情報共有を改善して広告選択を良くする

広告の世界、特にオンラインでは、広告主は潜在的な顧客が見ると思われるウェブサイトに広告を掲載しようとしています。このプロセスは選択肢がたくさんあるため、ちょっと難しいこともあります。一部の広告主は出版社から直接広告を購入して、特定のウェブサイトでの広告スペースに対して固定料金を支払います。しかし、多くの広告主は、広告を掲載するための適切なウェブサイトを選ぶのがあまり得意ではありません。

#広告サイト選びの課題

広告主は広告を出すサイトを選ぶとき、難しい決断に直面することが多いです。最初は特定のサイトがうまくいくと思うかもしれませんが、試してみると期待した結果が得られないことがあります。多くの広告主は、いくつかのウェブサイトを試した後、いくつかのお気に入りに絞り込むというアプローチを取ります。このプロセスは、どのサイトが自分の広告活動に最適かを学ぶ過程を反映しています。

リサーチによれば、広告主は初めにサイトを選ぶときに過剰に楽観的になりがちです。たとえば、ある広告主はクリック率（CTR）が0.23%になると期待するかもしれませんが、実際の平均CTRは0.045%程度にすぎないことがあります。このギャップは、どのサイトが広告キャンペーンに効果的かを見極める際に広告主が直面する学習曲線を浮き彫りにしています。

#より良い情報の必要性

広告主がサイトの効果について不安を抱えていると、無駄な支出につながる可能性があります。さらに問題なのは、彼らが多くのインプレッション（広告が表示される回数）を一度に購入することが多いということです。広告主は、かなりの投資をした後でないと、自分の広告がどれだけ効果的かを把握しないことが通常です。

私たちの目標は、広告主がどのように時間をかけて学んでいくか、そして彼らの最初の信念が広告の選択にどのように影響するかを理解することです。さらに、広告支出の効率を改善する方法も探りたいです。広告主間で情報を共有することで、サイトがどれだけ効果的かをより良く把握できると主張しています。

#データ収集

この問題を研究するために、広告主と出版社をつなぐダイレクトセールスの広告ネットワークからデータを集めました。このネットワークは、広告スペースをまとめて固定価格で販売しています。私たちは、8,000の広告主と3,200の出版社に関する3年間のデータを検討しました。このデータには、各広告主の広告購入に関する情報、支出額、広告が受け取ったインプレッション数が含まれています。

私たちは、似たようなオーディエンスと広告主のベースを持つ165の政治ブログとニュースサイトの特定のグループに焦点を当てました。これらのサイトでの広告取引を研究することで、広告主が時間とともにどのように学んでいるかのパターンを明らかにしたいと考えています。

#学習の証拠

データによると、広告主は広告キャンペーンを開始する際に多くの異なるサイトに広告を掲載します。時間が経つにつれて、より良い結果をもたらす少数のウェブサイトに選択肢を絞る傾向があります。このパターンは、広告主がどのサイトが広告費に対して最良のROI（投資回収率）を提供するかを学んでいることを示唆しています。

広告主がさまざまなサイトでの経験を積むにつれて、クリック率に対する期待を調整します。サイトのパフォーマンスに対する最初の楽観的な見方は、期待した結果が得られないサイトに過剰に支出する原因となることがよくあります。広告主同士が情報を共有することで、どこに広告を掲載するかをより良く判断できるようになります。

#広告主の行動モデル化

広告主がどのようにサイトを選び、その信念が時間とともにどのように変わるかを理解するために、広告主の行動モデルを開発しました。このモデルは、さまざまな出版社に対する過去の経験に基づいて、広告主がどのように決定を下すかを考慮しています。多くの広告主は、過去のパフォーマンスが良好なサイトに惹かれる傾向があることがわかりました。

私たちの研究の一環として、広告主の期待と実際の結果とのミスマッチが非効率的な支出につながることに気づきました。この非効率は、広告主が投資の良好なリターンが得られないことに気づいてサイトを放棄する結果につながることがよくあります。

#広告主の類似性の役割

広告主の意思決定プロセスを改善する一つの方法は、広告が他の広告主のものとどれだけ類似しているかを考慮することです。私たちは、異なる広告の視覚的特性を分析するために機械学習のアプローチを使用して、広告のパフォーマンスを予測するパターンを特定しました。

視覚要素とコンテンツに基づいて広告をカテゴリ分けするシステムを作成することで、類似の特性を持つ広告がどのようにパフォーマンスを発揮するかを推定できます。この情報は、広告主が期待を洗練させるのに役立ち、広告主と出版社の間のより良いマッチングにつながるでしょう。

#より良い結果のための情報共有

私たちの研究では、広告主が互いの経験や結果を共有できれば、グループ全体として利益を得られることが示唆されています。特に、情報をプールすることで、広告主はサイトのパフォーマンスについてより良い初期期待を持つことができます。これにより、より情報に基づいた広告の選択が可能になり、最終的には全体のリターンが向上します。

広告主が似たような広告主から共有された情報にアクセスできると、広告のパフォーマンスをより正確に予測できます。このプールされたデータは、広告予算を投資する前に、どのサイトがより良い結果をもたらす可能性があるかを判断するのに役立ちます。

#より良い情報の影響

改善された情報共有の効果を定量化するために、さまざまな反実仮想シナリオを調べました。たとえば、広告主がサイトのパフォーマンスについて完全な情報を持っている状況では、期待外れの広告にかける支出が減り、全体的な福利が改善される傾向がありました。

一方で、広告主が情報をプールするシナリオをモデル化したところ、支出と収益の両方に顕著な増加が見られました。具体的には、広告主は支出を50%以上増やし、福利も15%以上向上させることができました。

この発見は、データと洞察へのアクセスを改善することの価値を強調しており、それが広告主と出版社のより有利なマッチングにつながる可能性があります。

#出版社の福利向上

より良い情報共有の利点は、広告主自身だけでなく、出版社にも恩恵をもたらします。広告主がより良いマッチを見つけることができると、出版社も成功した広告に対して広告主が多く支出するようになり、収益が増加します。

私たちの分析では、広告主がより情報に基づいた決定を下すと、出版社は収益を大幅に増加させることができることがわかりました。クリック率が高いサイトに焦点を当てることで、両者がより効率的な広告エコシステムから利益を得ることができます。

#結論

ダイレクト広告の風景は複雑で、広告主は適切なサイトを選ぶ際にかなりの挑戦に直面しています。しかし、自分たちの学習プロセスをよりよく理解し、情報を共有することで、広告主はより良い選択をし、改善された結果を得ることができるようになります。

私たちの研究が示唆するように、広告主間での情報共有は、広告主と出版社の双方に大きな福利向上をもたらす可能性があります。広告とオーディエンスとの間のより良いマッチングは、全体的な広告効果を高めることができます。

情報共有を通じた改善の可能性は、オンライン広告だけでなく、広告主が似たような課題に直面する他の分野にも応用できるかもしれません。これらのダイナミクスを探求し続けることで、より効果的で効率的な広告の風景に貢献できることを期待しています。