CPC広告情報フロー（情報フロー広告のデータ分析はどうすればいいの？）

情報フロー広告のデータ分析はどうすればいいですか？

編集者注：情報フロー広告とは、簡単に言えば、大手ソーシャルプラットフォームがフィードフロー上で行う広告表示ビジネスを指します。インターネット広告の新たな人気として、情報フロー広告は単に流行を追うためではなく、高い収益を上げるために開始されました。情報フロー広告におけるデータ分析はどのように行えばよいのでしょうか？この記事の著者は、データ分析のプロセスを共有し、データ分析に関するいくつかの提案をまとめました。お役に立てれば幸いです。

インターネットの人口ボーナスが消滅したため、主要なインターネット製品は、最低のコストでより多くのユーザーを引き付け、活性化させることを望み、ユーザー数の増加に躍起になっています。ユーザーを増やすための戦略や手段は数多くありますが、その中でもインターネット成果型広告は非常に重要な手段です。

インターネット広告のプロセスでは、配信を担当する運用スタッフが、コピーライティング、画像、レイアウト、メディアの場所、ターゲットオーディエンスなど、広告のあらゆる角度から配信を最適化し、最高の配信収益率を確保します。データ分析により、広告の配置方法や配置の組み合わせの最適化方法を定量的な観点から運用し、ユーザー獲得コストを削減できます。そこで、この記事ではインターネット広告におけるいくつかのデータ分析手法を紹介します。

情報フロー広告はモバイルインターネット時代に誕生し、コンテンツフローに散りばめられた広告です。情報フロー広告には、グラフィック、写真、短い動画などさまざまな形式があります。情報フロー広告はコンテンツフローと全く同じ形で散りばめられているため、ユーザーの邪魔が少なく、左上隅の「広告」という文字に注意を払いません。ユーザーは通常のコンテンツと同じように簡単に閲覧したり、操作したりできます。

情報フロー広告は、メディア、広告主、ユーザーの利益を完璧にバランスさせ、アルゴリズムを通じて「千人の千の顔」を実現できるため、情報フロー広告はメディア広告の商業化の重要な部分となっています。一般的な情報フロー広告：WeChat Moments、Toutiao、TikTok など。

情報フロー広告エコシステムの観点から、現在は広告主、メディア、サードパーティクリエイティブプラットフォーム、データプラットフォーム、モニタリングプラットフォームをカバーしています。

サードパーティクリエイティブプラットフォーム：業界、メディア、広告スタイル、素材の種類、機器、時間などによる配信素材の多次元スクリーニングと閲覧を提供します。

サードパーティのデータ プラットフォーム: 提供されるサービスには通常、ユーザー インサイト (消費者のポートレート、ユーザー/クラウド パッケージ管理、配信変換分析など) が含まれます。

サードパーティ広告監視プラットフォーム：配信および効果データの統計監視サービスを提供します。広告主はトラフィックの購入者であり、メディアまたは配信チャネルはトラフィックの販売者であり、監視タスクは通常、サードパーティの代理店によって実行されます。

現在、情報フロー型広告は主にRTB（オープン入札）で販売されています。メディアは利益を最大化できる広告主に広告スペースを販売します。 eCPM (インプレッション 1,000 回あたりの推定コスト) は通常、広告がメディアにもたらす収益を測定するために使用されます。このうち、eCPM = CPC 入札額 * 推定 CTR です。広告がメディアにもたらす収益を測定するために eCPM が使用される理由は、あるポジションの CPC 入札が非常に高く、クリックの可能性も非常に高い場合、メディアは収益を最大化するためです。

広告露出機会の入札に成功した後、広告の実際の料金は入札に基づいて計算されるわけではありません。代わりに、2 番目に高い入札の eCPM と広告自体の推定 CTR に基づいて計算される、2 番目に高い価格メカニズムに基づいて計算されます。具体的な計算式は以下のとおりです。

広告入札のロジックと最終的な課金ロジックに基づいて、推定 CTR は広告入札の成功に影響を与える重要な要素であり、広告 ROI を向上させる重要な要素であると推測できます。推定 CTR は、オーディエンスのターゲティング、配信時間、配信コンテキスト、素材の種類と密接に相関しています。配信の組み合わせによる最適な推定 CTR は、複数の広告から蓄積する必要があります。

現在、広告ビジネスにおいて、多くのデータ分析が必要となるシナリオは、主に以下の 3 つの側面に及びます。

1. 広告効果分析;
2. 広告最適化分析;
3. 広告詐欺防止異常分析。

広告の効果を分析する際には、まず広告の測定指標を明確にする必要があります。ビジネス シナリオによって有効性の測定基準は異なりますが、一般的にはユーザーのコンバージョン率と収益から算出されます。電子商取引業界の情報フロー広告を例にとると、広告後のユーザーコンバージョンパスは次のようになります。

したがって、私たちが日常的に注目する指標には、次のものがあります。一般的に、ROI はトラフィック コストとコンバージョン収益の真の関係を表すため、チャネル価値の重要な測定指標です。 ROI は、24 時間 ROI、7 日間 ROI など、特定の期間に基づいて計算されます。これは、実際のニーズに応じて選択できます。

ROI測定指標を決定した後、それを用いて広告配信グループのコンバージョン率が基準を満たしているかどうかを判断します。標準を満たさない配送組み合わせについては、数式分解法を使用して、変換率が低すぎるか、顧客単価が標準に達していないか、またはコスト消費が高すぎるかを判断できます。そうすれば、的を絞った方法で問題を最適化できます。

• コンバージョン率が低い場合: 製品の観点からユーザーのコンバージョン パスを最適化し、運用の観点から広告素材とオーディエンス ターゲティングを最適化できます。
• 平均注文額が低い: 製品の観点からは、新規顧客向けの活動を最適化してユーザーの定着率を高めることができ、運用の観点からは、洗練された運用を強化してさまざまなユーザーの潜在能力を最大限に活用することができます。
• コスト消費が高すぎる: 運用の観点から、広告の推定 CTR を増やして入札額を下げることができます。

広告のコンバージョン率に影響を与える要因は、広告のターゲティング、広告の創造性、広告のコピー、広告の場所など、数多くあります。前回の競争広告の入札原則に関する記事で述べたように、推定 CTR を増やすことで ROI を向上させることができます。したがって、CTR またはコンバージョン率を高めて ROI を改善するには、最適な広告の組み合わせを見つける必要があります。最適な配信の組み合わせを見つけるために最も一般的に使用される方法は、AB テストと、単純ベイズ アルゴリズムを使用して、比較的高いコンバージョン率を持つ集団を対象とした配信の組み合わせを推定することです。

2.2.1 ABテスト

1) 実験デザイン

パフォーマンス指標（クリックスルー率とコンバージョン率）を決定します。

以下の例のように、2 つの AB テスト グループを同時に設定し、同じクリエイティブで性別やシステム バージョンが異なる場合のコンバージョン率とクリックスルー率に大きな違いがあるかどうかをテストします。

2) 広告とデータ収集

コントロール グループと実験グループは同時に起動され、広告の露出、クリック、コンバージョン データを収集します。データ収集の一般的な量は、次の要件を満たす必要があります。

広告のクリック率は一般的に3%程度です。これまでの経験から、一般的には10,000倍以上の照射量が保証されています。

上記の 2 つのテスト グループについて収集したデータは次のとおりです。

3) 有意性検定と結論

a.帰無仮説と対立仮説を構築する

広告のABテストでは、クリックスルー率とコンバージョン率の比較に重点が置かれます。

つまり、両側検定（p1 と p2 は有意に異なる）：帰無仮説：p1 = p2 対立仮説 p1 <> p2;

b.統計の構築

広告のクリック率とコンバージョン率は、どちらも比例指標です。中心極限定理によれば、それらは一般に正規分布に近似的に従うことがわかります。したがって、クリック率とコンバージョン率のABテストは、割合の違いの二国間テストであり、テスト統計量も正規分布に従います。具体的な式は次のとおりです。

紀元前帰無仮説を棄却するかどうかを決定するためにz値を計算する

両側検定: z 変数の値が -1.96 から 1.96 の間の場合、考えられる結果の 95% がカバーされます。したがって、95% の有意水準では、上記で計算した z 値がこの範囲外にある場合、帰無仮説は棄却できます。

上記の例を使用して Z スコアを計算すると、男性と女性の性別間ではクリックスルー率とコンバージョン率に大きな違いはありませんが、Android と iOS のオペレーティング システム間ではクリックスルー率に大きな違いがあることがわかります。

2.2.2 広告ターゲティングを最適化するためのナイーブベイズアルゴリズム

ナイーブベイズアルゴリズムは、特定のカテゴリに属する​​確率を計算できるナイーブベイズ式に基づいた分類アルゴリズムです。特徴が互いに独立していると仮定するため、これはナイーブと呼ばれます。しかし、現実の世界では、この仮定は基本的に真実ではありません。仮定が真実でない場合でも、特にサンプル数が少ない場合には、良好なパフォーマンスを発揮します。

ベイズの公式は次のとおりです。

ここで、P(A|B)は、Bが発生した後にAが発生する確率を表します。ベイズの公式によれば、P(A|B) を計算するには、最後の 3 つの項目のみを計算する必要があります。以下は実際の情報フロー配信事例に基づいた紹介です。

1) 視聴者のポートレートとコンバージョンデータを取得する

広告ターゲティングのユーザーコンバージョンデータが次のようにわかっていると仮定します。

2) ナイーブベイズに基づいて確率を計算する

これは、上記の視聴者ポートレートデータとベイズの公式に基づいて計算できます。

広告ターゲティングX=(性別="男性", 年齢="35-39歳", オペレーティングシステム="iOS")のユーザーのコンバージョン確率を知りたいとします。

P(変換 = "1" | X) = 0.9275と計算できます。

つまり、広告ターゲティングX=(性別="男性", 年齢="35-39歳", オペレーティングシステム="iOS")では、ユーザーコンバージョンの可能性は0.9275です。

3) ターゲット広告に関するガイダンス

ナイーブベイズアルゴリズムと過去のコンバージョンデータのユーザーポートレート分布を通じて、各広告ターゲティングの組み合わせにおけるコンバージョン確率を計算できます。これにより、コンバージョン率の高いターゲティングの組み合わせを優先して広告を出稿したり、コンバージョン率の高いターゲティングの組み合わせには高い入札額を、コンバージョン確率の低いターゲティングの組み合わせには低い入札額を付与したりすることができ、広告のコンバージョン効果を全体的に最適化することができます。

不正行為防止は、財務、支払い、コンテンツ制作、広告など、複数のビジネス シナリオで実行する必要がある比較的複雑なプロセスです。それは、絶え間ない改善とブラック産業との継続的な対決を必要とするプロセスです。広告詐欺防止に関して、異常なトラフィックとコンバージョンを識別する主な目的は、一方では、修正された ROI を計算し、チャネルの品質をより合理的に評価できることです。一方、異常を識別してリアルタイムで傍受することで、異常なトラフィック消費を削減できます。

完全な不正行為防止システムは、異常監視、異常検出、異常分析、異常処理のプロセスをカバーします。データ アナリストは、異常を検出するために、ルール、インジケーター、モデルなどのさまざまな方法を使用する必要があります。したがって、この記事では広告の不正防止の部分については詳しく説明しません。

上記は、広告プロセス中にデータアナリストが頻繁に行う必要がある作業です。まとめると、広告が正式に開始される前に、AB テストを通じて最適な配信の組み合わせが見つかります。最適な広告ターゲティングはベイズアルゴリズムを通じて予測されます。広告開始後は、ROIなどの指標に基づいて広告効果を分析し、チャネル価値を測定し、製品と運用を支援して広告コンバージョンを最適化し、ROIを高めます。また、広告が正式に開始された後は、データの観点から分析して異常なアクティベーションや異常な注文を発見し、修正された総GMV（異常なGMVを除去後）に基づいて、より合理的にチャネル価値を測定する必要があります。

上記で紹介した広告データ分析手法が、皆様の日々の仕事や勉強のお役に立てれば幸いです。読んでくれてありがとう〜

著者：徐宇は永遠です。公開アカウント：Xu Yu は永遠です。

この記事はもともと @须臾即永恒 によって Everyone is a Product Manager に掲載されました。無断転載禁止

タイトル画像はCC0ライセンスに基づいてUnsplashから引用しています