ポストCookie時代ガイド

メディアプランナー向け：ポストCookie時代におけるオーディエンス拡張戦略 - ファーストパーティデータを起点とした手法と応用

ポストCookie時代の到来は、デジタル広告におけるターゲティングと効果計測のあり方を大きく変容させています。サードパーティCookieに依存した従来のオーディエンス戦略が通用しなくなる中で、既存のファーストパーティデータや他の識別子、コンテキスト情報を活用したターゲティング手法が注目されています。

しかし、これらの手法だけではリーチに限界がある場合や、新たな顧客層にアプローチしたいというニーズに応えきれないことがあります。ここで重要となるのが、「オーディエンス拡張」という考え方と、それを実現するための具体的な手法です。

ポストCookie時代になぜオーディエンス拡張が重要なのか

サードパーティCookieの廃止は、インターネット全体を横断したユーザー行動の追跡を困難にしました。これにより、広告主は過去の行動データに基づいて「ウェブサイトAを訪問したユーザー」や「特定の商品を閲覧したユーザー」といったオーディエンスリストを容易に構築・活用することが難しくなります。

メディアプランナーにとって、これは単にターゲティング精度が低下するだけでなく、獲得できるリーチが限定的になるという課題に直面することを意味します。特に、コンバージョンに貢献する可能性のある新たな顧客層を発掘し、キャンペーンの成果を最大化するためには、既存のデータセグメントや狭いターゲティング範囲を超えたオーディエンスに効率的にアプローチする必要があります。

ポストCookie時代におけるオーディエンス拡張は、以下のような目的のために不可欠な戦略となります。

• リーチの拡大: ファーストパーティデータや既存の代替技術で捉えられる範囲を超えた、新たな潜在顧客への接触機会を創出する。
• 新規顧客の獲得: 過去の接点がないユーザー層の中から、コンバージョン可能性の高いユーザーを見つけ出す。
• キャンペーン成果の向上: 類似性の高いユーザーへのターゲティングにより、CPA/ROASといったKPI改善を目指す。
• データ活用の最大化: 保有するファーストパーティデータや、活用可能なコンテキスト情報、代替IDを起点として、その価値を最大限に引き出す。

ポストCookie時代における主要なオーディエンス拡張手法

サードパーティCookieに依存しないオーディエンス拡張の手法は複数存在します。これらは主に、既存のオーディエンスデータ（ファーストパーティデータ、代替IDで識別されたユーザーなど）や、コンテキスト情報、あるいはそれらを組み合わせた機械学習アプローチに基づいて行われます。

1. ファーストパーティデータを活用した類似オーディエンス（Lookalike Targeting）

最も一般的なオーディエンス拡張手法の一つであり、ポストCookie時代においてもその重要性が増しています。

• 概要と仕組み: 広告主が保有するファーストパーティデータ（例: 購買履歴のある顧客リスト、ウェブサイトの特定ページ訪問者リスト、メールリストなど）をシード（起点）として使用します。プラットフォームやベンダーの機械学習アルゴリズムが、このシードリストに含まれるユーザーの属性や行動パターンを分析し、インターネット上の他のユーザーの中から、シードユーザーと類似性の高いユーザー群を特定し、ターゲティング可能なオーディエンスリストとして生成します。サードパーティCookieが利用できない環境では、プラットフォームが自社内で保有する識別子（ログインIDなど）や、コンテキスト情報、その他の代替技術を組み合わせて類似ユーザーを特定します。
• メリット:
  • 自社の優良顧客やコンバージョンユーザーに似たユーザー層に効率的にアプローチできるため、高いコンバージョン率が期待できます。
  • 既に価値が証明されているデータを起点とするため、ターゲティングの確度が高い傾向にあります。
  • 既存の顧客基盤やウェブサイト訪問者を有効活用できます。
• デメリット:
  • 高品質なファーストパーティデータが十分な量必要となります。データ量が少ない場合や偏っている場合、類似オーディエンスの精度が低下する可能性があります。
  • プラットフォームやベンダーによって、類似ユーザーを特定するロジックや使用するデータソースが異なるため、精度やリーチが変動します。
  • プライバシー規制への対応として、シードデータの利用に関する同意や、データ連携・活用におけるプライバシー保護技術（差分プライバシーなど）の考慮が必要です。
• ユースケース:
  • 既存顧客に類似した新規顧客の獲得。
  • 高単価商品を購買した顧客に類似した層へのアプローチ。
  • 特定のコンテンツに高いエンゲージメントを示したユーザーに類似した層へのアプローチ。

2. コンテキストデータを活用したオーディエンス拡張

ユーザーの行動履歴ではなく、広告が表示されるウェブページやアプリのコンテンツ、周囲の情報に基づいてオーディエンスを拡張するアプローチです。

• 概要と仕組み: シードとなるオーディエンスがよく接触しているコンテンツのテーマやキーワード、カテゴリ、あるいは特定のキャンペーンで成果が良かったコンテンツ環境を分析します。そして、それらのコンテンツと類似性の高い、または関連性の高い他のコンテンツ環境を特定し、その環境を閲覧しているユーザーをオーディエンスとして拡張します。これは厳密には「ユーザーの拡張」ではなく「ユーザーが接触する可能性の高い環境の拡張」と捉えることもできます。
• メリット:
  • ユーザーの識別子に依存しないため、プライバシー規制の影響を受けにくいです。
  • 特定の興味関心を持つユーザーに効果的にアプローチできる可能性があります。
  • ブランドセーフティの観点から、掲載面のコントロールもしやすい場合があります。
• デメリット:
  • ユーザーの属性や詳細な行動履歴に基づいたターゲティング精度には劣る可能性があります。
  • コンテンツの解釈精度や、類似・関連コンテンツの特定精度が、使用する技術（自然言語処理など）に依存します。
  • 意図しないコンテキストに掲載されるリスクをゼロにすることは難しいです。
• ユースケース:
  • 旅行に関心のあるユーザー向けキャンペーンで、旅行関連の記事だけでなく、アウトドア、写真、食などの関連コンテンツを閲覧するユーザーにもアプローチ。
  • 金融商品の広告で、経済ニュースサイトだけでなく、ビジネス関連コラムや特定のライフイベント（結婚、出産など）に関するコンテンツを閲覧するユーザーにもアプローチ。

3. IDグラフやユニバーサルIDを基点とした拡張

同意を得て構築されたIDグラフや、複数のソースを横断してユーザーを識別するユニバーサルIDを起点として、オーディエンスを拡張するアプローチです。

• 概要と仕組み: 広告主やデータプロバイダーが保有するファーストパーティデータや同意済みのユーザーリストを、IDグラフやユニバーサルIDの仕組みに照合します。これにより、特定のユーザー（またはその属性）が、どのチャネルやデバイス、媒体で接触可能であるか、また、そのユーザーと類似性の高い他のユーザーがIDグラフ上でどのように関連付けられているかを把握します。この情報を利用して、IDグラフ上の他のユーザーセグメントの中から、起点となるユーザーと類似性の高いオーディエンスを特定し、ターゲティングに利用します。
• メリット:
  • 複数のチャネルやデバイスを跨いだユーザー理解に基づいて類似ユーザーを特定できるため、より精緻な拡張が期待できます。
  • ファーストパーティデータだけでは捉えきれないユーザー像や関連性を活用できます。
  • 同意管理が適切に行われていれば、プライバシーに配慮したデータ利用が可能です。
• デメリット:
  • IDグラフやユニバーサルIDの普及状況、パートナーとの連携状況に依存します。
  • 同意管理やデータ連携のプロセスが複雑になる可能性があります。
  • これらの仕組み自体がまだ発展途上であったり、標準化が進んでいなかったりする場合、導入・運用にコストと技術的なハードルが伴います。
• ユースケース:
  • 自社アプリのユーザーリストを起点に、そのユーザーと類似性の高いユーザーが他のどのようなウェブサイトやアプリを利用しているかをIDグラフで分析し、ターゲティング対象を拡張。
  • あるデバイスで商品を購入した顧客のユニバーサルIDを起点に、他のデバイスでそのIDと関連付けられたユーザーや類似ユーザーにクロスデバイスで広告配信。

主要プラットフォーム/ベンダーにおける対応状況

主要な広告プラットフォームやアドテクベンダーは、ポストCookie時代に対応したオーディエンス拡張機能を提供しています。

• Google: Google広告やDV360では、顧客データ（顧客リスト）をアップロードして行うカスタマーマッチを活用した類似セグメント（Similar Segments、今後の名称変更や機能統合の可能性あり）を提供しています。これはファーストパーティデータを活用した類似オーディエンスの代表的な機能です。将来的には、Privacy SandboxのAPI（FLoCの代替となるTopics APIやProtected Audience APIなど）が、プライバシーを保護しながら興味関心やリターゲティングリストに基づいたオーディエンス拡張に活用される可能性があります。
• Meta: Facebook広告やInstagram広告では、既存の顧客リストやウェブサイト/アプリ訪問者リストを基にした類似オーディエンス（Lookalike Audiences）機能が広く利用されています。Metaはユーザーのログイン情報に基づいた豊富なデータを持っており、これを活用して類似ユーザーを特定します。AppleのATT導入後は、信号データ（Signal）と呼ばれる集計データなどを活用し、プライバシーに配慮した形で類似オーディエンスの精度維持・向上を図っています。
• 主要DSP/SSP: 多くのDSPは、広告主がアップロードしたファーストパーティデータや、提携するデータプロバイダーのデータ、あるいは契約するユニバーサルIDソリューションなどを基点として、独自の機械学習モデルによる類似オーディエンス機能を開発・提供しています。SSP側も、パブリッシャーのファーストパーティデータを活用したオーディエンスセグメントを提供し、DSPからの拡張ターゲティングリクエストに応じる動きが見られます。Clean Roomを活用したデータ連携によるオーディエンス拡張の仕組みも広がりつつあります。

これらのプラットフォームやベンダーの機能は、使用できるデータの種類、類似ユーザーの特定ロジック、拡張の度合い（リーチ）などを細かく設定できる場合が多く、キャンペーン目的に応じて最適な設定を選択することが重要です。

導入・活用のポイントとプライバシーへの配慮

ポストCookie時代にオーディエンス拡張を効果的に実施するためには、以下の点を考慮する必要があります。

1. 高品質なファーストパーティデータの準備: 類似オーディエンスの精度は、シードとなるファーストパーティデータの質と量に大きく依存します。正確で、量的に十分なデータを収集・蓄積し、適切に整備することが基盤となります。
2. プライバシー規制の遵守: ファーストパーティデータの収集・利用、そしてそれを基にしたオーディエンス拡張においては、改正個人情報保護法、GDPR、CCPAといった国内外のプライバシー規制を遵守することが不可欠です。ユーザーからの適切な同意取得（特にセンシティブデータの利用）、利用目的の明確化、匿名加工情報の活用、データ保持期間の管理など、法規制に沿ったデータガバナンス体制の構築が求められます。
3. 複数の手法の組み合わせ: 特定の手法だけに依存せず、ファーストパーティデータ類似オーディエンス、コンテキスト拡張、IDグラフ活用など、複数のアプローチを組み合わせることで、より広範かつ精緻なオーディエンスへのアプローチが可能になります。キャンペーンの目的、ターゲット顧客層、利用可能なデータの種類に応じて、最適な手法のポートフォリオを構築することが重要です。
4. 効果計測の課題と対応: 拡張されたオーディエンスへのリーチやコンバージョンを正確に計測することは、ポストCookie時代における大きな課題の一つです。コンバージョンモデリング、Server-Side Tagging、Clean Roomを活用した計測、MMM（マーケティングミックスモデリング）など、様々な計測手法を組み合わせ、拡張オーディエンスからの貢献度を分析する必要があります。
5. 継続的なテストと最適化: オーディエンス拡張は、一度設定すれば完了ではありません。拡張によって獲得したオーディエンスのパフォーマンスを継続的に監視し、シードデータの更新、拡張設定の調整、クリエイティブとの整合性などをテストしながら最適化を図ることが重要です。

今後の展望

ポストCookie時代におけるオーディエンス拡張技術は、今後も進化が続くと予測されます。

• Privacy Sandboxの進化: GoogleのPrivacy Sandboxで提案されているAPI（Topics API、Protected Audience APIなど）が本格的に導入されれば、ブラウザ内でプライバシーを保護しながら興味関心やリターゲティングリストに基づいたオーディエンス拡張が可能になる可能性があります。
• AI/機械学習の高度化: より精緻なユーザーモデリングや、多様なデータソース（ファーストパーティデータ、コンテキスト、代替IDなど）を組み合わせた複雑な関連性分析を可能にするAI/機械学習技術が発展し、オーディエンス拡張の精度と効率が向上するでしょう。
• Clean Roomの普及: 広告主、媒体社、データプロバイダーなどがプライバシーを保護しながらデータを安全に持ち寄り分析するClean Roomの活用が広がることで、これまで不可能だったクロスソースでの類似ユーザー分析や拡張が可能になる可能性があります。
• 代替IDソリューションの連携強化: ユニバーサルIDやその他の代替IDソリューション間の連携が進み、より広い範囲でのユーザー識別と、それを起点としたオーディエンス拡張の機会が増えることが期待されます。

まとめ

ポストCookie時代において、広告キャンペーンのリーチを維持・拡大し、新規顧客を獲得するためには、オーディエンス拡張戦略が不可欠です。ファーストパーティデータを起点とした類似オーディエンスは引き続き有効な手法であり、これにコンテキストデータやIDグラフを活用したアプローチを組み合わせることで、より効果的なオーディエンス戦略を構築することが可能となります。

メディアプランナーとしては、これらの各手法の仕組み、メリット・デメリット、そして主要プラットフォームの対応状況を深く理解し、クライアントが保有するデータの状況やキャンペーンの目的に応じて最適なオーディエンス拡張手法を提案・実行する能力が求められます。同時に、進化する技術動向やプライバシー規制の変更点を常にキャッチアップし、柔軟に戦略を調整していくことが成功の鍵となります。プライバシー保護を最優先としながら、データを賢く活用し、ポストCookie時代においても広告効果を最大化するためのオーディエンス戦略を共に考えていきましょう。