※1 ダイナミックリターゲティング広告：動的リターゲティング。Webサイトの商品やサービスの詳細ページを訪れたことのあるユーザーに対して、その訪問履歴をもとに再度の訪問と購入を促すために、その商品やサービスに関する広告を自動生成して表示するリターゲティング手法。主にEコマースで利用されることが多い。
※2 プラットフォーム：ソフトウェアやサービスを動かすための基盤。ここでは広告媒体のことを指す。

課題

EC業界のクライアントの課題となっていたのが、アプリ経由の売上目標に対して既存の手法での売上増加が頭打ちになっていることでした。

すでに、Google広告のアプリキャンペーンやCRITEOを実施しており、さらに効果が見込める媒体を模索している状況でした。　

解決策：RTB HouseのIn-app

クライアントの課題を解決したのが、RTB Houseが提供している「In-app」でした。ここでは「RTB House」および「RTB HouseのIn-app配信」の特徴や仕組みについて詳しく紹介します。

RTB Houseのディープラーニングに基づいた独自の広告入札エンジンとは

RTB Houseでは、ディープラーニング（深層学習）に基づいた独自の広告入札エンジン（※3）を用いた広告配信が可能です。他のエンジンと比較すると、成果が大幅に向上した事例があります。
さらにRTB Houseの利用企業のリピート率は、95％（※4）です。

RTB Houseが具体的に優れているポイントや仕組みは何か、詳しく紹介します。

※3 独自の広告入札エンジン：広告でどの程度の予算を使い、キャンペーンの成果を上げるかを決定するためのエンジン
※4 RTB House独自調査

最先端のAIを搭載

RTB HouseのIn-appの優れているポイントは、最先端のAIである「ディープラーニング」が搭載されている点です。

ディープラーニングとは、機械自身が膨大なデータの特徴を定義づけ学習し、結果をもとに自分でチューニングしていく学習方法で、機械学習の進化系です。クラウド上で、膨大な広告データを高速で処理することができ、より効果のある広告をリアルタイムで配信に活かすことができます。

”機械学習”では、効果的な広告配信を行うために、操作している人間が「コンバージョンの可能性が高いユーザーに配信する」などターゲットを決めなければいけません。

一方で、”ディープラーニング”であれば、このようなターゲット選定もAIが独自で決定し、広告の効果を向上していくため、機械学習よりも成果を発揮する可能性が高いと考えられます。

先進的なレコメンドシステム

RTB House社が実装しているディープラーニングでは、レコメンドシステムにおいても機械学習と比べて高い精度を誇ります。RTB Houseは、次の情報を頼りにユーザーのニーズに合った商品を勧めます。

ユーザーが過去に閲覧した商品
ほかのユーザーにも好評だった商品
ユーザーが過去に閲覧したことはないが、コンバージョンが期待できる商品

特に機械学習よりも優れている点が、レコメンド技術の処理速度において2,500倍の差があることです。ユーザーと商品のマッチ度を測るうえでは、特定の商品を閲覧していた時間や商品価格、カテゴリなどさまざまなデータを用います。こうした膨大なデータを瞬時に計算し、より効果につながる可能性が高い広告を優先的に配信できます。

RTB House社の調査では、ディープラーニングを採用したキャンペーンは採用していないキャンペーンと比べ、商品推奨効率が41％（※）向上したことがわかりました。

※：RTB House社実績

RTB HouseのIn-appとは

inapp導入メリット

RTB Houseの「In-app」は、RTB Houseのアルゴリズムを用いたアプリプロモーション手法です。

既存ユーザーとのエンゲージメント（※5）を高めることで、休眠ユーザーに再びアプリを利用してもらい、アプリプロモーションのCPA（※6）やROAS（※7）の改善によりお客さまの成果を上げるサポートができます。

RTB HouseのIn-appの導入ステップ

inapp配信開始までの導入ステップ

「In-app」を導入し、配信するまでは約1ヶ月間必要です。まずは、フィードとDeep link（※8）の共有を行います。利用できるフィードタイプはXML・CSV・APIです。その後、ロゴデータやアイテムといったクリエイティブ作成に必要な素材を共有します。
そのほかにも、配信する際に行う作業として、MMP（モバイル計測パートナー）（※9）との連携および発火イベント条件（※10）の共有があります。その際には、実装の手引きをお客さまが活用されているMMPと確認してください。

※5 エンゲージメント：広告にどのくらいのユーザーが参加し、関心を示しているかを指す指標
※6 CPA：コンバージョン1件にかかった費用
※7 ROAS：売上額÷広告費
※8 Deep link：Webサイトやアプリから特定のコンテンツへ移動するためのリンク
※9 MMP：アプリのデータを収集・管理して広告の効果を統一的に評価するプラットフォームを与える企業
※10 発火イベント条件：イベントによって処理を起動させるための条件

RTB Houseの複数リターゲティング戦略

RTB Houseの複数リターゲティングDSP（※11）併用戦略も、クライアントの課題における解決策の1つです。

複数リターゲティングDSP戦略とは、1つの媒体に絞らず、既存配信媒体とRTB Houseのリターゲティングと併用することで広告効果の最大化を目指すことです。

例えば、Google広告で100万円の予算で配信している状況であれば、
Google広告で50万円、RTB Houseでも50万円と2つのプラットフォームで配信します。

RTB Houseでは、AIが他媒体でどのようなユーザーへ配信しているのかも学習します。
実際にRTB House社の事例では、コンバージョン重複（※12）が最小限に抑えることができており、重複なしのコンバージョンは84％、重複ありの場合は16％という実績があります。

一般的に、コンバージョン重複が生じてしまうと、コンバージョン数やコンバージョン率が実際の数値と比べて高く見積もられてしまい、データ学習や効果計測に影響を及ぼすこともあります。一方で、RTB Houseでは、重複率が低下するように、他媒体を加味して重複を避けた広告配信をしているケースが複数存在します。

※11 DSP：広告主における広告効果の最大化を目指すプラットフォーム
※12：ユーザーが複数の広告媒体を経由することで、コンバージョンを重複してカウントしてしまう現象

RTB HouseのIn-appの業界平均値

RTB House Japan株式会社が開示している2024年3月時点のinppの業界平均値は以下の通りです。
こちらも参考にしながら配信をご検討ください。

inapp全体平均値

RTB HouseのIn-app活用事例

RTB House Japan株式会社事例

inapp配信事例

オプト事例

inapp実績

媒体AとRTB Houseの事例です。表では、全ての指標で媒体Aは100%として、広告効果を比較しています。

CVRは媒体A対比で132%と高い結果となり、CPCも81%と低く推移しました。その影響により、CPAも61％低くなり、ROASも210％高くなる結果でした。

そのほかの指標においても、RTB HouseはCTRで269%と媒体Aより高い結果でした。
上記の結果から、RTB Houseのin appのアルゴリズムが効果的に機能したと想定されます。

RTB Houseの今後の展望

RTB Houseが今後注力しているのは、ユーザーのグループ分けによる効果検証です。類似キーワードや行動履歴に基づいたグループを作成し、ユーザーのニーズに合わせた広告配信を目指しています。また、ユーザーの離脱を防ぎ、コンバージョン数を高める方法としても期待できます。

このほかに、データフィードの改修による改善の余地もあります。ダイナミックリターゲティング広告においては、データフィードがコンバージョン数を高める要素の1つです。フィード配信では、Webサイトのコンテンツ内にある情報に合わせた広告の配信が可能です。ユーザーの興味・関心に合わせ、より適した広告を配信することが可能です。

【事例あり】アプリ経由の売上を増やす｜RTB HouseのIn-app配信とは

ダイナミックリターゲティング広告の現状

課題