Embedded Files
OS-12 広告とAI
データマイニング・機械学習の研究において広告は中心的な分野です。
多くの主要国際会議では広告技術のセッションがあり、高い注目を集めています。
しかし国内の会議では広告がセッションとして扱われることは稀であり、十分な議論を行えていない現状があります。
今回本オーガナイズドセッションを実施することを契機として、
日本における広告技術の研究開発のコミュニティが生まれ、議論が活性化することで、
多くの研究が生まれていくことを期待しています。
8件の研究発表と2件の招待講演を実施します。
8件の研究発表と2件の招待講演を実施します。
13:20: 画像広告のクリック予測における高次の特徴量の検討
13:20: 画像広告のクリック予測における高次の特徴量の検討
〇熊谷 雄介1、久原 卓1、三木 一弘2、町田 尚基3、藤原 晴雄1、道本 龍1 (1. 株式会社博報堂、2. 株式会社テクノプロ、3. 株式会社アイズファクトリー)
より効果的な広告生成やマーケティング施策の実現において，画像広告のクリック予測は重要なタスクである．多くの既存研究は入力である画像から学習済みネットワークなどを用いて特徴量を抽出しクリック予測を行っていた．しかし，一般的な画像とは異なり，画像広告にはより複雑なコンテキストが存在している．そのため，既存の学習済みネットワークのみでは特徴量抽出が不十分ではないかと考えられる．本研究では，人間によるアノテーションなどによって得られたより高次の特徴量がいかにクリック予測の改善に寄与するのかについて，実データを用いた検討を行う．〇熊谷 雄介1、久原 卓1、三木 一弘2、町田 尚基3、藤原 晴雄1、道本 龍1 (1. 株式会社博報堂、2. 株式会社テクノプロ、3. 株式会社アイズファクトリー)
13:40: 生存時間分析を用いた広告クリエイティブの停止予測
13:40: 生存時間分析を用いた広告クリエイティブの停止予測
〇北田 俊輔1、彌冨 仁1、関 喜史2 (1. 法政大学、2. 株式会社Gunosy)
本研究では，広告クリエイティブの停止予測に対して生存時間予測を利用した枠組みを提案する．広告クリエイティブの停止は配信効果の高いクリエイティブを選択するために重要なプロセスであるが支援する研究は未だ少ない．そこで深層学習を元にした広告クリエイティブを構成するさまざまな特徴量を考慮した生存時間予測の枠組みを提案する．この枠組みは ``売上を元にした損失項の導入'' と，``長期と短期をそれぞれを分割する2期間推定法の導入'' という2つの大変効果の高い技術から構成される．提案する枠組みは株式会社Gunosyから提供された1,000,000件の実世界における広告クリエイティブデータセットを用いて評価した．提案するマルチモーダルなDNNを元にした枠組みは従来手法よりも高い予測精度を実現した．2期間推定法では短期モデルおよび長期モデル共に20pt程度の大幅な予測精度の改善を確認した．売上を元にした損失項を導入することで，さらに3pt程度の予測精度の向上を確認した．〇北田 俊輔1、彌冨 仁1、関 喜史2 (1. 法政大学、2. 株式会社Gunosy)
14:00: 複数の入力を用いたキャッチコピーの評価
14:00: 複数の入力を用いたキャッチコピーの評価
〇石川 隆一1、林 秀和 1 (1. 株式会社 電通デジタル)
デジタル広告のシェアが増加するに伴い、キャッチコピーに関する多くの研究が行われてきました。この研究のテーマはキャッチコピーの評価です。この研究では、文から母音や品詞などの特徴を抽出し、複数の入力を持つ深層学習モデルを使用することで、精度が向上しました。提案手法をいくつかのパターンで検証し、その有効性を確認しました。〇石川 隆一1、林 秀和 1 (1. 株式会社 電通デジタル)
14:20: 広告素材感情スコア予測のためのドメイン適応
14:20: 広告素材感情スコア予測のためのドメイン適応
〇大田 和寛1 (1. 株式会社サイバーエージェント)
増え続けるデジタル広告のクリエイターやデザイナーを支援するための一手として広告素材画像を感情や印象で検索可能な検索システムが考えられる．機械学習技術を用いて画像におけるそういったラベルを付与することで実現可能ではあるものの，様々な表現媒体による人工画像に対しては学習時と推論時の表現媒体の差異によってモデルの性能が低下するという問題がある．本稿では様々な表現媒体にまたがる人工画像に対し，感情属性スコアの予測のための教師なしドメイン適応手法を提案する．実験により教師あり学習手法に対する我々の手法の有効性を示す．〇大田 和寛1 (1. 株式会社サイバーエージェント)
15:20: Television Advertisement Analysis Using Attention-based Multimodal Network
15:20: Television Advertisement Analysis Using Attention-based Multimodal Network
〇Li TAO1, Xueting WANG1, Tatsuya KAWAHARA2, Toshihiko YAMASAKI1 (1. Univ. of Tokyo, 2. Video Research Ltd.)
The impression/emotion (e.g. the recognition rate, favorableness) prediction of an advertisement is important.It is related to multimodal features including frames, sounds, as well as metadata. In this paper, we propose a system that can utilize different models to embed different features, and apply attention mechanism to efficiently combine those features to help predict the impressions/emotions of audience after they watch an advertisement. Our prediction can achieve the state-of-the-art performance in real-world dataset. This system can also detailed analyze the importance of advertisement components.〇Li TAO1, Xueting WANG1, Tatsuya KAWAHARA2, Toshihiko YAMASAKI1 (1. Univ. of Tokyo, 2. Video Research Ltd.)
15:40: クーポンマーケティングにおけるUplift Modeling適用の問題点と新しい評価指標
15:40: クーポンマーケティングにおけるUplift Modeling適用の問題点と新しい評価指標
〇清水 亮洋1,2、富樫 陸1 (1. 株式会社メルカリ、2. 北陸先端科学技術大学院大学)
クーポンマーケティングにおけるUplift Modelingの正しい評価とは何でしょうか？昨今、クーポンマーケティングの費用対効果を向上させるために、Uplift Modelingの適用例が増えてきています。多くは、Uplift Modelingを用いることで、本当にクーポンが必要な人だけにクーポンを配り、費用対効果を向上することを目的としています。しかし、実際にはUplift Modelingにおける評価指標とクーポンマーケティングにおける費用対効果の構造を正しく把握しなければ、きちんと費用対効果を向上することができない可能性があります。私たちは、従来のUplift Modelingの評価指標が正しく費用対効果に結びつかない例を提示し、これを解決することのできる新しい評価指標を提示します。〇清水 亮洋1,2、富樫 陸1 (1. 株式会社メルカリ、2. 北陸先端科学技術大学院大学)
16:00: ディープマルチパッチ手法を適用したディスプレイ広告のCTR予測
16:00: ディープマルチパッチ手法を適用したディスプレイ広告のCTR予測
〇勢〆 弘幸1、夏 博恵2、汪 雪婷2、山崎 俊彦2 (1. セプテーニ株式会社、2. 東京大学)
オンライン広告業界は成長を続けており, 2020年までに世界の広告支出の約45%を占めると予測されている. そのため, 広告クリック率(CTR)を予測することがますます重要になってきている. これまでなされてきたCTR予測研究の多くが, ユーザーID, ランディングページURL, ビジネス領域, デバイスなどのメタデータのみを使用して問題を解決しようとしており, 画像やテキストなどのマルチメディアコンテンツは含まれていないものになっている. 我々はこれらのマルチメディアコンテンツを包括した, マルチパッチ手法を適用したディープラーニング技術を用いて, 人気のあるオンライン広告であるオンラインバナーのCTRを効果的に予測する方法を提案する. その結果, 以前の研究に比べてはるかに優れたパフォーマンスを得ることを示す. さらに得られたCTR予測を分析するために, 視覚化手法を導入することでCTRに対する寄与が改善/改悪させる画像内の領域を示すことによって広告デザインを改善してより高いCTRを獲得するための有用な材料を提案可能なモデルとなる.〇勢〆 弘幸1、夏 博恵2、汪 雪婷2、山崎 俊彦2 (1. セプテーニ株式会社、2. 東京大学)
16:20: ランク学習を用いた広告クリエイティブの配信優先度の推定
16:20: ランク学習を用いた広告クリエイティブの配信優先度の推定
〇岩崎 祐貴1、谷口 和輝 (1. 株式会社サイバーエージェント)
Webサイトやアプリの訪問者に対して各個人の嗜好に合わせた商品訴求が可能なオンライン広告の隆盛に伴い，大量のユーザに多様な配信が可能な広告配信プラットフォームの重要性が増している．各プラットフォームでは独自のアルゴリズムが構築されており，運用担当者は広告クリエイティブの運用による広告効果の改善に力を注いている．このような背景の中で，ユーザの反応が得られるようなより多くの広告クリエイティブを制作し入稿する作業が重要になる．しかし，各プラットフォームでは広告配信に利用できる広告数に上限があるため，広告クリエイティブを入稿する優先順序を決める必要がある．本研究では，オンライン広告の管理構造に着目し，広告間の相対的な順位を学習することで，どの広告から配信すべきかの推定を行う手法を提案する．まず，広告クリエイティブの画像や配信設定といったマルチモーダルなデータから広告間の相対的な順位を予測するモデルを構築する．そして広告の配信データを用いたオフラインでの予測検証を行い，提案手法の有効性を示す．〇岩崎 祐貴1、谷口 和輝 (1. 株式会社サイバーエージェント)
招待講演
招待講演
広告クリエイティブと機械学習技術における現状と展望
(14:40 ~ 15:00)
広告クリエイティブと機械学習技術における現状と展望
(14:40 ~ 15:00)
北田 俊輔 (法政大学)
WWW2020の参加報告と研究紹介 (16:40 ~ 17:00)
WWW2020の参加報告と研究紹介 (16:40 ~ 17:00)
藤田 光明 (サイバーエージェント)
広告クリエイティブは主に画像やテキストなどから構成され、デジタル広告において購買対象となる顧客に対し、効果的に製品の情報を届ける重要な役割を担っている。こうしたクリエイティブは主に人手により、大量に作成および運用されている。しかし効果の高いクリエイティブを作るのは非常にコストがかかる。そのため、配信効果の高いクリエイティブの作成や運用のために、機械学習技術を用いた研究開発が世界中で盛んに行われている。特に広告クリエイティブを構成する素材の分析や、広告クリエイティブの配信効果を事前に予測するCTR予測・CVR予測、配信効果の高い広告クリエイティブの自動生成といったタスクが注目されている。本講演では、データマイニング分野で最難関国際会議であるKDD2019において発表した広告クリエイティブのCVR予測を元にした評価について紹介する。また最新の広告技術に関連する研究成果の紹介を行い、これまでの広告クリエイティブと機械学習技術における研究によって達成されている現状と今後の展望について議論する。
Web Conference, 通称WWWと呼ばれる国際会議は, Webに関連する研究が数多く集まるトップ会議です. Web関連の研究のテーマは多岐に渡ります. その中でも, ネット広告は非常に大きな研究分野の１つです. 利益の多くはネット広告から得られているからです. 例えば, アメリカでは2016年, 830億ドルの売り上げが出ていると言われており, 毎年, その売り上げを伸ばしています. そのため, Web Conferenceでは非常に多くのネット広告に関する研究が発表されています. 本発表では, WWWで発表された研究について, いくつか紹介します.
オーガナイザ
オーガナイザ
関 喜史
(株式会社Gunosy)関 喜史
株式会社Gunosy共同創業者
GunosyTechLab R&D チーム 上席研究員
東京大学大学院工学系研究科
博士後期課程修了
推薦システム、ユーザ行動分析が専門
2017年度言語処理学会論文賞
KDD2019, Recsys2019などに論文採択
安井 翔太
(株式会社サイバーエージェント)安井 翔太
株式会社サイバーエージェント AILab 経済学チームリーダー
Norwegian School of Economics MSc
Counterfactual ML, 経済学と計算機科学の融合が専門
AAAI, ICML, WWW等に論文採択
主著：『効果検証入門』（技術評論社、2020年）
福田 宏幸
(株式会社電通)株式会社電通 データ・テクノロジーセンター
AIソリューション部長
東京大学大学院 新領域創成科学研究科
博士後期課程修了
専門はバイオインフォマティクス
ロッテ「Fit’s」等の広告制作
AIコピーライター「AICO」等のAI開発
Page updated
Google Sites
Report abuse