O2O広告のためのデータサイエンス

by y.hayakawa

Slide 1

Slide 1 text

O2O広告のための  データサイエンス  CA BASE NEXT 2021    早川裕太 

Slide 2

Slide 2 text

早川裕太  2019年度新卒入社 AI事業本部小売DXセクターデータワン事業部データサイエンティスト @qiringji @qiringji Hayakawa Yuta

Slide 3

Slide 3 text

広告  メディア  ゲーム 

Slide 4

Slide 4 text

広告  今日のトピックこの辺りにまつわるデータサイエンスの話   メディア  ゲーム 

Slide 5

Slide 5 text

https://www.cyberagent.co.jp/news/detail/id=26012 https://www.cyberagent.co.jp/news/detail/id=25102 小売販促事業への参入 

Slide 6

Slide 6 text

消費者と小売の接点をデジタル化・データ活用小売販促事業への参入 

Slide 7

Slide 7 text

TAKE HOME MESSAGE サイバーエージェントが小売DX領域に進出しているらしい小売DX領域特有のデータサイエンス課題がありそうこんな解き方があるんだ・自分ならもっとうまく解けそう

Slide 8

Slide 8 text

小売販促デジタル化とデータサイエンス 

Slide 9

Slide 9 text

計測施策（介入・最適化）小売販促デジタル化とデータサイエンス  大雑把データサイエンス

Slide 10

Slide 10 text

小売販促デジタル化とデータサイエンス  計測 - デジタル広告の表示履歴 - 来店・店内行動のセンシング - POS・ID-POS - クーポン・アプリ利用の計測

Slide 11

Slide 11 text

施策（介入・最適化） - デジタル広告・クーポン・アプリ・EC - 店内サイネージ・POP - 棚陳列・値付け - 商品開発小売販促デジタル化とデータサイエンス 

Slide 12

Slide 12 text

商習慣・プライバシーでデータ取得が難しい施策が良かったかの計測ができないデータ取得・計測ができてもバイアスが乗るおそらく待ち構えている計測の壁 

Slide 13

Slide 13 text

そもそもデータがなければ始まらないデータ取得バイアスが意図しない最適化を生むかもエビデンスに基づく施策立案・改善ができない今日のメインは計測の話 

Slide 14

Slide 14 text

計測の壁と解決策 O2O広告を題材に

Slide 15

Slide 15 text

O2O広告のためのデータイエンス  Oﬄine Online O2O：Online To Oﬄine

Slide 16

Slide 16 text

O2O広告のためのデータイエンス  - 決められた広告予算内で Web・アプリに広告を表示 - あらかじめ広告表示したい人を決め狙い打つことも（ターゲティング） Online

Slide 17

Slide 17 text

Oﬄine - 店舗での購入や来店を計測し広告主に報告する O2O広告のためのデータイエンス 

Slide 18

Slide 18 text

計測にまつわる2つの壁  オンライン広告とオフライン成果の紐付けそもそもデータは取得できるのか？

Slide 19

Slide 19 text

計測にまつわる2つの壁  オンライン広告とオフライン成果の紐付けそもそもデータは取得できるのか？

Slide 20

Slide 20 text

オンラインで完結 O2O広告広告と成果の紐づけ商習慣  代表的な商習慣：広告クリック経由での購買・インストールが成果？

Slide 21

Slide 21 text

CLICK! 広告クリックを経由したことが記録されている流入経路がわかるオンライン 

Slide 22

Slide 22 text

他メディアとの接触も多く広告と成果の紐付けは難しい「クリック経由」はないオフライン 

Slide 23

Slide 23 text

広告表示グループ広告非表示グループ紐付けない広告効果計測：A/Bテスト

Slide 24

Slide 24 text

広告表示グループ広告非表示グループ紐付けない広告効果計測：A/Bテストユーザーを無作為に分割インクリメンタルな広告効果

Slide 25

Slide 25 text

A/Bテストの違和感広告を当てたくても当てられない人がいる広告表示グループ広告非表示グループ ✅ ✅

Slide 26

Slide 26 text

A/Bテストの違和感広告を当てたくても当てられない人がいる効果を過小評価してる？広告表示グループ広告非表示グループ ✅ ✅

Slide 27

Slide 27 text

薄まった分析グループ間の比較で見えるのは広告を当てようとすることの効果 A/Bテスト結果の分析は薄まった分析治験の分野の用語から Intent to Treat （ITT）Analysisと呼ぶ広告表示グループ広告非表示グループ ✅ ✅

Slide 28

Slide 28 text

✅ ✅ - A/Bテスト的比較 ✅ ✅ ✅ ✅ ややこしい比較 →無作為抽出ではなくなる →広告表示されやすさにバイアスがある →薄まっている - 表示された人vsされなかった人で比較すればいいじゃん

Slide 29

Slide 29 text

操作変数法 Ghost Ad 薄まらず偏らない分析

Slide 30

Slide 30 text

広告表示広告表示群アサイン購買他要因操作変数法(IV)

Slide 31

Slide 31 text

→広告表示されやすさ、購買しやすさは他要因と相関 →広告表示直接の効果と区別できない広告表示購買他要因操作変数法(IV) - 広告表示は無作為ではない

Slide 32

Slide 32 text

広告表示群へのアサインは無作為で他要因と相関しないという性質を活かして広告表示の直接の効果を測る方法広告表示広告表示群アサイン購買他要因操作変数法(IV)

Slide 33

Slide 33 text

特に予算が限られていたある広告キャンペーン広告表示群のうち4.7%が実際に広告視聴操作変数法：プロダクトでの使用例広告表示群広告非表示群

Slide 34

Slide 34 text

操作変数法：プロダクトでの使用例過度に薄まった効果に対して期待されるインクリメンタルな購買を推定広告表示を増やすことでより購買を伸ばす示唆

Slide 35

Slide 35 text

[1] Garrett et al., "Ghost ads: Improving the economics of measuring online ad effectiveness." Journal of Marketing Research 54.6 (2017): Ghost Ad [1] 広告表示グループ別広告表示グループ ✅ ✅ ✅ ✅ - A/Bテストを工夫する - 関係のない別の広告を表示する - 広告にあたった人だけで比較

Slide 36

Slide 36 text

因果効果という意味でより正しい A/Bテスト+@の結果をどう使うか Merit ビジネス上の説明コストが比較的高い Demerit

Slide 37

Slide 37 text

A/Bテストと説明コスト手法の説明コスト薄まった分析の違和感（前述）操作変数法等の因果推論的手法は説明がさらに大変数字の与える印象購買や購買率は0以上 A/Bテストの結果はマイナスになる場合がある

Slide 38

Slide 38 text

A/Bテストと説明コスト広告主の理解が得られていない段階では、 A/Bテストの結果を提示することが競争上不利に働くかも知れない科学的な正しさの担保と並行して顧客理解を深めていくことが大事

Slide 39

Slide 39 text

ここまでのまとめ - オフラインの成果に貢献したオンライン広告を一意に決めるのは難しい - A/Bテストや派生する因果推論手法は広告効果を計測・検証する良い手段 - 一方でビジネス上の説明コストとのトレードオフは存在

Slide 40

Slide 40 text

計測にまつわる2つの壁オンライン広告とオフライン成果の紐付けそもそもデータは取得できるのか？

Slide 41

Slide 41 text

IDの取得問題 IDがオフラインにしか存在しないプラスチック・紙のポイントカードなどプライバシー保護の観点で取得できない IDFA（広告識別子）規制

Slide 42

Slide 42 text

プライバシー問題は依然残る [2] Riederer et al. Linking Users Across Domains with Location Data: Theory and Validation, WWW2016. [3] Feng et al. DPLink: User Identity Linkage via Deep Neural Network From Heterogeneous Mobility Data, WWW2019. IDがオフラインにしか存在しない User Identity Linkage 問題として解く複数ソースのIDを同定する問題オフラインの計測を利用した多くの研究が存在 [2, 3]

Slide 43

Slide 43 text

- 店舗・地域の粒度でA/Bテストをおこなう - バイアスが残ること想定されるので因果推論手法で分析することが多いプライバシー保護の観点で取得できないチラシや店内サイネージなども同様に分析できそう

Slide 44

Slide 44 text

センサーデータ（GPS・WiFi・Bluetooth ）で来店などを計測端末種や設定で取得の頻度・質が変わってくる計測のバイアス

Slide 45

Slide 45 text

特定小売のPOSで購買を計測 = 他の小売での購買は計測できない計測のバイアス

Slide 46

Slide 46 text

- バイアスを認知した上で議論・分析 - 観測できている範囲で対応する補正した推定量を考える（広告ログ×MLの例 [4] ）制御する（同じようなバイアスを持った人同士を比較） [4] Zhang, Wenhao, et al. "Large-scale Causal Approaches to Debiasing Post-click Conversion Rate Estimation with Multi-task Learning." In Proc. of The Web Conference 2020. . 計測のバイアスと補正

Slide 47

Slide 47 text

ここまでのまとめ - オフラインにしか存在しないID・IDFA規制・計測のバイアス・などの課題がある - こうしたデータサイエンス周辺の課題がデータサイエンス課題になりそう

Slide 48

Slide 48 text

小売販促デジタル化とデータサイエンス

Slide 49

Slide 49 text

計測施策（介入・最適化）再掲：小売販促デジタル化とデータサイエンス  大雑把データサイエンス

Slide 50

Slide 50 text

再掲：小売販促デジタル化とデータサイエンス  計測 - デジタル広告の表示履歴 - 来店・店内行動のセンシング - POS・ID-POS - クーポン・アプリ利用の計測

Slide 51

Slide 51 text

施策（介入・最適化） - デジタル広告・クーポン・アプリ・EC - 店内サイネージ・POP - 棚陳列・値付け - 商品開発再掲：小売販促デジタル化とデータサイエンス 

Slide 52

Slide 52 text

より事業・計測・施策の幅を広げることで固有のデータサイエンス課題が現れるはず小売販促デジタル化とデータサイエンス 

Slide 53

Slide 53 text

We’re Hiring! 小売市場で新しいデータサイエンス課題を発見・解決したい方を募集しています。 https://www.cyberagent.co.jp/careers/special/retaildxrecruit2021/