広告反応データというリザルトラーニング

DSP／DMPに関わるデータ類の一分野に、広告反応データによるResult Learningがある。どんなクッキーが、どんな掲載面で、またどんなタイミングで配信された広告が良い反応を得たかなどが広告反応データということになる。もちろん変数はこれだけではない。

DSPと言うと、配信先クッキーの特定ばかりのように考える向きもあるが、実際には商品カテゴリーやブランドの特徴によって、反応変数は変わる。比較的購買リスクが高く、検討期間もそれなり長い商品カテゴリーでは、クッキーを特定するターゲティングは効果的なはずだが、そうではない商品では、必ずしも配信先クッキーばかりを追いかけるのが広告パフォーマンスを高める手段ではない。もちろんどんな掲載面が良い広告反応を得られるかは非常に重要なファクターとなる。これは広告に接触するユーザーの「モード」に合わせられるかどうかということでもある。どんな気分の時にその広告と接触するかであり、またある意味受け手のタイミングに合わせるという見方もできる。
リスティング広告とはまさに関心が顕在化した検索行動に対してカウンターで広告情報がマッチングされる訳で、ユーザーのモードとタイミングに合った配信になっている。
　

　PDCAという考え方を進めると、答えのひとつは『自動最適化』になる。
広告配信結果をフィードバックして自動的に入札を最適にコントロールする。最適化の要素にはモードやタイミングを掲載面や配信時間などを含めて学習することになるだろう。
　

　前回のエントリーに書いたように、パブリッシャーは、広告収入を最大化したいのなら、コンテンツもマーケティングして、マーケティング価値のあるオーディエンスを多く獲得するようにしないといけない。単純にＰＶの多いコンテンツを追いかけると、ゴシップやエロコンテンツばかりになってしまうだろう。オーディエンス（その文脈とタイミングごとに）とコンテンツをマーケティングすることはDMPによって実現するだろう。

　象徴的に＿「枠」から「人」へ＿というキーワードを私も使うが、従来との構造変化を説明するためだ。しかし物事そう単純ではない。広告配信にとって当然掲載面は重要である。しかし、ユーザーと広告の個別のマッチング（オーディエンスとそのモード、タイミング）が最適化されるということであり、クッキーか掲載面のどちらがいいかという単純な話ではない。