なアルゴリズムであっても機械学習が機能せず最適化がなされません。できるだけ短い期間で学習できるように、効果的なキャンペーンを設計する必要があります。

最新機能のキャッチアップと実施

データフィード広告は日々進化しており、新しい機能もどんどんリリースされています。海外のプラットフォームだと告知が無く突然リリースされることもあるので、常に最新機能をキャッチアップする必要があります。キャッチアップした最新機能を試し、どうすれば効果が出やすいのか把握するのも広告運用担当者の重要な役割です。

広告クリエイティブ・LPの最適化

広告クリエイティブに影響するところは、広告運用担当者の腕の見せどころです。画像以外にも、データフィード広告の場合、データフィードを調整することがCTRに大きく影響します。

このように広告運用の上流工程や、アルゴリズムが入り込む要素が少ない部分においては人がしっかりマネジメントする必要があり、そこが広告運用担当者のバリューを発揮できるところだと思います。

広告代理店に運用を依頼している広告主も理解が必要

広告主側もデータフィード広告のロジックを理解しておかないと、広告代理店に正しい依頼ができません。データフィード広告は機械学習をフル活用して成果を上げています。そのデータフィードの元になるのが、広告主が保有しているアイテムデータやタグから取得できる情報です。アイテムデータに含まれている情報が少ないと、広告代理店も調整できる要素が少なくなり効果を発揮できません。

マスタデータを充実させることは広告代理店では難しいため、広告代理店と連携しながら広告主自らが主体となりマスタデータの充実を行う必要があります。マスタデータを充実させることは、データフィード広告以外にもサイト構築やSEO対策にも影響する非常に重要な要素になるので、体制を整えて取り組む必要があります。

まとめ

ユーザーの滞在場所やニーズが分散化していく中で最適な広告を表示していくには機械学習を活用し広告運用自体が自動化していく流れは必然です。広告運用担当者は効率よく学習させるためのノウハウが求められ、広告主はアイテムデータを充実させることが求められます。そんなこんなで、データフィード広告ライフをお楽しみください。

 この記事を書いた人

f:id:feedmaticblog:20180131104846j:plain

澤井和弘  

株式会社フィードフォース Feedmatic事業責任者

求人メディア運営会社にて営業・マーケティングを担当した後、2012年にフィードフォースに入社。商品データ最適化サービス「DF PLUS」やソーシャルログイン実装支援サービス「ソーシャルPLUS」のマーケティングを経て、現在はダイナミック広告配信・最適化サービス「Feedmatic」の事業責任者として、メディアへの寄稿やイベント登壇など情報発信を行う。