広告におけるAIと機械学習とは
機械学習と人工知能、すなわちAIは、特に広告業界でバズワードになっています。 両者は時として同じ意味で使われることもありますが、私たちの業界にとっては、それぞれ異なる意味と用途を持っています。
まず、これらの用語の意味を理解しましょう。AIとは、一般的に人間の知性を必要とするタスクを実行する、コンピュータを指す幅広い概念で、音声の認識、データの選別、意思決定、言語の理解などを指します。
機械学習、またはMLは、AIの特定の応用またはサブセットで、すべてのタスクに明示的な指示を必要とすることなく、機械が自ら学習し、改善することが可能です。機械学習は、大量のデータを分析し、パターンを認識し、そのパターンに基づいて意思決定を行うように設計されたアルゴリズム、または一連の指示が必要です。
機会学習のアルゴリズムについて
ある画像に犬が写っているかどうかを識別するよう、機械に学習させるとします。最初に、犬が写っている画像と犬が写っていない画像のラベルを多数用意します。アルゴリズムは、犬を含む画像に共通する形、色、質感などのパターンを探します。
質感などのパターンを探します。より多くのデータを収集する程、より精度が高くなります。この場合、アルゴリズムがより多くの画像を処理するにつれて、帽子をかぶった犬のように、見たことのない状況でも犬であることを認識できるようになります。
これが、機械学習がデジタル広告において非常に大きな機会をもたらす理由です。アドテクは、オープンインターネットを動かしているため、膨大な量のデータを処理します。Index Exchangeだけでも、毎日約2ペタバイトのデータを処理します。これはNetflixをHDで、80年間連続でストリーミングするのに相当します。
プログラマティック広告で機械学習が重用な理由
機械学習がなければ、アドテクプラットフォーム（また、それに依存するメディア企業やマーケター）が、迅速に利用・分析できるデータ量は制限されます。典型的なプログラマティック入札プロセスでは、データの海は消防ホースのように放出され、マーケターは掴めるものを手にしようとし、貴重なインサイトを多々見逃してしまいます。貴重なインサイトを多々見逃してしまいます。その容量は、指ぬき程の大きさであることを想像してみてください。
機械学習は、ホースから放出されるようなデータを分析し、マーケターのキャンペーンデータと組み合わせることで、より効率的かつ効果的に、適切なオーディエンスに、適切な場所で、適切なタイミングで、適切なメッセージを届けるための新しい可能性を提供します。これらのアルゴリズムは、クリック率、コンバージョン指標、消費者行動など、より多くのデータを取り込むにつれ、より適切で効果的な広告を配信できるようになります。
広告における機械学習の役割の拡大
機械学習は、数年前から進化するプログラマティック広告のエコシステムの一部となっています。例えば、マーケターがキュレーションのために入札アルゴリズムを作成したり、トラフィックを最適化するために使われてきました。
しかし、テクノロジーとコンピューティング効率の進歩は、新たな、潜在的に変革的な機会を生み出しています。それが今、機械学習についてよく耳にする理由です。
サードパーティクッキーやその他の識別子の使用が制限されるなど、業界はシグナルロスに直面しているため、この可能性は、現在、特に重要視されています。アルゴリズムは、マーケターが予算を最適化し、より大きな成果を促し、より良い消費者体験を提供できるよう、さらにパフォーマンスの高い機会を効率的に見つけることができます。
従来、機械学習アルゴリズムは、DSP内のエコシステムのバイサイドに適用されてきました。今日、SSPを通じてセルサイドに機械学習を適用する大きな変化が起きています。この変化は、意思決定をリアクティブなプロセスからプロアクティブなプロセスへと進化させ、かつてない効率性と正確さを実現しています。
本来、SSPはオープンインターネットを象徴するメディア企業からのすべての広告リクエストを確認する傾向があります。その規模でモデルをトレーニングすることで、機械学習は、入札が行われる前に、膨大な量のデータを実用的なインテリジェンスに変換できるため、マーケターはサプライチェーンの早い段階でパフォーマンスを予測し、よりスマートな意思決定を行うことができます。
機械学習を活用したキュレーション・オープンインターネット全体で希少なオーディエンスのシグナルを活性化することで、条件と一致可能な機会を見つけやすくなり、より広範なリーチを達成できます。 キャンペーンはDSPに到達する前に最適化され、そこでさらに強化することができます。もう一つのビジネス機会は、機械学習機能とコンピューティング効率の向上により、企業が自社のデータと独自のアセットをコントロールし、ビジネスにより多くの価値を生み出すことができるようになったことです。既存のアルゴリズムに依存するのではなく、企業独自のデータに基づいて独自のアルゴリズムを完全にカスタマイズし、セルサイドでそれを有効化することで、より優れたパフォーマンスと効率性を可能にします。
広告における機械学習のメリット
バイサイドとセルサイドで機械学習の可能性を活用することで、最適化の機会が拡大します。これにより、エコシステム全体でより良い結果が保証されます。
次のようなメリットがあります。
- 無駄な入札リクエストの削減による効率性の向上
- マーケターにとってより良いパフォーマンスと高いROI
- メディア企業の収益向上
- コンピューティングパワーの削減と炭素排出量の削減によるサステナビリティの改善
- より関連性の高い消費者体験を提供し、広告がオープンインターネットと自由なメディアへのアクセスにリソースを投資し続けることを約束します。
機械学習は、私たちが知っている広告をすでに変化しつつあります。機械学習が進化し続けることで、私たちはよりスマートで、よりサステナブルで、より効果的な広告戦略を生み出し、すべての人にメリットをもたらす可能性を手にしています。
