広告主は何を支払いますか？
インターネットに広告を掲載するには、いくつかの支払いオプションがあります。 広告プラットフォームの最もシンプルで収益性の高いモデルは、CPM（1ミルあたりのコスト-インプレッション1,000回あたりの支払い）です。 支払いは、検索結果ページに広告を表示するためだけのものであることを意味します。 同時に、サイトは広告がどの程度ターゲットにされたか、ユーザーが気に入ったかどうか、広告主が利益を得たかどうかについて責任を負いません。 したがって、広告主にとって、このようなモデルはあまり収益性が高くなく、特に人気がありません。
別のモデルはCPA（アクションごとのコスト）です。 広告主は、製品やサービスの販売など、希望する結果を達成した場合にのみ支払いを行うことを意味します。
これは広告主にとって非常に有益です。なぜなら、彼は利益を上げた場合にのみ支払うからです。 このモデル内の広告サイトには、いくつかの問題がある場合があります。 確かに、たとえ広告が正しくターゲティングされたとしても、ユーザーは製品やサービスに興味を持ち、広告主のWebサイトにアクセスしましたが、購入がすぐに完了する必要はまったくありません。 ユーザーは後で戻るか、電話で注文することができます。
3番目のモデルはPPC（クリックごとの支払い）、クリックごとの支払いです。 これはある種の黄金の平均であり、サイトと広告主の両方にとって同様に有益であると言えます。 広告主は、自分の広告が興味を持っている可能性のあるユーザーに表示されることを確認でき、サイトはコンバージョンを修正するという困難を回避します。 このモデルは主にYandexで使用されます。
広告を選択する方法は？
Yandexでは、主な広告ターゲティングはユーザーのリクエストに基づいています。 ユーザーがクエリを入力したとします[ロストフのプラスチック窓]。 広告が送信されると、広告主はリクエスト内のどのキーワードに対して広告を表示したいかを示します。 しかし、この場合でも、ショーの候補者が多すぎるため、その中から最適な候補を選択する必要があることが判明する場合があります。
どちらを表示するのが良いですか？
発行ページに1つの広告スロットがあるとします。 リクエストに基づいて、ショーの候補者のリストを編集し、それらから最高の3つの広告を選択しました。 1つ目は1000回表示され、100回クリックされました。 2つ目は500回表示され、100回のクリックも収集しました。 そして、インプレッション10,000回で3番目のクリックを300回クリックしました。 クリックの確率を見積もると、広告ごとにそれぞれ10％、20％、3％になります。 明らかに、2番目の広告はユーザーが入力したリクエストに対して最も効果的です。 つまり 3人の広告主すべてがクリックごとに同じ金額を支払う場合、2番目の広告を表示することが最も有益です。
ただし、クリック単価は異なる場合があります。 たとえば、最初の広告主がクリック単価を0.3ドル、2番目を0.1ドル、3番目を2ドルに設定したとします。 この場合、各広告の収益性が変わります。 ベットのクリックの確率を掛けると、次の金額が得られます。最初の広告のインプレッションが1000回の場合、サイトは30ドル、2番目の20ドル、3番目の60ドルを獲得します。 したがって、3番目の広告を表示すると収益性が高まります。 これは非常に単純化されたモデルですが、すべてがどのように機能するかを理解できます。
どれだけ償却するか？
クリックごとにいくらのお金を決定するのですか？ 結局のところ、広告主ごとの利益は異なる場合があります。 最も明白なオプションは、オークションを手配することです。そうすれば、特定のキーワードを使用して広告をオンデマンドで表示するために支払う広告主の金額が明らかになります。 ただし、競合他社が価格を引き上げ、結果として最高入札額を提示した定期的なオークションは、システムのいくつかの機能により、両者にとって不利です。 したがって、2番目の価格のオークションが使用され、入札者も勝ちますが、前の入札者と同額を支払います。
通常、広告主は、広告の各クリックがどれだけ価値があるかについて大まかな考えを持っています。 クリックの値をv、入札をbとして受け入れた場合、bは常にv以下である必要があります。そうでない場合、クリックは広告主に利益をもたらさないためです。 このようなオークションの広告主にとって最も有益な戦略は、bの値をvの値に等しく設定することです。 これは、オークション理論の助けを借りれば簡単に証明できます。
2つの広告主が、広告スロットの1つに広告を配置するために競合するとします。 それらの1つはbをベットし、2番目はb 'をベットします。 勝者が最終的に支払う価格はcで示され、彼が設定したbの値よりも確実に小さくなります。 その値は、負けた参加者の賭けから取られます。 勝者の利益（sで示される）は、式s = p（v-c）を使用して計算できます。pは、表示されたときに広告がクリックされる確率です。 ここで、bをvに設定することが最も有益であることを証明します。 広告主が最初にb> vを設定することは有益ではないため、b <vのシナリオを検討します。 b 'がvより大きい場合、bを置いた参加者は負けて利益を受け取りません。 この場合、bはvより大きくすることはできないため、bの賭けで参加者に勝つ方法はありません。
そして、b 'がvよりも小さく、bよりも大きい場合、最初の参加者は再び負けますが、勝つ機会はありましたが、bをvに等しくします。 bがbより大きく 'vより小さい場合、bはvと等しいかのようにcはbと等しくなります。 したがって、b <vの場合、オークションに勝つ確率は低くなり、勝った結果の最終価格はb 'に等しくなります。
講義を見た後、広告のような一見単純な問題で、機械学習や分散コンピューティングなどの複雑なものが必要な理由もわかります。