研究論文
コンピュータービジョンによる広告画像要素のクリック訴求効果の検証
2019 年 48 巻 3 号 p. 59-70
詳細
2019 年 48 巻 3 号 p. 59-70
インターネット広告配信においてクリック率（CTR: Click-Through-Rate）の予測は最も重要な問題の一つであり，広告配信に関わる企業にとって収益に直結するテーマであることから，膨大な研究が行われている．既存研究では，CTRの予測精度向上に主眼が置かれ，特徴量の追加や加工方法，深層学習の活用など様々な取り組みが行われている．一方，広告画像の構成要素そのものの制作については，デザイナーの経験に依存する部分が大きい．クリエイティブを制作する際にどのような要素が重要であるか，指針となるエビデンスがあれば，より効率的に制作作業に取り組める可能性がある．本研究では，モバイル広告を対象としたCTR予測問題の枠組みで，広告画像における構成要素の貢献度を測定する実証分析を行った．広告画像の構成要素の抽出には，コンピュータービジョン技術を活用し，人が解釈可能なキーワードや色彩情報を得た．CTR予測の学習器として，弱識別器に決定木を用いたGBDT（Gradient Boosted Decision Trees）の結果から各特徴量の重要度と交互作用を推定し，広告画像の中でクリックに対して有効な要素を特定した．交互作用の推定は，Deng (2019)によるInterpretable Trees（inTrees）を利用した．コンピュータービジョン技術と，特徴量の重要度と交互作用が推定可能な機械学習手法を組み合わせることで，広告画像の構成要素の抽出とその貢献度測定が可能となり，幅広い応用範囲が期待できる．
