モバイル101でのプログラマティック広告: DSPの初心者向けガイド

Persona.lyのデジタルマーケティングマネージャー 、Galia Lahav氏によるゲスト投稿Persona.ly

ユーザー獲得は、モバイルアプリを成功させるための最も重要な柱の1つです。ユーザー獲得戦略は、オーガニック(ASO)やオウンドメディアから有料メディア (ソーシャルプラットフォーム、ネットワーク、プログラマティック)にまで及びます。

皆様はモバイルマーケターとして、さまざまなマーケティングチャネルやプラットフォームをすでに試されたと思います。ペイドのソーシャルメディアは最も簡単な手法のように見えますが、すべての卵を1つのバスケットに入れることは決して良い考えではありません。1 つのトラフィックソースに依存するからです。プログラマティックチャネルを使用すると、マーケティング担当者はさまざまなアドエクスチェンジからスマートで透過的な方法でトラフィックを購入することにより、ソースを多様化できます。

プログラマティックとは？

アドテックにおけるプログラマティックとは、テクノロジーを使用して広告の売買を自動化することを指します。これには、プログラマティック プラットフォームの使用が含まれます—デマンドサイドプラットフォーム (DSP)— 広告スペースをリアルタイムで購入し、特定のオーディエンス セグメントをターゲットにし、データを分析して広告キャンペーンを最適化します。

プログラマティック広告は、より効率的で効果的な広告を可能にし、広告主のターゲティング機能を向上させます。複数の要因の組み合わせの複雑さと変化の速さのために、人間はこのレベルの有効性に匹敵することはできません。

RTBのエコシステムとプロセス

広告主は、リアルタイムビディング(RTB)を通じてプログラマティックトラフィックを購入できます。RTB は、デマンドサイドプラットフォーム (DSP) を使用したオープンオークションベースの市場です。

プログラマティック広告のエコシステムには、パブリッシャー、広告主、SSP、DSPなどの主要なプレーヤーが存在します。

• パブリッシャーは製品を収益化するための広告スペースを提供するWeb サイトやアプリなどのデジタルプロパティの所有者です。
• SSP(サプライサイドプラットフォーム)は、パブリッシャーとバイヤーの間の架け橋として機能し、パブリッシャーが広告枠を販売するためのプラットフォームを提供します。
• DSP(デマンドサイドプラットフォーム)は、複数のSSPや他のアドエクスチェンジと接続することで、広告主がリアルタイムで広告在庫を購入するために使用するプラットフォームです。
• 広告主は、キャンペーンを配信してターゲット ユーザーにリーチするために利用可能な広告スペースを探している人です。

プログラマティックが優れている理由は何ですか?

広告ネットワークからのSSP—複数のパブリッシャー (ウェブサイトとアプリ) を接続して広告在庫にアクセスし、視聴者に広告を表示して収益化する企業。

広告ネットワークは大規模な在庫へのアクセスを提供します。ただし、多くの手作業が必要であり、場合によっては透明性に欠けます。広告ネットワークは主にパフォーマンス指向の支払いに基づいています。CPI (インストールあたりのコスト)やCPA(アクションあたりのコスト) など (次の段落でこれの問題点について説明します)。SSPはプログラマティック在庫を管理し、CPM(1000インプレッションあたりのコスト) モデルのみで動作し、ターゲティングプラクティスの多様性を高めます。

CPAベースのユーザー獲得はかなりのように見えますが(広告主はインストール/ターゲットイベントごとに料金を支払います)、結果が良すぎて真実ではない場合もあります。広告ネットワークはパブリッシャーとの直接の競争を避けるためにトラフィックソースを開示しないため、透明性の欠如は操作の余地を残します。その結果、広告主は不正なインストールやイベントにお金を払うことになる可能性があります。複数の不正防止ソリューションは広告主にセーフティ ネットを提供しますが、詐欺による損害は金銭的なものだけではありません。潜在的な損害には、ASOや オーガニックトラフィックの共食い.などが含まれます。

プログラマティック購入では、広告主は信頼できる SSPを通じてパブリッシャーからインプレッションを購入します。さらに、DSPは、機械学習アルゴリズムによって開発されたイベント確率予測に基づいて、適切なターゲティングを保証します。KPIは、パフォーマンスベースの指標を組み込む方法で設定されますが (eCPI、eCPA、またはROAS など)、広告主は、広告がユーザーに表示された回数に対して支払います。

プログラマティック購入の「秘密のソース」は、オーディエンスの特性の完璧な組み合わせを見つけ、無関係なオーディエンス セグメントをふるいにかけることです。このアプローチにより、製品に真に興味を持ち、より多くのことを期待しているオーディエンスに広告が適切なタイミングで表示されるようになります。したがって、プログラマティックDSP がトラフィックソースとパブリッシャーを隠す理由はありません。

このアプローチにより、広告主はコストを削減できる一方で、SSPとDSPの両方に複数の不正防止方法が関与しているため、不正行為のリスクが排除されます。

DSPのタイプ

プログラマティックはトラフィックを購入するためのよりスマートな方法ですが、DSP を使用すると、広告主は特定の KPIを設定して成功を収めることができます。さまざまなDSPタイプには、ルールベースのDSPとMLベースのDSP が含まれます。 

ルールベースDSP

ルールベースのDSPの場合、プラットフォームが従う単純なルール(主にエキスパートによって設定されたもの)に基づいて入札が行われます。これはトラフィックを購入するための実行可能な方法ですが、効率に欠け、多くの手動調整が必要です。

MLベースのアルゴリズムを管理するには、プラットフォームとアルゴリズムに関する膨大な知識(および多くのデータサイエンス)が必要なため、ほとんどのセルフサービスDSPはルールベースです。

ルールベースのDSPのセットアップの例を次に示します。

ストアカテゴリー	プレースメント	デバイスタイプ	入札額
RPG	バナー	タブレット	$0.24
カジュアル	ビデオ	スマートフォン	$3.50
パズル	ネイティブ	スマートフォン	$1.10

機械学習ベースDSP

機械学習ベースのDSPの場合、ターゲティングは、アルゴリズムがビッグデータの研究から得た結論に基づいています。プラットフォームは複数の要因を考慮し、何百万もの組み合わせを処理して、特定のオーディエンスセグメントによる特定のイベントの確率を予測します。

SSPが利用可能な新しいオークションがあることを知らせると、DSPで入札するかどうか、および予想される結果に基づいて入札する金額を処理するための時間は約200ミリ秒しかありません。

クリック、インストール、およびイベントの予測は、以前のオーディエンスの行動に基づいており、SSPが利用可能な在庫に関するデータを送信した直後にほぼ同時に発生します。次に、アルゴリズムが入札するかどうかを決定します。

ビッドシェーディングは、MLベースのDSPのもう1つの特徴です。予測されたユーザー値と過去のオークションデータ(毎秒数百万の広告オークションを考えてください)に基づいて、アルゴリズムは入札価格を定義し、入札を行います。これにより、広告主はよりバランスの取れた入札を行うことができます。入札価格を調整し、広告主がファーストプライスオークションの領域で過払いしないようにします。 

以下は、MLベースのDSPの入札プロセスの構造を非常に単純化したものです。

ルールベースのDSPとMLベースのDSPの主な違いは以下の通りです。

	ルールベース	MLベース
リアルタイムビディング	✔️	✔️
ハイクオリティインベントリ	✔️	✔️
スケーラビリティ		✔️
ベーシックターゲティング	✔️	✔️ (学習の初期段階)
掲載結果予測に基づく自動ターゲティング調整		✔️
セルフサーブ	✔️
マネージドサービス	✔️	✔️

 

プログラマティックでのデータ共有 – コールドスタートの問題

モバイルユーザー獲得におけるデータ共有には、UA パートナーにオーディエンスリストへのアクセス権を提供することが含まれます。 

大規模なデータセットにアクセスできるMLベースの DSPは、類似のオーディエンスセグメントを生成して、コールド スタートの問題を解決できます (そして探索コストを大幅に削減できます)。同時に、オーディエンスリストは、既存のユーザーをターゲットにしないようにするサプレッションリストとして機能します。 

MLベースのDSPのもう1 つの特徴は、さまざまなオーディエンスの行動パターンを認識し、セグメントを分類し、セグメント化に基づいてさまざまなクリエイティブを提供できることです。このようにして、キャンペーンは、既存のユーザーまたはコンバージョンに至らないユーザーをターゲティングするための広告主の予算を無駄にするのではなく、新しい関連ユーザーの獲得に焦点を当てます。

プログラマティックチャネルの使用の開始

1) リサーチ

プログラマティックとは、テクノロジーと高品質の在庫に関するものであることを忘れないでください。一部のプレーヤーは、広告ネットワークである一方で、DSPとしての地位を確立する場合があります。混乱を避けるために、ケーススタディを確認し、会社を調査し、トラフィックソースと方法論について適切な質問をするようにしてください。  

2) ゴールとKPIのシェア

機械学習アルゴリズムが適切なターゲティングを実行するには、目標が明確に定義された非常に具体的なキャンペーン設定が必要です。 

3) データのシェア

前に述べたように、データ共有はモバイル広告の重要なステップです。データを共有するには、安全でデータのプライバシーに準拠した方法が複数あります (.csv ファイルではありません)。 

4) 忍耐強く

アプリの業種によっては、MLが堅牢なインストール ディープファネルイベント圧縮を確立するために、時間と予算がかかる場合があります 。進捗評価については、プラットフォームのカスタマーサクセスマネージャーに必ず連絡してください。

Galia Lahav、Persona.lyのデジタル マーケティング マネージャー。Persona.lyは、モバイルファーストDSPで、運用中毎秒250万件を超える広告オークション、独自の入札者、機械学習アルゴリズムへのアクセスを備えた Persona.lyは、透明性があり、パフォーマンス主導型で、高度にターゲットを絞ったUAおよびリターゲティングソリューションを大規模に提供しています。同社は、Rapido、Games24x7 Gaming、 Ubisoft、Tilting Point、その他多のクライアントによって信頼されています。