Blog post

Blog Article

ウォーターフォールとアプリ内入札:プロの見解

By:
Yoni Markovizky
No items found.

Table of Contents

down chevronup chevron

October 7, 2024

「3人のアプリパブリッシャーを部屋に入れ、ウォーターフォールとアプリ内入札のどちらが好きか尋ねると、7つの異なる答えが返ってくるだろう」。このようなジョークがアプリパブリッシャーの間ではよく交わされます。さまざまなアプローチがありますが、アプリ内広告の市場が2027年まで前年比9%成長することが予測される中、それぞれの収益ストリームのメリットをパブリッシャーが理解することが重要です。

近年、アプリ内入札はパブリッシャーの間で大きな支持を得ています。パブリッシャーの話では、現在、典型的なパブリッシャーのセットアップの約80%を入札が占めており、入札のみのモデルに移行する広告ネットワークが増えるのに伴い、この数字がさらに増加することが予想されます。このような変化が進む中でパブリッシャーが競争力を維持するためには、より多くの広告ネットワークを活用することが不可欠になってきています。

このような状況を踏まえ、アプリ開発者が広告在庫の価値を最大化できるようMolocoはアプリ内入札向けのSDKをリリースしました。Molocoのグローバルな需要への直接アクセスをパブリッシャーに提供することで、Moloco SDKは広告主のパフォーマンスを最適化し、パブリッシャーの収益を最大化しながら、すべての関係者にとってより優れたエコシステムを構築できるように設計されています。すでにcomicoをはじめとするパブリッシャーはそのメリットを実感しています。

「Moloco SDKとの統合により、競争力を大幅に強化してリターンを増大させることができました。A/Bテストの結果、eCPMとARPDAUの両方で顕著な改善が見られたため、私たちはすぐにすべてのトラフィックをMoloco SDKに移行しました」

[サクセスストーリーの詳細を読む]

しかし、このようなメリットは具体的にどのようにして実現されるのでしょうか?また、アプリ内入札は従来のウォーターフォールモデルとどう異なるのでしょうか?この2つの手法を評価する際、パブリッシャーはどのような点に留意する必要があるのでしょうか?

そこで今回、これらのポイントをより明確に理解するため、Molocoでサプライ部門のグローバル責任者を務めるYoni Markovizkyに話を聞きました。アプリ内収益化の分野で10年に及ぶ経験を持つYoniは、リアルタイム入札によってモバイル広告の可能性を最大限に引き出す方法に関して深い専門知識を有しています。

質問内容

  1. アプリ内入札とウォーターフォールの主な違いは?
  2. パフォーマンスやユーザーエクスペリエンスに違いがあるか?
  3. アプリ内入札を採用せず、ウォーターフォールに固執するパブリッシャーがいる理由とは?
  4. アプリ内入札は機械学習のパフォーマンスにどのように影響するか?
  5. Molocoがアプリ内入札を使用するパブリッシャーにより高い成果をもたらすことができる理由とは?

アプリ内入札とウォーターフォールの主な違いは?

ウォーターフォールモデルでは、パブリッシャーは広告ネットワークごとに各インプレッションの価値を設定し、価格設定をコントロールすることができます。しかし、このプロセスには多くの手作業が求められます。パブリッシャーは価格帯ごとにフィルレートとレイテンシを最適化し、地域固有の設定を行い、ユーザーデータの可用性を調整してLATやIDFAを使用するユーザーへの最適化など季節や環境要因に適応する必要があります。

対照的にアプリ内入札では、すべてのバイヤーが同時に入札を行うことができ、ウォーターフォールモデルのように固定レートに依存するのではなく、それぞれパフォーマンスに基づいて支出を最適化することができます。しかし、こうしたリアルタイムの入札を管理するのは容易ではありません。そこでこの課題に対処するため、多くのパフォーマンス重視のバイヤーは、機械学習(ML)を活用してターゲティングと入札を自動化し、プロセスを効率化するMolocoのようなプラットフォームを利用しています。

パフォーマンスに違いがあるか?

ウォーターフォールモデルを使用する場合、広告ネットワークに何度も入札する必要があり、何百ものラインアイテムをひとつずつ確認しながら広告の表示を試みます。これに対してアプリ内入札では、このような逐次的なプロセスがなくなり、より合理的で非常に高速なオークションが可能になります。ウォーターフォールのSDKからアプリ内入札のSDKに移行したパブリッシャーは、観測されたほぼすべてのケースでARPDAUの向上に成功しており、メディアコストやインプレッションを増やさなくても同様の結果が得られました。また、手作業による最適化にかかる時間とリソースを節約することで、開発者はプロダクトの強化やユーザー獲得の取り組み、ユーザー体験の向上など、ビジネスの成長を促す他の分野に専念できるようになります。

アプリ内入札を採用せず、ウォーターフォールに固執するパブリッシャーがいる理由とは?

ここ数年、アドテック業界ではアプリ内入札とウォーターフォールの選択についてさかんに議論されていますが、私の経験からすると、正解は「場合による」です。

一部のパブリッシャーはウォーターフォールモデルを使用し続けていますが、その理由として、ウォーターフォール方式では価格設定をコントロールし、ビジネス目標に従ってネットワークの優先順位を決められることが挙げられます。例えばブランド広告主は、「認知度」のようなトップ・オブ・ファネルのKPIを目標とすることが多く、その結果、パフォーマンス重視の広告主やMolocoのようなネットワークで使用される指標とは大きく異なる予算配分が行われます。この場合、手動で価格を設定できることで、このような需要に効果的に応えられます。しかし、ウォーターフォールの設定が不十分だと、在庫に対する出費の効果が制限される可能性があることに注意する必要があります。このような非効率性により、パフォーマンス重視の広告主や広告ネットワークは、これらの在庫への入札を制限したり、停止したりする可能性があり、パブリッシャーのARPDAUに大きな悪影響がもたらされかねません。

私自身の観察によると、広告主はますますパフォーマンス主導のキャンペーンを優先する傾向が見られ、Molocoでは、このようなアプリ内入札の人気の高まりと広告主間の競争の激化により、パブリッシャーの収益が大幅に押し上げられているのを目の当たりにしています。さらに、アプリ内入札を通じてトラフィックを購入することで、Molocoのようなパートナーは、より正確な勝敗通知シグナルなどの貴重なシグナルを取得してオークション価格をより正確に予測し、結果的に広告主のパフォーマンスを向上させることができます。すべてのアドエクスチェンジやDSPがそうとは限りませんが、これは特にMolocoのパートナーに当てはまることが証明されています。Molocoのパートナーの多くが、Molocoの機械学習モデルによって作業を自動化し、より高い広告費用対効果が得られることからMolocoのプラットフォームを使用しています。

アプリ内入札によって機械学習モデルの予測を最適化できる理由について、もう少し詳しく教えてください

前述のように、アプリ内入札では機械学習モデルのトレーニングを強化する追加シグナルが得られるだけでなく、ウォーターフォール方式と比べて入札プロセスを大幅に簡素化できます。ウォーターフォール方式では、1件のインプレッションに対して複数の重複する入札リクエストが送信されることが多く、不要なノイズが発生します。一方、アプリ内入札では、パブリッシャーは各インプレッションに対して単一の統合されたリクエストを送信することができ、そのような非効率性を排除できます。

このような合理的な方法によって、より高い計算能力を利用して Molocoの機械学習モデルを進化させることが可能になります。重複したリクエストが減ることで正当な入札を処理することに集中できるようになり、効率が全体的に向上するのです。

より高い計算能力を得ることによって、より洗練されたアルゴリズムを実装して各インプレッションの価値に影響を与えるさまざまな要因を評価することができます。これらのモデルは、過去のデータとコンテキストに関するシグナルをリアルタイムで分析し、より正確な予測を導き出します。

その結果、現在のデータと今後のトレンドの予測に基づいて入札が最適化され、入札プロセスがよりダイナミックになります。この機能により、パブリッシャーがより高い収益を上げながら、広告主へのリターンを最大化するスマートな入札決定を行うことが可能になります。全体として、このようにリソースを効率的に活用するこでMolocoの入札プラットフォームの有効性を大幅に強化できます。

Molocoがアプリ内入札を使用するパブリッシャーにより高い成果をもたらすことができる理由とは?

前にも述べたように、Molocoは広告主が広告費用対効果を最適化するのに役立つ、機械学習モデルをベースにした広告プラットフォームを構築しました。

これが実際に何を意味するかというと、私たちの機械学習モデルは、Molocoのプラットフォーム上で発生した何百万もの入札と購入から成るパフォーマンスデータに基づいて訓練されているということです。つまり、このような学習の結果がオーディエンス・ターゲティングとインプレッションごとの価格設定の予測に反映され、バイヤーがより高い成果を得てROASを向上させるのに役立つのです。

これにより、より高いパフォーマンス、より高度な学習、よりスマートなモデル、広告費の増加というサイクルが繰り返され、パブリッシャーにも利益がもたらされます。パブリッシャーは、ユーザーの興味にマッチしたより質の高い広告を表示し、広告費のエコシステム全体でより多くの収益を得ることができます。

Moloco SDKの詳細に興味がおありでしたら、ぜひご連絡ください。

Yoni Markovizky

Global Head of Supply, Moloco

SEE MORE
Dark blue arrow to learn more about the subject
エディターのおすすめブログ
ピークシーズンに備えて:収益を最大化するための4つの原則ピークシーズンに備えて:収益を最大化するための4つの原則

業界の専門家によるインサイトを参考に、ユーザーエクスペリエンスの向上、広告ネットワークの拡大、アプリ内入札の採用、ピーク時の広告需要を獲得するための技術的な準備の徹底を通じてホリデーシーズンの収益を最大化する方法をご紹介します。

続きを読む
White arrow to learn more about the subject

さらに詳しく知りたい方はこちら

Molocoの新着情報

arrow top