Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
サイバーエージェントの広告配信における IPoEトラフィックの概況 株式会社サイバーエージェント CTO統括室 黒崎 優太 (@kuro_m ) @IPoE協議会 第15回 拡⼤理事会
Slide 2
Slide 2 text
ࠇ࡚ ༏ଠ גࣜձࣾαΠόʔΤʔδΣϯτ AIࣄۀຊ෦ @kurochan @kuro_m88 αΠόʔΤʔδΣϯτ CTO౷ׅࣨ
Slide 3
Slide 3 text
インターネットゼミ • インターネットの勉強をするゼミ • 社内ゼミ制度 • サイバーエージェントの実験⽤ASであるAS を運⽤しています
Slide 4
Slide 4 text
実験概要
Slide 5
Slide 5 text
実験概要 • 環境 • サイバーエージェントの広告配信プラットフォームの⼀部 • 主にスマートフォン(iOS/Android)向けの広告配信 • 期間 • 2023年11⽉20⽇〜11⽉24⽇ • ⼿法 • jsファイルのCDNの配信ログをIPoE協議会より提供頂いたプレフィックス情報と突合
Slide 6
Slide 6 text
広告配信の概要
Slide 7
Slide 7 text
⽇本の媒体別広告宣伝費 https://www.cyberagent.co.jp/ir/superiority/internetad/
Slide 8
Slide 8 text
ログの採取
Slide 9
Slide 9 text
ログの採取 • CDN(Amazon CloudFront)で配信されているjsファイルの配信ログを採取 • 今回はTimestamp、UserAgent、ClientIPのみ利⽤ • ログはAmazon S に保存 https://docs.aws.amazon.com/ja_jp/AmazonCloudFront/latest/DeveloperGuide/AccessLogs.html
Slide 10
Slide 10 text
データの処理
Slide 11
Slide 11 text
データの処理 • S に保存された配信ログをSnowflake(DWH)に取り込む • IPoEのprefix情報をSnowflakeに取り込む
Slide 12
Slide 12 text
ログのパース⽅法
Slide 13
Slide 13 text
ログの例
Slide 14
Slide 14 text
分析⽤テーブルの作成
Slide 15
Slide 15 text
結果
Slide 16
Slide 16 text
時間帯別IPv ⽐率 • 平均57%
Slide 17
Slide 17 text
時間帯別IPv ⽐率(OS別) • iOSがほぼ均⼀なのに対し、Androidが深夜IPv ⽐率が下がるのが気になる • タイムスタンプはUTC
Slide 18
Slide 18 text
時間帯別IPoE⽐率(OS別) • 両⽅OSとも⽇中IPoE⽐率が下がっていることがわかる • IPoE⽐率 = 地域判定できたトラフィック / 全トラフィック • prefix情報未提供のprefixはIPoEとして判定できていない
Slide 19
Slide 19 text
地域判定の結果
Slide 20
Slide 20 text
地域判定の結果(上位を拡⼤) • ⼈⼝⽐率におおよそ類似しているように⾒える
Slide 21
Slide 21 text
考察
Slide 22
Slide 22 text
わかったこと • IPv ⽐率 • 概ね60%前後のトラフィックがIPv になっている • IPoE⽐率 • 概ね20%前後のトラフィックがIPoE経由になっている • 昼間はIPoE⽐率が低い • Private Relay⽐率 • 今回の対象トラフィックにおいてはほぼ検出できず • 今回取り扱っていないがメールに関してはこの限りではない(iCloud+未契約ユーザも⾃動適⽤) • 広告配信に活⽤できそうか? • 次ページ
Slide 23
Slide 23 text
広告配信に使えそうか? • ほぼ確実に都道府県の判定ができるトラフィックが20%以上あるため 分析⽤途では活⽤できそう • 地域限定配信のデータソースとしてこの情報のみ利⽤するには少ない ˝ ☽סظ٭ذخ٭ت (FP*1םל כ磝ײ⺬סעؓٛ • 市区町村粒度まで取れると他のデータソースと差別化ができそう • どの粒度までなら匿名性が⼗分に担保できているかの議論の余地がありそう
Slide 24
Slide 24 text
No content