2020.06.12 事例
- The Trade Desk
- 広告配信ログ分析
The Trade Deskの広告配信ログを活用したコンバージョン最適化施策【食品メーカー事例】
The Trade Deskの広告配信ログを分析することで、コンバージョン（以下CV）したユーザーの広告接触メディアを把握することが可能です。
その分析結果を基に、効果的な網を張る（＝広告出稿する）ことによって、コンバージョンの最適化を目指すことができます。
The Trade Deskの分析を基にしたコンバージョン最適化施策の一例として、食品メーカーの事例をご紹介いたします。
課題解決のために、過去キャンペーンで配信したThe Trade Deskの広告配信ログを分析し、その分析結果を基に施策へ展開しました。
サマリ
| 目的 | ・ 販促キャンペーン応募獲得 ・ キャンペーンサイト来訪者数増加 ・ SNS投稿のエンゲージメント最大化 |
| 施策 | ・ 過去キャンペーンでCV貢献度の高かったメディアを可視化 ・ 広告施策①：それらのメディアをホワイトリスト化し、バナー広告を配信 ・ 広告施策②：SNS広告においては、ホワイトリストを基にしたターゲティングを設計 ・ 広告施策③：最もCV貢献度の高かったメディアに対して、記事タイアップ広告出稿 |
| 結果 | ・ キャンペーン応募数（CV）：155% up ・ キャンペーン応募率（CVR）：+0.97% ・ サイト来訪率（CTR）：+0.12% ・ エンゲージメント率：+4.6% |
資料ダウンロードはこちら 》
施策設計のための広告配信ログ分析
The Trade Deskでバナー広告を配信した前キャンペーンにおいて、個別メディア単位での分析を実施しました。
The Trade Deskの広告配信ログを活用することで、媒体レポートや3PASレポートではできない、細かい粒度での分析が可能となります。
CVしたユーザーがどんな個別メディアに接触していたかを、広告配信ログから抽出し、貢献度の高かったメディアを複数の角度から分析しました。
１．バスケット分析を活用したメディアの組み合わせ分析
バスケット分析の集計方法を活用し、CV貢献度が高く、かつCVしやすいメディアの組み合わせを可視化しました。
この分析により、CV貢献度の高いメディアに注力配信することはもちろん、記事/タイアップ広告などのリッチ広告を出稿する等の施策を打つことで、効率的なコンバージョン件数の最大化を目指すことができます。
２．機械学習を活用したメディア分析
機械学習による説明変数の重みづけ（≒評価づけ）を活用し、メディア単体におけるコンバージョン貢献度を可視化しました。
左記バスケット分析を活用したメディアの組み合わせ分析と併用することで、コンバージョンに最適な、強力な鉄板メディアの抽出に期待ができます。
分析結果を基にした施策設計と結果
これらの分析を基に、CV貢献度の高いメディアをグルーピングし、ホワイトリストを作成しました。
そのホワイトリストを活用し、以下施策を実施しました。
- バナー広告配信
CV貢献度の高いメディアのみに絞って広告を配信し、獲得効率の最大化を図りました。 - SNS広告のターゲットを選定
CV貢献度の高いメディアを参考に、関連データ、キーワードを活用したターゲティング設計、クリエーティブを含めたコミュニケーション設計を行い、SNS広告を配信することで、獲得効率の最大化はもちろん、エンゲージメント率の最大化を目指しました。
特に、Twitterのハンドルターゲティングやキーワードターゲティングは、頻繁に活用しております。 - 最も貢献度の高いメディアにタイアップ広告を出稿
あらゆる角度でCV貢献度の高かったメディアのみに記事広告を出稿。
まだCVしていないが見込みの高いユーザーへ効率的にリーチすることが可能となりました。記事で伝えることで、より深く訴求することができます。
結果、以下の通りKPIを達成することができました。
The Trade Desk広告配信ログ分析に関しては、分析パッケージのご用意もございます。
資料ダウンロードフォームより、ご確認ください。
その他、案件に応じて分析内容をカスタマイズすることも可能ですので、
ご興味のある方は、以下お問い合わせ先までご連絡ください。
本件に関するお問い合わせ先
株式会社DataCurrent
info@datacurrent.co.jp