プライバシー サンドボックスに
サードパーティ Cookie の ない 環境で 広告の 関連性を 最大限に 高める
2022年12月14日
は じめに
プライバシー サンドボックスは、
プライバシー意識が
2023 年は
-
関連性の
高い 広告を 表示する ために 使用する データに 関して、 何が 変わるか -
アドテク事業者が
展開している サービスは、 サードパーティ Cookie なしで どのように インタレスト ベースの 広告を 提供できるか -
機械学習は、
プライバシーに 配慮した シグナルを 用いてどのように パフォーマンスを 最大化できるか
関連性の 高い 広告を 表示する ために 使用する データに 関して、 何が 変わるのでしょうか
個人の
現在こうした
インタレスト ベース広告は、
アドテク事業者は、 サードパーティ Cookie なしで どのように インタレスト
ベース広告を 提供できるのでしょうか
現在、
-
目標: 広告主が
この 広告キャンペーンで 達成しようと している ビジネス上の 成果が 何かを 表します。 それに 合わせて アドテク事業者は キャンペーンの 最適化を します。 たとえば、 子供服の 売上を ウェブサイトで 伸ばしたいと 考えている 広告主の 場合、 目標は ウェブサイト間コンバージョン タグや アトリビューション レポートを 通じて 測定されます。 -
オーディエンス:
広告主が
訴求したい 人々を 表します。 広告プラットフォームは 広告主の 広告が よく マッチすると 考えられる 層に 向けて 広告を 配信します。 たとえば 広告主は、 子供服に 関して 現在購買意向の 強い 新規顧客に 訴求したいと 考える ことが 予想されます。 -
プレースメント: 広告主が
広告を 掲載しようと 考えている ウェブサイトを 表します。 これに よって、 広告が 掲載される 広告在庫や 広告在庫の カテゴリが 決定されます。 たとえば 広告主は、 さまざまな ウェブサイトに 広告を 掲載する ことも あれば、 希望する オーディエンスに 訴求できる ウェブサイトを 選択する こともあります。 -
予算と
入札: 広告主の 総予算、 または インプレッションの 配信、 広告クリック、 広告コンバージョンのような 特定の アクションに かける 予算を 表します。 これに より、 キャンペーンが 目標の 費用要件を 満たすように 設定されます。 たとえば 広告主は、 最大 1,000 ドルを かけて 最大 2.00 ドルの CPM を 支払い、 対象オーディエンスと 特定の ウェブサイトで 500,000 インプレッションを 実現したいと いうような 内容です。
オーディエンス作成の 進化
サードパーティ Cookie の
-
アフィニティ オーディエンス: ユーザーが
熱中している ことや、 習慣、 興味に 基づいて ユーザーに 訴求します。 -
購買意向の
強い オーディエンス: 最近の 購入意向に 基づいて ユーザーに 訴求します。 -
リマーケティング オーディエンス:
広告主の
ウェブサイトに 以前アクセスしたことがある 人に 訴求します。 -
オーディエンス拡張: 他の
ウェブサイトで 特定の 媒体の ユーザーに 訴求します。
サードパーティ Cookie の
アフィニティ オーディエンス
広告主は
こうした
サードパーティ Cookie の
-
Topics API: この
API は ユーザーが 最近 アクセスした ウェブサイトの 種類に 基づいて、 ユーザーの 興味や 関心 (トピック)を 一般的に 知られた 方法で 標準化された 分類で、 デバイス上にて 提供します。 アドテク事業者が Topics API を 呼び出す ことで、 ユーザーの 興味や 関心を 取得する ことができます。 この 際 API では、 プライバシー保護の ため、 考慮する 閲覧履歴期間、 トピックに アクセスできる ソリューション プロバイダ、 返すトピックの 数などを 制限しています。 この API は、 パブリッシャーとの 直接的な 関係や コンテキスト 最適化機能を 持たない 広告技術を 利用している 場合に 特に 有効です。
-
Topics API と
コンテキスト データ: ユーザーの トピックと ページの コンテキストを 比較して ユーザーの アフィニティを さらに 深く 推定すると いう 高度な 方法も あります。 たとえば アドテク事業者が 展開している サービスは、 特定の トピック (アウトドア活動など)に 興味を 持つ人は 特定の カテゴリの ページ (グリル料理に 関する ウェブサイトなど)に アクセスする 傾向が 強い ことを 学習するかもしれません。 機械学習モデルを トレーニングする ことで、 Topics API で 「BBQ と グリル料理」が トピックと して 返されなくても、 「アウトドア活動」の ウェブサイトの 訪問者が グリル料理に 興味を 持っている 可能性が あると 予測できるのです。 この 方法は、 広告主側の アドテク事業社 (DSP)に コンテキスト 最適化機能が ある 場合に 特に 機能します。
-
Protected Audience API: アドテク事業者は
この API を 使用して、 「家族で 楽しめる 冒険に 興味が ある」など、 ウェブページの 訪問者を 特定の セグメントの メンバーと して ラベル付けして オーディエンス セグメントを 作成する ことができます。 「家族で 楽しめる 冒険」に 関連する 他の ウェブサイトが パートナー ネットワークに ある 場合、 アドテク事業者が そうした ウェブサイトの 訪問者を こちらの 同一セグメントに 追加する こともできます。
Protected Audience は、オーディエンス セグメントへの ユーザーの 割り 当てを デバイス上に 保持し、 同じ ユーザーが 複数の インタレスト グループに 属しているかどうかを アドテク事業者が 展開している サービスに 共有しないため、 ウェブサイト間での トラッキングが 制限でき、 ユーザーの プライバシーが 守られます。 この API は、 アドテク事業者に ウェブサイト提携の ネットワークが ある 場合に 特に 有効です。
アドテク事業者が
購買意向の 強い オーディエンス
広告主は
サードパーティ Cookie が
-
Topics API: この
API を 購買意向の 強い オーディエンスに 使用すると、 アフィニティ オーディエンスに 使用する 場合と 同様、 広く 知られた 方法と 分類に 基づき、 デバイス上で 特定の ユーザーの 購入意向を 推定できる トピックが 返されます。 こうした トピックを 生成する ために 使われる 閲覧履歴を 3 週間に する ことで、 アドテク事業者が 利用できる データの 総量を 制限して ユーザーの プライバシーを 保護します。 しかし、 製品や サービスの カテゴリが 異なれば 検討する サイクルも 数日から 数か月と 異なります。 よって、 この API は、 お客様の 購入サイクルと Topics API の 使用する 閲覧履歴の 期間が 合致する 広告主に 役立ちます。
-
Protected Audience API:
アフィニティの
場合と 同様に、 アドテク事業者が 展開している サービスは この API を 通じて 「購買意向の 強い 自動車購入者」などの 独自の セグメントを 作成できます。 アドテク事業者は、 「購買意向の 強い 自動車購入者」に 関連する 他の ウェブサイトが パートナー ネットワークに ある 場合、 ウェブサイト間で ユーザーの プライバシーを 保護しつつ、 そうした ウェブサイトの 訪問者を 同一セグメントに 追加する ことができます。 Protected Audience は、 パブリッシャーと 広告主に 直接的な 関係が ありデータの 連携が でき、 かつ Topics API を 使用した 場合よりも カスタマイズの 幅を 広く する 必要が ある 時に 特に 有効です。
-
Topics API と
Attribution Reporting API: Topics API と Attribution Reporting API を 組み合わせる ことで、 購入などの 特定の コンバージョンに マッピングされる トピックの リストを 拡張し、 購買意向の 強い オーディエンスに 訴求する 手段を 増やすことができます。
たとえば、分析システムや 機械学習システムに よって、 スキューバ ダイビング器材の 広告を 見て 購入した ユーザーには 「ビーチ、 島」や 「釣り」の トピックが 関連付けられている ことが 非常に 多いと いう ことが 明らかに なる 可能性が あります。 アドテク事業者が 展開している サービスは、 この インサイトを もとに、 この 2 つの トピックに 関連する ユーザーを 選択して 「スキューバ ダイビング器具の 購買意向の 強い オーディエンス」への 訴求を 広げることができます。 この 場合、 Attribution Reporting は トピックと コンバージョンの 関連性に ついての 集計コンバージョン データに ノイズを 追加した形で 提供する ことで ユーザーの プライバシーを 保護します。
このアプローチは、 アドテク事業者が コンテキスト データを あまり 持っていない 一方で、 機械学習や 堅固な データ サイエンスと 分析能力を 備えていると いう 場合に 有効です。
-
コンテキスト データと
Attribution Reporting API: アドテク事業者が 展開している サービスは この API を 使用して、 広告が 表示される ページの コンテキスト分類、 広告主と 製品の 分類、 Attribution Reporting の データを 活用して、 特定の 種類の 製品や サービスを 購入する 意向が 強い 場合に 好まれる ウェブサイトの トレンドや パターンを 明らかに することができます。 この データの 組み合わせに より、 たとえば、 家族で 楽しめる アクティビティに ついての ウェブページを 見る 人は、 アウトドア用の 衣服も 購入する 意向が 強い 可能性が 高い」と いった インサイトが 得られる 可能性が あります。
こうした
リマーケティング オーディエンス
現在、
サードパーティ Cookie が
-
Protected Audience API:
アドテク事業者が
展開している サービスは、 ユーザーの アクティビティに 応じて インタレスト グループを 作成する ことで、 特定の ウェブサイトに 対する カスタマイズされた リマーケティング セグメントを 作成できます。 前出の Protected Audience の ユースケースでは、 アドテク事業者は 複数の ウェブサイトから 非常に 大規模な オーディエンスを 構築していました。 この ユースケースでは、 過去の 訪問者に 再度 働きかけようと している ウェブサイトは 1 つだけであり、 Protected Audience に よる プライバシー保護が 組み込まれていない 場合は、 ウェブサイトでの 個人の 特定に つながる おそれが あります。 この API は、 効果的な オーディエンス リマーケティングを 可能すると 同時に、 十分な 人数が 広告の 表示対象と なるよう k-匿名性の しきい値を 設定する ことで 個人の プライバシーを 保護します。
広告主は、
オーディエンス拡張
広告主は、
下記のような
-
Protected Audience API: アドテク事業者が
展開している サービスは、 ウェブサイトの 特定部分 (旅行など)を 閲覧すると いった ユーザー アクションに 応じて インタレスト グループを 作成する ことで、 ウェブサイトに 対する カスタム オーディエンス拡張セグメントを 作成できます。 この プロセスは 事実上リマーケティングと 同様であり、 k-匿名性の しきい値を 設定する ことに よる プライバシー保護を 提供する ものです。 これは、 広告主が パブリッシャーの ファーストパーティの オーディエンス データを 重視していても、 その パブリッシャーの ウェブサイトで 十分な 広告在庫を 確保できない 場合に 適しています。
機械学習は、 プライバシーに 配慮した シグナルを 用いてどのように パフォーマンスを 最大化できるか
サードパーティ Cookie が
自動化で 広告主の 成果を 高める
大半の
手動対応の
自動化が
機械学習は
オーディエンス、
機械学習の ための その 他の シグナル
アドテク事業者が
-
広告クリエイティブの
特徴: 広告クリエイティブを テキスト、 画像、 デザインなどの 要素で 分析すると、 広告の 主題や、 テキストが 多く 含まれているかどうかなど、 特定の オーディエンスや 特定の ページでの パフォーマンスを 予測できることがあります。 -
自社データ
(ファーストパーティーデータ) : パブリッシャー、 マーケター、 小売店の ネットワークは、 販売者定義の オーディエンス (英語) など、 自社データの 識別子と セグメントの 構築を 進めています。 ある ウェブサイトに おける ユーザーの 長期的な 行動を 把握する ことで、 ウェブサイト間の プロファイリングを 行わなくても、 その ウェブサイトの ユーザーまたは セグメントに 最適な 広告が どのような ものなのかを 適切に 予測できます。 パブリッシャーは 自社データを 使う ことで、 すべての 自社ウェブサイトに おいて 入札を 改善する ことができます。 これら ウェブサイトに おける 入札を 改善する ことで、 キャンペーン全体の パフォーマンスを 累積的に 高めることができます。
アドテク事業者が
おわりに
サードパーティ Cookie が
Google が
-
サードパーティ Cookie が
なくなった後、 一般的な インタレスト ベースの 広告ユースケースに 対応する ため、 Topics、 Protected Audience、 Attribution Reporting などの プライバシー保護を 強化した API を アドテク事業者が 展開している サービスに 組み込む 投資を 行う。 -
プライバシーに
配慮した 他の シグナル (パブリッシャーの 自社データを 含む) と 組み合わせて プライバシー サンドボックス関連の API を テストし、 将来的な パフォーマンスを 把握して 戦略に 活かす。 -
プライバシーに
配慮した、 利用可能な すべての データを 機械学習で 使用できるようにし、 学習と 最適化の 自由度を 可能な 限り 高くして パフォーマンスを 最大限に 高める。
プライバシー サンドボックス関連の
イノベーションは、