ポストCookie時代ガイド - メディアプランナーのためのポストCookie時代入札最適化戦略：新しいシグナルと予測モデリングの活用

メディアプランナーのためのポストCookie時代入札最適化戦略：新しいシグナルと予測モデリングの活用

Tags: リアルタイム入札, 入札最適化, データシグナル, 予測モデリング, ポストCookie

ポストCookie時代の到来は、広告業界におけるターゲティングや効果計測の根幹を揺るがしています。特にリアルタイム入札（RTB）の領域では、これまでサードパーティCookieが担っていたユーザー識別、行動追跡、フリークエンシーキャップといった役割が失われつつあり、従来の入札戦略の抜本的な見直しが求められています。

メディアプランナーの皆様におかれましても、クライアントへの提案内容の変更、多様なニーズへの対応、そして常に変化する新しい技術へのキャッチアップは喫緊の課題かと存じます。本稿では、ポストCookie時代におけるリアルタイム入札最適化のために、どのような新しいデータシグナルを活用し、予測モデリングをいかに応用すべきかについて、実務的な観点から解説いたします。

リアルタイム入札におけるCookieの役割とポストCookie時代の課題

従来、リアルタイム入札においてサードパーティCookieは以下のような重要な役割を担っていました。

オーディエンスセグメンテーション: ユーザーのウェブ閲覧履歴に基づき、特定の興味関心や属性を持つオーディエンスを識別し、セグメント化するために利用されていました。
ターゲティング: セグメントされたオーディエンスに対して、関連性の高い広告を配信するための鍵となる識別子でした。
フリークエンシーキャップ: 同じユーザーに広告が表示されすぎるのを防ぎ、リーチを適切にコントロールするために使用されていました。
効果計測: 広告クリックやコンバージョンといったユーザー行動を追跡し、特定の広告表示やクリックとの関連性を結びつけるために不可欠でした。
入札価格決定: ユーザーの価値（コンバージョン可能性など）を予測し、最適な入札価格を決定するための重要なシグナルでした。

サードパーティCookieの廃止は、これらの機能の精度低下や実行不能といった課題をもたらします。特に、個々のユーザーを横断的に追跡して高精度なオーディエンスを構築したり、カスタマージャーニー全体を把握して正確な効果計測を行うことが困難になります。これにより、従来の入札アルゴリズムや最適化手法だけでは、費用対効果の高い広告配信が難しくなると予測されます。

ポストCookie時代の新しいデータシグナル

サードパーティCookieに依存しない形で入札最適化を行うためには、新しい、あるいはこれまで十分に活用されてこなかったデータシグナルを理解し、活用することが不可欠です。主な新しいデータシグナルとして、以下が挙げられます。

ファーストパーティデータ: 広告主やパブリッシャーが直接収集したユーザーデータです。ウェブサイトへのログイン情報、購買履歴、サイト内行動、メールアドレスなどが含まれます。同意に基づき収集された信頼性の高いデータであり、ポストCookie時代のターゲティングや計測の基盤となります。リアルタイム入札においては、ハッシュ化されたメールアドレスなどをキーに、DSPやSSP、またはClean Roomを介して連携される形で活用が進んでいます。
コンテキストデータ: ユーザーが現在閲覧しているウェブページのコンテンツ内容（記事のトピック、キーワード、カテゴリなど）や、ページの構造、配置といった情報です。ユーザー個人の特定に依らないため、プライバシー保護の観点からCookie代替として再注目されています。特定のトピックに関心を持つ可能性が高いユーザーにリアルタイムでリーチできるため、ブランドセーフティを確保しつつ関連性の高い広告を配信するのに有効です。
サプライサイドデータ（SDA: Supply-Side Activation）: パブリッシャー（サプライサイド）が保有するオーディエンスデータやコンテキストデータなどを、DSPがバイイング時に活用できるように提供する仕組みです。OpenRTBの拡張機能などを通じて、パブリッシャー側から提供されるデータシグナルに基づいて、よりインサイトフルな入札判断が可能になります。パブリッシャー独自のファーストパーティデータや、同意に基づいたユーザー属性情報などが含まれることがあります。
代替ID / ユニバーサルID: ログイン情報や同意済みのメールアドレスなどを基に生成される、複数サイトやデバイスを横断可能な共通IDソリューションです（例: Unified ID 2.0, RampIDなど）。これらのIDは、提携するパブリッシャーやプラットフォーム間でのユーザー識別を可能にしますが、その普及状況や同意取得の仕組み、スケーラビリティには課題も存在します。リアルタイム入札においては、これらのIDがOpenRTBのリクエストに含まれる形で活用されることが想定されます。
集合データ / プライバシー保護API: Google Privacy Sandboxに代表される、個々のユーザーを特定せずに集計されたユーザーグループの興味関心や行動を示すデータです（例: Topics API, FLEDGE/Protected Audience API）。これらのAPIは、ブラウザ内でターゲティングやリターゲティングのロジックを処理し、広告オークション時に集計されたシグナルをDSPに提供します。個別のユーザーデータにアクセスできないため、プライバシー保護レベルは高い一方、シグナルの粒度や制御性には制約があります。
ゼロパーティデータ: ユーザーが自身の意思で企業に提供するデータです。アンケート回答、プリファレンス設定、興味関心に関する申告などが含まれます。直接的なユーザーの意図や嗜好を把握できる貴重なデータソースであり、プライバシーに配慮しつつ高精度なターゲティングやパーソナライゼーションに活用できます。リアルタイム入札においては、ファーストパーティデータの一部として活用されることが考えられます。

新しいデータシグナルを活用した入札戦略

ポストCookie時代のリアルタイム入札では、上記の新しいデータシグナルを単独で、あるいは組み合わせて活用することが鍵となります。

ファーストパーティデータと代替IDを軸とした高精度入札:
- 広告主のCRMデータやウェブサイトのログインユーザーデータなどをファーストパーティデータとして活用し、高いコンバージョン可能性を持つオーディエンスセグメントを定義します。
- これらのオーディエンスを、Clean Roomなどを介してDSPに安全に連携します。
- 連携されたデータや代替IDを持つ入札リクエストに対して、競合性の高い入札単価を設定し、優先的にバイイングを行います。特にLTVの高い顧客セグメントなど、広告主にとって価値の高いオーディエンスへのリーチに有効です。
コンテキストデータとSDAを組み合わせた関連性重視入札:
- 特定のトピックやカテゴリのコンテンツに関心を持つユーザーに対して、関連性の高い広告を配信したい場合に使用します。
- 入札リクエストに含まれるコンテキストデータ（ページURL、カテゴリ、キーワードなど）や、パブリッシャーから提供されるSDA（例: そのページをよく見るオーディエンスのデモグラフィックや興味関心）を評価シグナルとして活用します。
- これにより、ユーザー個人のCookie情報がなくても、その瞬間の関心に合致すると思われる広告枠に効率的に入札できます。ブランドイメージに配慮した配信や、認知・検討フェーズのキャンペーンに適しています。
複数のシグナルを組み合わせた複合的入札:
- 最も効果的なアプローチは、複数のデータシグナルを組み合わせて、より多角的な視点からユーザーや広告枠の価値を評価することです。
- 例えば、「自社サイトの特定の製品ページを閲覧したが購入に至っていないユーザー（ファーストパーティデータ）」が、「購入を検討している可能性のあるトピックの記事を読んでいる（コンテキストデータ）」広告枠に表示された場合、SDAで提供される「その記事をよく読む層の購買傾向」も加味して、入札単価を動的に調整するといった高度な戦略が考えられます。
- このためには、DSPのアルゴリズムがこれらの多様なシグナルをリアルタイムで受け取り、適切に評価・統合できる必要があります。

予測モデリングの役割と進化

Cookieの消失により、個々のユーザーの過去の行動履歴に基づいた直接的なターゲティングやコンバージョン追跡が困難になる中で、予測モデリングの重要性が一層高まります。予測モデリングは、限られたデータシグナルからユーザーの将来の行動（クリック、コンバージョンなど）や広告枠の価値を統計的・機械学習的に推測する手法です。

新しいデータシグナルをインプットとする: ポストCookie時代の予測モデルは、従来のCookieベースのデータに加え、上記で解説した新しいデータシグナル（ファーストパーティデータ、コンテキスト、SDA、集合データなど）を主要なインプットとして活用します。これらのシグナルと、広告のクリエイティブ要素、配信時間帯、デバイス、サイト情報などを組み合わせて、より精緻な予測を行います。
コンバージョンモデリング: 直接的なコンバージョン追跡が難しくなった状況を補うため、コンバージョンモデリングが重要な役割を果たします。これは、追跡可能なコンバージョンデータ（例: ログインユーザーからのコンバージョン）や、Cookieに依存しないデータ（例: Googleアナリティクス4のデータ）と、追跡不能なデータから得られるシグナル（例: 広告クリック、サイト滞在時間、コンテキスト情報）を組み合わせて、コンバージョンが発生した可能性を予測するモデルです。この予測結果をリアルタイム入札における入札単価の決定に活用します。
LTV予測: 特にファーストパーティデータを活用できる広告主においては、予測モデリングによりユーザーの生涯価値（LTV）を予測し、LTV予測に基づいて入札単価を最適化する戦略も有効です。
プライバシー配慮型モデリング: プライバシー規制が厳格化する中で、差分プライバシーのようなプライバシー強化技術を組み込んだモデリング手法や、ブラウザ内で集計データに基づいて予測を行うクライアントサイドでのモデリングの重要性も高まっています。

主要プラットフォーム/ベンダーの対応

主要なDSP/SSPや広告プラットフォームは、ポストCookie時代に対応するため、新しいデータシグナルへの対応や予測モデリング機能の強化を進めています。

多くのDSPは、広告主のファーストパーティデータ連携のための機能（例: クリーンルーム連携、データアップロード機能）や、コンテキストターゲティングの精度向上、OpenRTBを通じたSDAの受け入れに対応しています。
SSP側も、パブリッシャーのファーストパーティデータをSDAとして提供したり、コンテキストシグナルの強化、代替IDへの対応を進めています。
Googleは、Privacy Sandbox API群（Topics, FLEDGE/Protected Audience, Attribution Reportingなど）の実装を進めており、DSP/SSPはこれらのAPIからのシグナルをリアルタイム入札や効果計測に活用するための開発を進めています。
各社独自のユニバーサルIDソリューションも存在し、そのエコシステムへの参加や連携の可否も、ベンダー選定の重要な要素となります。
予測モデリング機能も、Cookieに依存しないデータシグナルをインプットとするように進化しており、機械学習を活用した高度な予測アルゴリズムが提供されています。

メディアプランナーとしては、利用している、あるいは検討しているプラットフォームが、これらの新しいシグナルにどの程度対応しているか、どのような予測モデリング機能を提供しているかを理解し、キャンペーン目的や保有データの状況に合わせて最適な組み合わせを選択する必要があります。

ユースケースと適用事例

高価値顧客へのリーチ: ファーストパーティデータ（購買履歴、LTV情報）を安全な連携メカニズム（Clean Roomなど）でDSPに渡し、類似性の高いオーディエンスや既存顧客への入札を強化する。
ブランド認知・検討キャンペーン: コンテキストデータとSDA（例: 特定のカテゴリ記事の読者層データ）を組み合わせ、特定のテーマに関心を持つ層が多く集まる広告枠への入札を強化する。
コンバージョン促進（リターゲティング代替）: ログインユーザーのサイト内行動（ファーストパーティデータ）や、代替IDを持つユーザーの行動履歴、さらにはGoogle Privacy SandboxのFLEDGE/Protected Audience APIから得られる集合シグナルなどを活用し、購買意欲の高いと予測されるユーザーへの入札を最適化する。
新しい顧客獲得: ファーストパーティデータから高価値顧客を特定し、そのオーディエンスの類似性を予測モデリングによって拡張し、類似オーディエンスへの入札を強化する。

導入・活用のメリットとデメリット

プライバシー規制との関連性

新しいデータシグナルの活用や予測モデリングは、GDPR、CCPA、改正個人情報保護法といった国内外のプライバシー規制と密接に関連します。

同意取得と管理: ファーストパーティデータの活用や代替IDの利用には、多くの場合、ユーザーからの適切な同意取得が必要です。同意管理プラットフォーム（CMP）の導入と運用は不可欠であり、同意ステータスに応じて利用できるデータシグナルをリアルタイム入札に反映させる必要があります。
データ匿名化・仮名化: 連携・活用するデータは、可能な限り匿名化または仮名化する必要があります。特にClean Roomのような環境は、個人を特定できない形でデータを処理・分析するために設計されています。
目的特定と利用制限: 収集したデータは、同意を得た、あるいは法律で認められた特定の目的にのみ利用範囲を限定する必要があります。リアルタイム入札におけるデータ利用目的を明確にし、透明性を確保することが重要です。

メディアプランナーとしては、これらの規制要件を理解し、技術パートナーや広告主と連携して、コンプライアンスを遵守したデータ活用戦略を立案・実行する必要があります。

今後の展望と課題

ポストCookie時代のリアルタイム入札最適化は、今後も技術的な進化と業界標準化が進む領域です。

新しいデータシグナルの標準化（例: OpenRTBの拡張）や、多様な代替IDソリューション間の相互運用性が向上する可能性があります。
AI/機械学習技術の進化により、より複雑なデータシグナルを組み合わせて高精度な予測を行うモデルが登場するでしょう。特に、限られたデータから効果的に学習する手法（例: Few-shot Learning）や、プライバシー保護に特化した学習手法（例: 連合学習）の応用が期待されます。
Clean Roomのような安全なデータ連携基盤の普及により、広告主、代理店、パブリッシャー、ベンダー間でのデータ活用が促進される可能性があります。
一方で、効果計測の標準的な基準確立、多様な技術・ソリューションの評価・選定、そして組織全体での新しいスキルセット構築といった課題は継続的に存在します。

メディアプランナーは、これらの変化を常にキャッチアップし、多様なデータシグナルと予測モデリングを組み合わせた柔軟な入札戦略を構築していくことが求められます。

まとめ

ポストCookie時代のリアルタイム入札最適化は、サードパーティCookieに依存しない新しいデータシグナル（ファーストパーティデータ、コンテキスト、SDA、代替ID、集合データなど）の理解と活用、そしてこれらのシグナルをインプットとした予測モデリングの応用が不可欠です。

従来の入札手法から脱却し、多様なデータソースからのシグナルを効果的に収集・評価し、機械学習を活用した予測モデルによってリアルタイムで最適な入札判断を行うことが、ポストCookie時代における費用対効果の高い広告配信を実現する鍵となります。

メディアプランナーの皆様におかれては、これらの新しい技術要素やデータシグナルについて深く理解を深め、利用しているプラットフォームの機能を把握し、広告主のデータ状況やキャンペーン目的に合わせて最適な戦略を立案・提案できるよう、継続的な学習と実験を重ねていくことが重要です。プライバシー規制への準拠も常に念頭に置き、技術パートナーとの連携を通じて、新しい時代のリアルタイム入札戦略を推進してまいりましょう。