こんにちは。フィードフォースで広告運用コンサルタントをしている 寒川 です。

後発ダイナミックリターゲティング媒体ながら、成果保証が可能な唯一のダイナミック広告として、アカウント/売上金額ともに右肩上がりに急成長しているRTB Houseについてご紹介します。

課金方式・配信面・クリエイティブ・広告配信アルゴリズムのロジックなどRTB Houseの特徴はもちろん、Criteo等他媒体との併用シュミレーションもご紹介します。

RTB Houseとは

RTB Houseとはディープラーニングを活用したダイナミックリターゲティング広告を提供する広告媒体です。

2012年にポーランドで創業され、現在はアジアを含む世界44か国で展開、広告主は全世界で1200社を超え、中央ヨーロッパにおける広告主のリピート率は99%と実績をあげています。日本でのサービス提供開始は2017年7月、日本法人設立は2018年2月と、比較的最近のサービス展開にも関わらず、その効果の高さから注目を浴びています。

RTB Houseの最大の特徴は、ディープラーニング(深層学習ーDeep Learning)型の学習技術を用いて最適化された広告配信です。

ユーザーのサイトへの来訪歴のみならず来訪元や滞在時間、カートに入れる際の行動などあらゆる情報を一元管理してディープラーニングで行動を予測します。その予測から、各ユーザーのコンバージョンの可能性や成果につながるクリエイティブを自動生成し、ダイナミックリターゲティング広告を配信します。

【TIPS】そもそもディープラーニングとは?

コンピューターによる機械学習で、人間の脳神経回路を模したニューラルネットワークを多層的にすることで、コンピューター自らがデータに含まれる潜在的な特徴をとらえ、より正確で効率的な判断を実現させる技術や手法。音声認識と自然言語処理を組み合わせた音声アシスタントや画像認識など、パターン認識の分野で実用化されている。
(出典:デジタル大辞泉より)

例えば、一般的な機械学習では、あらかじめ”人を介して”たくさんの猫の絵を機械に読み込ませたり、「猫」の特徴を数量化した特徴量を設定することで、類似したデータを判別するします。一方、ディープラーニングでは、「猫」を構成する様々な属性や要素(色、毛、形など)を大量に機械学習することで、”人が直接関与することなく”、ネコの特徴をコンピューターが自動的に学んでいくという違いがあります。

RTB Houseの特徴

ディープラーニングによるアルゴリズムで最適化されたダイナミックリターゲティング広告

一般的な機械学習を活用した広告配信では、効果のよいクリエイティブやユーザーを機械に学習させることで、配信効率をあげています。

一方、RTB Houseのディープラーニングを活用した広告配信では、効果を高めるための要素、例えば、クリエイティブ、フィードデータ、タグ情報、広告配信先、ユーザーの来訪歴、来訪元や滞在時間、カートに入れる際の行動など、より粒度の細かなあらゆる要素レベルの情報を一元管理して深層学習(Deep Learning)で判断/判別し、各ユーザーのコンバージョン可能性や成果につながるクリエイティブを自動で生成し、動的リターゲティング広告を配信しています。

4つの課金モデルを提供

2021年1月現在、以下の4つの課金モデルが用意されており、広告配信するうえでサイトの目的に応じて選択が可能です。

  • CPS(=ROAS) 保証課金
  • CPA 保証課金
  • CPC 課金
  • ダイナミック CPC 課金

CPS(=ROAS) 保証課金

CPS = Cost per Sales (広告費 / 売上) x 100 になります。
ROAS保証のイメージに近いです。売上金額にROAS分を割り戻してコストを計算します。

例)ROAS1,000%の場合、コスト100円に対して売り上げが10倍(1,000円)を指しますので、この場合、CPSはCost per Salesなので、10%になります。

CPA 保証課金

文字通り、目標CPAを設定し、その目標を保証します。
万が一、目標CPAを下振れた場合は、超過分の配信費は請求されず、目標CPA分のコストのみ課金されます。

CPC 課金

CPC = Cost Per Click(コスト・パー・クリック)の略です。
クリックが発生するごとに広告費が発生します。
広告表示(インプレッション)が何回でも費用は変わらず、クリックされてはじめて広告費が発生します。
配信効率が悪いためほとんど使用されておりません。

ダイナミック CPC 課金

基本的には、CPC課金と同じくクリックが発生するごとに広告費が発生します

違いとしては、ダイナミックCPC課金はエンジンが動的にCPCを決めて配信する点です。例えば、獲得が獲れやすい配信面/ユーザーのときは入札を引き上げ、そうでないときは入札を引き下げるなどディープラーニング(深層学習ーDeep Learning)のエンジンが学習したデータにより動的に入札を変えてくれます。

CPS/CPA保証課金モデルでも、CV確度の高いユーザーや配信面に配信することになりますが、ダイナミックCPC課金モデルのほうが保証モデルよりも配信量が伸びやすく、目標を大きく下ぶれることも少ないため、最近はこちらの課金モデルが主流になってきています。

配信面

Google/海外/国内ネットワーク(国内はYahoo面を除く)

Google/海外/国内ネットワーク(国内はYahoo面を除く)
(RTB House 媒体資料より)

ここでお気づきの方もいらっしゃると思いますが、Criteo等他媒体と配信面(SSP)はYahoo面を除くと重複するところは多いです。(※)

それでもRTB Houseが日本市場において約3年間でアカウント/売上金額ともに右肩上がりに急成長している理由は、限られたネットワーク、配信面のなかでも、RTB Houseならではの特徴を活かしながら、単体での活用に加え、他媒体との併用においても実績をあげているからといえます。

RTB House 日本市場の伸び率
(RTB House 媒体資料より)


Safari面への配信量は僅少です。(掲載面側で独自にユーザーに許諾を行っている場合のみ配信)

クリエイティブ

RTB Houseのクリエイティブバナーの一部をご紹介します。動きがあり、複数の商品それぞれの魅力を伝えるユニークなバナーであることがわかります。バナーによっては商品にマウスオーバーすると、拡大表示され、ユーザーが興味を示した商品にフォーカスして訴求することもできます。

RTBHOUSE_creative1
RTBHOUSE_creative2
RTBHOUSE_creative3

他リターゲティング広告との併用のすすめ

すでにリターゲティング広告を運用している場合であっても、RTB Houseと併用することで相互に効果を高めることが期待できます。

まずは、こちらの図をご覧ください。これは、リターゲティング広告のターゲティングを”お笑いでウケるユーザー層”に例えて図解したものです。

リターゲティング広告のターゲティングを"お笑いでウケるユーザー層"に例えて図解したもの
(RTB House 媒体資料をもとにFeedmaticにて一部修正)


リターゲティング広告を一媒体のみで行った場合、その媒体のエンジン内で最適なユーザーと判断されたユーザーしかセグメントされません。(上の図の例えですと、ノブでしか笑いが取れない状況になります。)

そこに追加でもう一社リターゲティング広告媒体を加えると、ターゲットできるユーザーの層が広がります。(ノブでウケなかった層にクッキーでウケれば全体として笑いの取れた数は増えます。)

この違いはお客さんの笑いのツボが異なるように、それぞれの媒体のユーザーの確度の判断の仕方(アルゴリズム)が異なり、それぞれの芸人が異なるネタを披露するようにクリエイティブの出し方がそれぞれの媒体で異なるために起こります。

RTB HouseのDeep Learningでは、機械学習とは異なるアルゴリズムでユーザーを定義しています。

結論として、複数のリターゲティング広告媒体を運用することで全体のリターゲティングするトラフィックを増やし、それに伴いコンバージョン件数を増加させるというメリットがあります。

エンジンの特徴

一般的なダイナミック広告のアルゴリズムでは、例えばサイトへの訪問回数が多いユーザーほど、購入確度が高いと考えられ、そういったユーザーを分析するには下図のようなY=ax などの線形分析で表される分析手法で広告配信が行われてきました。

一般的なダイナミック広告のユーザー分析
(RTB House 媒体資料より)


RTB Houseのアルゴリズムとしては、Deep Learning(深層学習)エンジンを使用しており、一般的なダイナミック広告のロジックとはまた異なります。

RTB Houseのアルゴリズム
(RTB House媒体資料より)
分析手法例:ロジスティック回帰分析
(RTB House 媒体資料より)

例えば、”ユーザーがサイトを 5 回訪問したときに購入確度が一気にあがる”であったり、” 特定のイベント(キャンペーン、クーポンなど)が発生した時に購入する可能性が高くなる” 、など(上図参照)のように直線では捉えられない購買行動も、非線形分析手法を用いて、エンジンが判断しターゲティングします。

そのため、配信面(SSP)が同じでも、配信するユーザーや広告、掲載する商品が異なるので、他媒体ではCVしないと判断されたユーザーが、RTB HouseではCVを獲得できることもあります。

Criteoと併用開始数か月の実績を基にしたシミュレーション

Criteoを配信中のケースにおいて、追加でRTB Houseを配信した際の実績を基にした一般的な数値の変化を下図に表しました。(開始3-5か月の実績)

Criteoを配信中のケースにおいて、追加でRTB Houseを配信した際の実績を基にした一般的な数値の変化
(RTB House 媒体資料より)

左側の図は、CriteoとRTB Houseを同じROAS目標で配信するケースです。

RTB House(赤)を開始したタイミングでCriteo(紫)の配信額は効率に合わせ下がっているものの、その落ち込み分以上をRTB HouseがCV額を補っているのが分かります。

また、右側の図はRTB Houseの追加前と追加後の両方を同額の予算で配信するケースです。結果的に両社で効率を高め合い、RTB House追加前はROAS 900%だったものが、追加後はROAS 1,000%でCV額が増加しています。

Criteoの配信費はどちらも効率に合わせ減額しているものの、Webサイトの事業主としては、結果的に売上の拡大に成功しているのです。

よくある間違い設計

開始1ヵ月からCriteoと同じ成果を求める

上述している通り、RTB HouseのエンジンはDeep Learning(深層学習)エンジンを使用しており、従来のロジックよりも複雑な分析にクリックやCV数が必要です。

サイトの月間UU数やクリック数・CV数によりますが、最低でも1-3ヵ月は学習期間が必要です。

CPA/ROAS保証の目標値を、高すぎる目標値に設定する

上記と同じく、どうしても保証モデルが効く、というと理想的なCPA/ROASを設定したくなる気持ちはお察しします。しかし、他の広告媒体でも届いていないような高い目標を初めから掲げてしまうと、配信が抑制され、ますますクリックやCVが発生せず、学習期間を長引かせることに繋がるのです。

配信開始初期は先行投資と思い、学習期間中は許容できる目標に設定し、配信開始後に徐々に目標値を上げていき、将来的に理想の目標に届かせるステップを踏むことをオススメいたします。

カテゴリやユーザー属性で除外設定

こちらもRTB HouseのDeep Learning(深層学習)とは相性がよくありません。サイト上でタグは発火しているのにフィードには存在しない、のようにタグとフィードの不一致率が高いと、エンジンが分析できずに学習が正確に進まなかったり、広告掲載がNGになってしまうこともあります。

基本的にエンジンには最大限の情報を送り、強化したいカテゴリやユーザーに関しては、除外ではなくタグで強化したいカテゴリにフラグを立て、目標KPIを見直す手法をおすすめします。

フルファネルに対応したRTB House

RTB Houseは、サイト訪問済みのユーザーに向けたダイナミックリターゲティング広告だけでなく、購買ユーザーや自社の顧客に類似した未接触ユーザーへの広告配信も可能となりました。

今までのディープラーニング(深層学習)エンジンでは、ファネル中のターゲット層を手動で設定する必要がありましたが、RTB Houseの最新のエンジンでは、顕在層・潜在層の間でのユーザーの関心の変化を捉えて、適切なタイミングで、適切な広告配信面に、適切なクリエイティブを訴求できるようになりました。

特に、RTB Houseのディープラーニングが広告配信の学習を進める際には、一般的な機械学習で利用される80のシグナルを大きく超える200,000ものシグナルを読み取ってエンジンが学習を行うため、非常に精密な広告エンジンが学習を進めます。

TB Houseのディープラーニングが広告配信の学習
(RTB House 媒体資料より)


RTB Houseの深層学習は、ファネルのそれぞれのフェーズで以下の動きを読み取り、ターゲティングを行います。

  • 認知(Awareness):広告を見て興味/関心があると推測されるユーザー
  • 検討(Consideration):webサイト訪問といった行動を取る可能性が高いと推測されるユーザー
  • 購入(Conversion):コンバージョンする可能性が高いと推測されるユーザー

フルファネルでの広告配信メニューは以下の通りです。

RTB Houseの深層学習
(RTB House 媒体資料より)

潜在・認知層に対しては動画クリエイティブやブランドの世界観を表すようなクリエイティブを、また顕在層に対してはパーソナライズされた動画クリエイティブやアクションを促すためのバナーを配信する、といったようにファネルごとに応じたクリエイティブを広告エンジンが判断して訴求を行います。

ITPの影響は?

日本の約63%はiPhoneユーザーであるため、特にモバイルからの流入率が高いサイトは、ITPへの関心は高いと思います。

結論から申し上げると、ITPの影響は軽微です。
RTB HouseはCookieをベースにユーザーを認識しているため、ITPの影響を受ける広告媒体となっていますが、Safari面の配信量はもともと多くありません。(掲載面側で独自にユーザーに許諾を行っている場合のみ配信)
そのため、iOSからの流入が著しく高くない場合にはRTB Houseの導入を検討して問題ないかと思います。

Feedmaticサービス資料ダウンロード

ディープラーニングの効果を最大限にするために

RTB Houseの効果を最大限に高めるためには、ディープラーニングの要素となる多くのデータを正確に伝え、蓄積し、機械学習の精度をあげることが重要です。

例えば、データフィードに含まれる情報を充実させることで、クリエイティブの要素が最適化され、レコメンドの精度もあがります。またタグを正しく設置することで、プラットフォーム側にサイト上のユーザーの行動データを渡すことができます。

さいごに、後発のダイナミックリターゲティング媒体ではありますが、国内でも導入アカウント数、配信費が右肩上がりに伸びている、今注目の媒体です。
導入ご検討・不明点などございましたら、お気軽にお問い合わせください。