最近の生成、AIの発達により簡単に広告やクリエイティブを作ることができるになってきました。生成物が多くなると、実際にどのようなものが広告としてきいてくるのかが分かりにくくなってきます。そこで私たちは近年広告の最適化システムを導入し、広告効果の可視化と最適化によるパフォーマンス向上を実現しています。こうした広告の最適化手法としては、ABテストと呼ばれる要素を変更しながら導入するものがあります。
しかし、ABテストは多くの手数を導入しなくてはいけません。 そこで私たちはABテストを拡張し、広告のクリエイティブの比較において最適化及びサンプリングを導入しました。これによりABテストよりも多くの種類の広告を少ない手数で評価できるように開発をしています。
具体的には広告を色や素材などの組み合わせとして取り扱い、その組み合わせが良かったものに関して評価をします。これまでのABテストはクリエイティブを作り、それを比較して良い方を選ぶ、そして要素を一つ一つ変更しながら比較していくと言うことをしました。 これは非常にわかりやすいのですが、非常にたくさんの広告を比較してしなくてはいけないと言う点で、資金力のある企業が主に数をたくさん打つことにより実現できる手法です。かつABテストにおける背後の数理モデルや数式に関しては、特に理論があるわけではない場合が多く、どうしてそのABテストをしたのかどうかと言う説明はできません。私たちの数理モデルでは広告効果を1つの関数として捉え、その関数の最小値を探すための最適化を行います。
こうした背後の数理モデルを仮定して、広告を最適化することにより、より少ないサンプル数で広告を評価することが可能になります。つまり、少ない広告でより最適な広告を見つけることができるようなると言うことになり、コストを大幅に削減できます。ここで重要なのは、量子技術を利用する際には、組み合わせを最初に決めておく必要があります。そして数式を自分で作る必要が出てきてますが、ここで私たちはサンプリングに関して最新技術を使うことにより広告を出稿するだけで、自動的にモデルを最適化し、自動的に広告を生成してくれる、量子生成AIモデルを活用しています。
もちろんこうした広告生成の組み合わせ最適化問題に関しては、特に無理に量子技術を使う必要はありません。実際的にこうしたサンプルを使って関数の最小化を求めるための手法としてはいくつか手法がありますので、それはコストに合わせて選ぶ必要があります。ただ将来的にサンプリングと呼ばれる、ある関数からサンプルを取るための手法としては、量子技術が非常に高速であるということがわかり始めており、弊社はその利点を活用して構築するというのも、現在から将来にかけて非常に競争力のあることだと思っています。
具体的な手法としましては、まず既存のチャットや画像生成、AIから広告の素材を生成します。そしてそれを私たちのシステムに入れることにより組み合わせを生成します。出来上がった組み合わせはABテストのように類似しているものから全然似ていないものまでたくさんでてきます。それらは背後に仮定された数理モデルによって構築されています。実際にそれらの広告を出稿することによりフィードバックを得られ、そのフィードバックによって数理モデルが改善されより良い広告が生成されるようになります。そのステップを繰り返し、モデルに応じて、新しい広告が生成されると言うのを繰り返すことにより改善がなされます。
既に多くのお客様によって利用されているシステムですので、広告の改善が見られています。実際にはコンバージョンレートが2倍になったりと言うことで多くの実績がございます。またこの技術を拡張することにより、ウェブサイト自体を改善したりもできますので、ぜひご利用ください。これらの技術はすでに2019年の海外のカンファレンスにて発表されており注目されています。広告の数が多くないと効果を実感できませんが、ぜひ人件費や広告素材のコスト削減など多くの効率化を図るためのPoCをお待ちしております。以上