リテールメディアにおけるアドブラインドネスの克服

November 16, 2023

‍2015年にGoogleが行ったアドブラインドネスに関する調査では、広告の量よりも質がアドブラインドネスの重要な要因であることが実証されました。この研究では、少ないながらも質の高い広告を提供することによってアドブラインドネスを緩和できる一方、質の低い広告が大量に表示されるとアドブラインドネスが悪化することが示されました。さらに懸念されるのは、質の高い広告の表示を開始しても、一度習得した行動をユーザーが変えるのには長い時間がかかるということです。

この問題は、ディスプレイ広告やバナー広告に限ったことではなく、スポンサープロダクトのようなネイティブ広告を含む、あらゆるタイプの広告に影響します。ユーザーは順応し、「スポンサー」と表示されるすべてに対して「盲目」になる可能性があるのです。多すぎる広告、広告疲れ、誤解を招くコンテンツ、ユーザーと関連性がない広告など、アドブラインドネスにはさまざまな原因があります。

‍リテールメディアでは、広告が本当の意味でネイティブで、広告とオーガニックコンテンツのバランスがよく考えられている場合、一般的に広告の関連性や質の低さがアドブラインドネスの主な原因として考えられます。例えば乳糖不耐症の人に乳製品の広告を繰り返し表示したり、洗濯代行サービスを利用する人に洗濯洗剤の広告を何度も表示したりすると、ユーザーは苛立ちを覚え、購入にいたることはありません。

アドブラインドネスがユーザーエンゲージメントにもたらすマイナス影響を認識することがまず重要ですが、次のステップとしてアドブラインドネスを正確に計測し、適切なツールによって関連性が高く、意味のある広告を配信できる体制を整え、アドブラインドネスを回避または解決する必要があります。
‍

アドブラインドネスの計測方法

ユーザーが広告をスキップしたり無視したりする割合を正確に計測し、交絡要因を排除するには、条件Aと条件Bを比較するA/BテストよりもA/Aテストの設定の方がアドブラインドネスの計測に適しています。

アドブラインドネスのテスト設定

測定前の準備：先行テストの残余効果による干渉を排除するため、ユーザーコホートをシャッフルすることをお勧めします。
A/Bテスト期間：テスト前のA/A期間に続いて、A/Bテスト期間に移行します。この段階でユーザーをAとBの2つのコホートに分けます。コホートAのユーザーには通常どおり広告が表示されます。他方、コホートBのユーザーには、広告を一切表示しない、または質の高い広告を表示する（入札額よりも品質スコアを優先）など、異なる広告表示の条件が適用されます。
A/Bテスト後のA/A期間： A/Bテスト後にA/A期間を実施します。この段階では、テスト期間中にコーホートA（通常どおり広告を表示）に属していたユーザーコーホートとコーホートB（広告の表示なし、またはより質の高い広告を表示）に属していたユーザーコーホートの広告エンゲージメント率を計測して比較します。2つのコホート間のエンゲージメント率の違いから、アドブラインドネス、つまり質の低い広告にさらされたことによるユーザーの学習効果の影響が明らかになります。

ユーザーの学習には長期間を要する可能性があり、学習効果を計測するために何カ月も待つことができない場合もあります。その場合、代替案として次のような設定を検討することもできます。

一定の間隔でB/Bテストを実施する：一定の間隔（例えば毎日）で、新しいユーザーコーホートを対象に新たにコピーテストを開始します。各新規コーホートには前述のBの条件が適用されます。これにより、コーホート間の主な差が、各ユーザーコーホートがBの条件にさらされた期間であるB/Bテスト設定を作成できます。

B'テストのデイリーシャッフリング：完全に分離された、重複しないコーホートを使用する代わりに、テストバケットにユーザーを割り当てるために使用されるハッシュ関数を変更することができます。ハッシュ関数を定期的に変更することで、どのユーザーがテストに参加するかをランダムにすることができ、テストのトラフィックシェアが十分小さければ、繰り返しテストに参加するユーザーの数は無視できるほど少なくなります。

差の測定：テスト期間中、BコーホートとB'コーホートの広告エンゲージメントの違いを比較します。この分析により、長期的な学習効果の大きさに関する貴重なインサイトが得られ、ユーザーの行動が時間とともにどのように変化するかを理解することが可能になります。
‍

このテスト手順に従うことで、アドブラインドネスと、広告に対するユーザーのインタラクションへの長期学習の影響を効果的に計測できます。
‍

アドブラインドネスを回避する方法

アドブラインドネスを解決するには適切なツールが必要ですが、解決までに時間を要します。最良のアプローチは不適切な広告の配信を完全に避けることです。

アドブラインドネスを解決または回避する方法はいたってシンプルで、「より望ましい広告を提供すること」の一言に尽きます。

より望ましい広告を提供するには、次の2つの重要な側面に焦点を当てる必要があります。

コンテンツ： よりクリエイティブで魅力的なビジュアルの広告を作成する
コンテキスト : ファーストパーティのユーザーイベントを利用して、より関連性の高い広告を配信する

一般的にコンテンツが重視されがちですが、リテールメディアにおいてはコンテキストの方が実際には取り組みやすく、ソリューションとしてより重要な部分である可能性があります。機械学習によるデータドリブンのシグナルを利用したパーソナライゼーションを通じて大きな改善が期待できます。

例えば、あるユーザーがサッカーシューズを購入し、その後ソックスを購入したとします。機械学習によってこのパターンを認識することで、靴下の購入のみを考慮した場合に「関連性がある」とは認識されないすね当てを、インテリジェントに提案することができるようになります。機械学習モデルによってこのようなつながりを識別し、実店舗と同じようなショッピング体験を提供することが可能になります。
‍

アドブラインドネスがもたらす影響

とりわけ重要なのは、アドブラインドネスはリテールメディアのようなネイティブコンテンツを含むあらゆる広告フォーマットに影響を及ぼすことを認識することです。その根本原因は、広告の過多から関連性の欠如まで多岐にわたります。この問題に効果的に対処するには、コンテンツとコンテキストの両方を重視した総合的なアプローチが必要です。機械学習によってパーソナライズされたユーザー体験に焦点を当てることは、問題解決に向けた有望な道筋を提供します。

アドブラインドネス対策についてさらに詳しく知りたい方は、お気軽にお問い合わせください。

Henry Senger

Senior Director of Engineering, Moloco