AI・データ分析技術を 広告運用のコアに

AI・データ分析でCPA最適化

AI・データ分析技術と広告運用技術の融合

徹底的な定量的・定性的分析でCPAを最適化・事業の競争力を高めます

 広告コンサルティングで得られたデータについて、まずはデータの可視化を行い着目点や気付きを得ます。また記述統計や推測統計を行い、クラスタリング(教師なし機械学習)や予測モデルの構築(教師あり機械学習)などで目的変数の最適化を行います。

AIで最適化

AIについて

 かつて「人工知能」と呼ばれていたものが今日では呼ばれなくなる現象があります(AI効果)。音声認識、文字認識、自然言語処理 (かな漢字変換や翻訳)、ゲーム、検索エンジンなどです。裏を返せば、「人工知能」は「まだコンピュータができないこと」を指す言葉に近い人工知能研究者はそれとは異なるものとして各々定義しています。だからこそあちこちで盛んに研究が進んでいます。
 2000年代中盤以降の「人工知能」のブームは、「ディープラーニング(Deep Learning)」 (深層学習とも) と呼ばれる手法に強くよっています。ただしもちろん「人工知能=ディープラーニング」ではありません。「人工知能」を実現する手法の中に「機械学習」と呼ばれる手法があり、その中に「ニューラルネットワーク (NN)」という方法があり、その1グループが「ディープラーニング」です。

ニューラルネットワーク (Neural Network,NN) とは

 人などの脳の神経細胞 (ニューロン) を模した素子によるネットワークで、他のニューロンからの入力を受け取ることで自身も活動し、次の細胞へ信号を渡していきます。このようなニューロンの層が多数 (10層以上) あるニューラルネットワーク (Neural Network)が、特別にディープラーニング(Deep Learning)に使われます。

Neural Network の特徴

メリット:非常に複雑な計算が可能 (画像認識や自動言語処理、ゲームAIなど)
デメリット:処理が重い上に大量のデータが必要。計算過程の可視化とその解釈が困難

ディープラーニング(Deep Learning)について

 NN(Neural Network)は、とにかく計算が大変でした。最近はコンピュータそのものの性能や並列計算技術が格段に進化し、その計算が徐々に可能になっています。結果、2000年代以降の爆発的な技術革新に繋がりました。

データ分析におけるNN(Neural Network)

 データ分析においてもNNやディープラーニングは注目されています。これまでに発見できなかったデータの特徴を見つけたり (ビッグデータ解析)、よく使われる言葉を発見したり (テキストマイニング) といったこともNNで可能になりました。Google様などは広告の出し方についてもディープラーニングでより効果的にしていると聞きますが、Dプロの広告コンサルティングにおいても積極的に利用しています。

データ分析で最適化

変量の解析、仮説検定、回帰分析

1変量の解析

 広告コンサルティングサービスの過程で得られた数量データ・カテゴリデータについて、中心の値やばらつき、割合等を確認します。必要に応じてグラフ化し、広告成果の改善につなげるインサイトを得ます。

2変量の解析

 広告コンサルティングの過程で得られた2種類の数量データについて、対となったデータについてその関係を確認します。また2種類のカテゴリデータは組み合わせて割合等を確認します。数量データとカテゴリデータを組み合わせて解析し広告改善のインサイトを得ます。

多変量解析

 広告コンサルティングの過程で得られた複数の変数同士の関係を相関行列や偏相関行列などで確認します。多変量を縮約して解析したり(主成分分析)カテゴリ同士の関係を対応分析・コレスポンデンス分析(Correspondence Analysis)などにより分析します。

仮説検定

 広告施策の結果について、施策が意味があったかなかったかの検定を頻繁に行っています。平均に関する検定、分散に関する検定、割合に関する検定、相関に関する検定、独立性に関する検定、回帰分析やロジスティック回帰分析において得られたモデルとデータが適合しているかを判定する、モデルに関する検定などがあります。

回帰分析

 広告コンサルティンで非常に有用なのが回帰分析です。回帰分析には2変数の関係をみる単回帰分析、1つの目的となる変数を複数の変数で予測する重回帰分析、1つの変数のカテゴリを他の変数で判別するロジスティック回帰分析があり、どれもよく使用します。目的変数は「売上」や「CPA」や「利益に関する指標」などです。どれも事業に非常に重要なインパクトを持つ指標です。これらの目的変数を改善できる変数を見つける、またはエンジニアリングします。

単回帰分析では、データが変わった場合にも対応できるよう、広告コンサルティングで得られたデータだけでなく、母集団すべてのデータを利用した際に得られると思われる回帰直線がどのような範囲に存在しているか推定したり(区間推定)、個別のデータの予測値に対する区間推定を行う場合もあります。

重回帰分析では変数選択にあたり、変数選択は総当たり法、逐次変数選択法・ステップワイズ法、対話型変数選択法などの中から適切な方法を選択し、多重共線性を検討し、予測精度の向上に努めています。

目的変数が数量データでなくカテゴリデータの場合は重回帰分析ではなくロジスティック回帰分析を行います。説明変数が2つ以上ある場合は多重ロジスティック回帰分析を行い、オッズ比を確認し結果を解釈します。

お気軽にお問い合わせ下さい