SlideShare une entreprise Scribd logo
1  sur  29
アドテクノロジー業界の分析
  という仕事について

      10月23日(火)
 祝1周年【Zansa】第11回勉強会

   Ken Sugawara/Omnibus
目次
• 自己紹介
• 今日の内容
• アドテクノロジー業界とは
• アドテクノロジー業界内の分析という仕
  事
はじめまして
菅原健一(35歳) 株式会社オムニバスで
CTMO(Chief Technology & Marketing Officer)
をしています。

オムニバス:http://e-omnibus.co.jp
DSP、アドネットワーク、3PAS等を使ったデ
ジタルマーケティング企業

僕のFB:
https://www.facebook.com/sugarkenichi
CTMOの仕事
テクノロジーとマーケティングを組み合わ
せた領域を担当しています。最近だと海外
のこのページが僕のやっている事をかなり
的確に表してました。




http://blogs.bluekai.com/wp-
content/uploads/2012/08/ChiefMarketingFinal1
著書
DSP/RTBオーディエンスター
ゲティング入門 ビッグデー
タ時代に実現する「枠」から
「人」への広告革命 (Next
Publishing)

デジタルマーケティングの最
先端技術「DSP/RTB」につい
て書いています。
今日の内容
今日は皆さんのような優秀な方にアドテク
ノロジー業界の事を知って・興味を持って
頂き、ぜひ今後のアドテクノロジー業界の
発展を一緒に出来たら良いなあと思ってい
ます。

ですので、僕が所属するオムニバスの話と
いうよりはアドテクノロジー業界全体の話
をさせてもらいます。
アドテクノロジー業界とは

   Ad   Technology
   広告      技術


広告に関する技術です。
当たり前ですね。。。
では広告に関する技術とはどういうもので
しょうか?
アドテクノロジー業界の地図




これはカオスマップと呼ばれるアドテクノ
ロジー業界地図で、アドテクノロジー業界
の役割の多さとプレイヤーの多さを表して
います。
アドテクノロジー業界中の役割と
       は
カオスマップの役割を列挙すると
  ・MARKETER(Brand)     ・DMP
  ・Agency              ・Data Supply
  ・Ad Server           ・Ad Server
  ・Creative Optimize   ・SSP
  ・DSP                 ・Publisher Tool
  ・Exchange            ・Ad Server
  ・Ad Network          ・Publisher
基本的には「Brand:広告主」と「Publisher:媒
体」の間がメインです。
アドテクノロジー業界中の役割と
       は
「Brand:広告主」と「Publisher:媒体」に関す
る事、つまりBrand側の視点から見ると

・「良い」「広告在庫(Impression)」を買
いたい。
・「良い」「人」に見せたい。
・「良い」「メッセージ」を見せたい。

これら「良い」を作るのがテクノロジー
(やマーケティング)の仕事になります。
余談ですが・・・

最近残念な傾向もあります。

・「無駄」な「広告在庫」を買いたくな
い。
・「無駄」な「人」に見せたくない。
・「無駄」な「メッセージ」を見せたくな
い。

これら「無駄」を省く事はとても大事で
す。ですが「良い」ものを見つけ、伸ばす
さて、そろそろ本題の

「アドテクノロジー業界内の分析という仕事」

      へ行きましょう
「アドテクノロジー業界内の分析」という仕
事は、
はっきりいってこの業界のメインの仕事です。
日本はまだその意識が低いですが、ここに強みが無い企業や分析の強みを
活かせない役割の会社は、じきにこの業界から姿を消すでしょう。。。


アドテクノロジー業界のテクノロジーとは

 1.「大規模」で「高速」に処理し、(インフ
ラ)
 2.「分析」「予測」し、(データサイエン
ティスト)
 3.プロダクトや施策に反映する事(マーケ
ティング)
具体的な例でお話しましょう。(メディアバイイ
AdNetwork(ADN)/AdExchange(ADEX)には多くの
Brand、Publisherが参加しています。
Brand:A                        Publisher:A

Brand:B                        Publisher:B

Brand:C        ADN/ADEX        Publisher:C

Brand:D                        Publisher:D

Brand:E                        Publisher:E

この状態で「良い」結果を生み出すにはどうし
たらよいでしょうか?
「良い」とは何か?
まずはこれを決めなくてはいけません。

   Brandの

   「良       Publisherの
   い」        「良
   って何?
             い」
            って何?
そもそも、、、
AdNetwork/AdExchangeの良いって何だろう?



            ADN/ADEXの
           「良い」
             って何?
「良い」を知るにはビジネスモデ
       ル
    の理解が必要
         参加               参加
        (在庫購入)           (在庫販売)
                 ADN/A            Publis
Brand
                  DEX              her
        「良い」             「良い」
        結果を返す            結果を返す

                 広告売買
                 取引情報

ADN/ADEX:参加者が増え、データが貯まれば貯まるほど、
Brand/Publisher各々に「良い」結果を返せるようになりま
各参加者の「良い」は異なる
Brand:「良い」在庫(良い結果)が買え
る。

Publisher:在庫が「良い」状態で売れる。

ADN/ADEX:より多くのBrand、Publisherが
参加をすると「良い」結果を返せ、その結
果自社が「良い」結果になる。
ADN/ADEXはこれら3者(会社は数千・数万社)の「良
い」を満たしつつ、自社の売り上げを最大にするように
配信を最適化する必要があります。
どうしたら各者の「良い」を満た
      せる?
ADN/ADEXはどのように「良い」結
        果を生み出す?

Brand:A              Publisher:A

Brand:B              Publisher:B

Brand:C   ADN/ADEX   Publisher:C

Brand:D              Publisher:D

Brand:E              Publisher:E
例えば単純なメディアマッチン
      グ

Brand:A              Publisher:A

                     Publisher:B

          ADN/ADEX   Publisher:C

                     Publisher:D

                     Publisher:E


  Brand:Aにとっての最適解はどれか?
例えば単純なメディアマッチン
      グ

                     Publisher:A

Brand:B              Publisher:B

          ADN/ADEX   Publisher:C

                     Publisher:D

                     Publisher:E


  Brand:Bにとっての最適解はどれか?
Brandにとっての「良い」

eCPM    Brand:A B   C    D    E
Pub:A   10     4    2    3    2
B       20     30   30   40   10
C       30     20   40   20   40
D       40     10   50   10   30
E       50     50   10   50   50
Publisherにとっての「良い」

    eCPM    Brand:A B   C    D    E
    Pub:A   10     4    2    3    2
    B       20     30   30   40   10
    C       30     20   40   20   40
    D       40     10   50   10   30
    E       50     50   10   50   50


Brandが買っても良く、Publisherが売っても良いものが取引されま
                     す。
BrandとPublisherをマッチングさせるのは
      ADN/ADEXの役割ですが、

  数千の広告主と数万の媒体を
一つ一つテストする事は不可能です。

 ここで「予測」が必要になります。
例:予測モデル

          ADN/A      Publis
Brand
           DEX        her



 今までの取引情報から「媒体情報」「広告情
 報」「クリック等アクション」を集計しオー
 ディエンスを100通りに分類。
 新しいBrandはその100種類のセグメントの
 どこに含まれるかを予測。
DSP(RTB)時代
今までのADN/ADEXでは中間のADN/ADEXが最適な
Brandと最適なPublisherをマッチングさせて来ま
した。
            RTB         Publis
Brand
         (1インプレッ         her
(DSP
         ション毎の売         (SSP
 )          買)           )


RTB時代には、そのインプレッションが「誰」で
「どこに配信され」て「いくらなら入札に勝て
これらの予測モデルを作るのは
   これからです!

ぜひ皆さんアドテクノロジー業界
       を
 一緒に盛り上げましょう!
Thank you!!

https://www.facebook.com/sugarkenic
                 hi

Contenu connexe

En vedette

社会の意見のダイナミクスを物理モデルとして考えてみる
社会の意見のダイナミクスを物理モデルとして考えてみる社会の意見のダイナミクスを物理モデルとして考えてみる
社会の意見のダイナミクスを物理モデルとして考えてみる
takeshi0406
 
ベイズ基本0425
ベイズ基本0425ベイズ基本0425
ベイズ基本0425
asato kuno
 
Machine learning for biginner
Machine learning for biginnerMachine learning for biginner
Machine learning for biginner
Atsushi Hayakawa
 
ナイーブベイズによる言語判定
ナイーブベイズによる言語判定ナイーブベイズによる言語判定
ナイーブベイズによる言語判定
Shuyo Nakatani
 

En vedette (20)

社会の意見のダイナミクスを物理モデルとして考えてみる
社会の意見のダイナミクスを物理モデルとして考えてみる社会の意見のダイナミクスを物理モデルとして考えてみる
社会の意見のダイナミクスを物理モデルとして考えてみる
 
PythonによるDeep Learningの実装
PythonによるDeep Learningの実装PythonによるDeep Learningの実装
PythonによるDeep Learningの実装
 
補足資料 財務3表の基礎知識
補足資料	財務3表の基礎知識補足資料	財務3表の基礎知識
補足資料 財務3表の基礎知識
 
統計と会計 - Zansa#19
統計と会計 - Zansa#19統計と会計 - Zansa#19
統計と会計 - Zansa#19
 
tokyor29th
tokyor29thtokyor29th
tokyor29th
 
独立成分分析とPerfume
独立成分分析とPerfume独立成分分析とPerfume
独立成分分析とPerfume
 
グレブナー基底とその応用
グレブナー基底とその応用グレブナー基底とその応用
グレブナー基底とその応用
 
独立成分分析 ICA
独立成分分析 ICA独立成分分析 ICA
独立成分分析 ICA
 
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
 
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
 
春期インターンシップについて(レキサス)
春期インターンシップについて(レキサス)春期インターンシップについて(レキサス)
春期インターンシップについて(レキサス)
 
第17回コンピュータビジョン勉強会@関東
第17回コンピュータビジョン勉強会@関東第17回コンピュータビジョン勉強会@関東
第17回コンピュータビジョン勉強会@関東
 
ベイズ推定でパラメータリスクを捉える&優れたサンプラーとしてのMCMC
ベイズ推定でパラメータリスクを捉える&優れたサンプラーとしてのMCMCベイズ推定でパラメータリスクを捉える&優れたサンプラーとしてのMCMC
ベイズ推定でパラメータリスクを捉える&優れたサンプラーとしてのMCMC
 
ベイズ基本0425
ベイズ基本0425ベイズ基本0425
ベイズ基本0425
 
社内勉強会-ナイーブベイジアンフィルタの実装
社内勉強会-ナイーブベイジアンフィルタの実装社内勉強会-ナイーブベイジアンフィルタの実装
社内勉強会-ナイーブベイジアンフィルタの実装
 
Machine learning for biginner
Machine learning for biginnerMachine learning for biginner
Machine learning for biginner
 
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処” WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
 
Webサービスを分類してみた
Webサービスを分類してみたWebサービスを分類してみた
Webサービスを分類してみた
 
機械学習基礎(3)(クラスタリング編)
機械学習基礎(3)(クラスタリング編)機械学習基礎(3)(クラスタリング編)
機械学習基礎(3)(クラスタリング編)
 
ナイーブベイズによる言語判定
ナイーブベイズによる言語判定ナイーブベイズによる言語判定
ナイーブベイズによる言語判定
 

Similaire à Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html

代々木系120216 マイクロアド
代々木系120216 マイクロアド代々木系120216 マイクロアド
代々木系120216 マイクロアド
Michiyasu Yabuki
 
BMG Works ピクト図解×キャンバスワークショップの前座」
BMG Works ピクト図解×キャンバスワークショップの前座」BMG Works ピクト図解×キャンバスワークショップの前座」
BMG Works ピクト図解×キャンバスワークショップの前座」
masashi takehara
 
カスタマージャーニーから考えるコンテンツマーケティング設計
カスタマージャーニーから考えるコンテンツマーケティング設計カスタマージャーニーから考えるコンテンツマーケティング設計
カスタマージャーニーから考えるコンテンツマーケティング設計
masayoshi ogiso
 

Similaire à Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html (20)

代々木系120216 マイクロアド
代々木系120216 マイクロアド代々木系120216 マイクロアド
代々木系120216 マイクロアド
 
20201009 ma20 np_aoyama_publish_v3
20201009 ma20 np_aoyama_publish_v320201009 ma20 np_aoyama_publish_v3
20201009 ma20 np_aoyama_publish_v3
 
プライベートアライアンスご案内資料
プライベートアライアンスご案内資料プライベートアライアンスご案内資料
プライベートアライアンスご案内資料
 
Web制作者のためのWebマーケティング用語と計算式
Web制作者のためのWebマーケティング用語と計算式Web制作者のためのWebマーケティング用語と計算式
Web制作者のためのWebマーケティング用語と計算式
 
BMG Works ピクト図解×キャンバスワークショップの前座」
BMG Works ピクト図解×キャンバスワークショップの前座」BMG Works ピクト図解×キャンバスワークショップの前座」
BMG Works ピクト図解×キャンバスワークショップの前座」
 
ピクト図解 Bmキャンバス v2.3
ピクト図解 Bmキャンバス v2.3ピクト図解 Bmキャンバス v2.3
ピクト図解 Bmキャンバス v2.3
 
広告の最適化
広告の最適化広告の最適化
広告の最適化
 
Ito jyuku osaka_2020feb
Ito jyuku osaka_2020febIto jyuku osaka_2020feb
Ito jyuku osaka_2020feb
 
カスタマージャーニーから考えるコンテンツマーケティング設計
カスタマージャーニーから考えるコンテンツマーケティング設計カスタマージャーニーから考えるコンテンツマーケティング設計
カスタマージャーニーから考えるコンテンツマーケティング設計
 
Concept
ConceptConcept
Concept
 
意外と知らない?地域メディアのアドネットワークマネタイズ
意外と知らない?地域メディアのアドネットワークマネタイズ意外と知らない?地域メディアのアドネットワークマネタイズ
意外と知らない?地域メディアのアドネットワークマネタイズ
 
20120914_広報担当者向け_"エレベーター・ピッチ"で磨く、瞬間プレゼン力!
20120914_広報担当者向け_"エレベーター・ピッチ"で磨く、瞬間プレゼン力!20120914_広報担当者向け_"エレベーター・ピッチ"で磨く、瞬間プレゼン力!
20120914_広報担当者向け_"エレベーター・ピッチ"で磨く、瞬間プレゼン力!
 
ソーシャルCRMとは
ソーシャルCRMとはソーシャルCRMとは
ソーシャルCRMとは
 
B2Bデジタルマーケター養成講座 DAY1〜デジタルによるB2Bマーケティングの変化の把握、そしてそのスタート地点としてのペルソナ設計について
B2Bデジタルマーケター養成講座 DAY1〜デジタルによるB2Bマーケティングの変化の把握、そしてそのスタート地点としてのペルソナ設計についてB2Bデジタルマーケター養成講座 DAY1〜デジタルによるB2Bマーケティングの変化の把握、そしてそのスタート地点としてのペルソナ設計について
B2Bデジタルマーケター養成講座 DAY1〜デジタルによるB2Bマーケティングの変化の把握、そしてそのスタート地点としてのペルソナ設計について
 
Com ad
Com adCom ad
Com ad
 
GokonDesignersPartners
GokonDesignersPartnersGokonDesignersPartners
GokonDesignersPartners
 
IAチャンネル「自社サイト最適化講座」とは
IAチャンネル「自社サイト最適化講座」とはIAチャンネル「自社サイト最適化講座」とは
IAチャンネル「自社サイト最適化講座」とは
 
a2iアトリビューション分科会20110811@so-net
a2iアトリビューション分科会20110811@so-neta2iアトリビューション分科会20110811@so-net
a2iアトリビューション分科会20110811@so-net
 
AdTech Workshop
AdTech WorkshopAdTech Workshop
AdTech Workshop
 
0926motionBEAT主催セミナー_3
0926motionBEAT主催セミナー_30926motionBEAT主催セミナー_3
0926motionBEAT主催セミナー_3
 

Plus de Zansa (9)

【Zansa】物理学はWebデータ分析に使えるか
【Zansa】物理学はWebデータ分析に使えるか【Zansa】物理学はWebデータ分析に使えるか
【Zansa】物理学はWebデータ分析に使えるか
 
第8回Zansa 俺の人生ランダムウォーク
第8回Zansa 俺の人生ランダムウォーク第8回Zansa 俺の人生ランダムウォーク
第8回Zansa 俺の人生ランダムウォーク
 
【Zansa】 人工社会-複雑系とマルチエージェントシミュレーションの紹介-
【Zansa】 人工社会-複雑系とマルチエージェントシミュレーションの紹介-【Zansa】 人工社会-複雑系とマルチエージェントシミュレーションの紹介-
【Zansa】 人工社会-複雑系とマルチエージェントシミュレーションの紹介-
 
ベイズ入門
ベイズ入門ベイズ入門
ベイズ入門
 
第5回Zansa勉強会
第5回Zansa勉強会第5回Zansa勉強会
第5回Zansa勉強会
 
Zansa第4回勉強会 重回帰分析
Zansa第4回勉強会 重回帰分析Zansa第4回勉強会 重回帰分析
Zansa第4回勉強会 重回帰分析
 
Text classification zansa
Text classification zansaText classification zansa
Text classification zansa
 
Zansa第二回11 28 発表資料 植木
Zansa第二回11 28 発表資料 植木Zansa第二回11 28 発表資料 植木
Zansa第二回11 28 発表資料 植木
 
Zansa0130presentation
Zansa0130presentationZansa0130presentation
Zansa0130presentation
 

Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html