Data Science ツールキット - カスタム モデルを使用した入札評価
このドキュメントでは、広告申込情報のさまざまなGoalsと収益の種類を設定すると、最終的な入札評価 (BV) にどのように影響するかを説明します。 カスタム モデルのしくみの一般的な理解が必要です。
概要
カスタム モデルは、Xandr API を通じてデータ サイエンティストが、複数の Bonsai デシジョン ツリーやロジスティック回帰モデルを拡張広告申込情報またはキャンペーンにカスタム購入戦略として関連付けることによって、入札評価モデルの特定の部分を分割できるように設計されています。 特定の種類のモデルをインプレッションの期待値計算に関連付けることにより、Xandr 最適化の一部をオーバーライドし、独自のモデルがカバーしていない評価の側面のみをシステムが処理できるようにすることができます。
このページでは、ALI のさまざまなGoalsと収益の種類を設定すると、入札評価にどのような影響を与えるかについて説明します。
入札評価式
最終的な入札価格は、期待値 (EV)、ケイデンス修飾子、入札修飾子、アダプティブ ペーシングの積です。 この数式は、次のように表すことができます。
アダプティブ ペーシングのユーザーを除き、入札価格の各コンポーネントをカスタマイズするオプションがあります。
予期される値 (EV)
変数の期待値 (EV) は、入札値に影響を与える可能性のあるすべての要因の合計として説明され、それぞれに発生確率が乗算されます。
EV = ( Val(Event) * Pr(Event) )
上 Val(Event) の式では、イベントの値を表し、 Pr(Event) 発生するイベントの確率を表します。
メディア購入の場合、EV は 1 つのイベント (表示インプレッション、ユーザー クリック、ユーザーコンバージョンなど) にリンクされます。このイベントは、購入者に対して特定の値 (変数) を Val(Event) 持ちます。 値は Val(Event) 、顧客の有効期間の値など、特定の要因によって、時間の経過と同時に固定または蓄積される可能性があります。
最適化モデルでは、クライアントはインプレッションの EV を完全に予測するか、Xandr 最適化入札値を変更するように求められます。 ただし、ほとんどの場合、クライアントは、モデル化できるデータに基づいて EV 計算の一部のみを提供することを望む場合があります。ただし、データが限られている場合は、計算全体を置き換える必要はありません。 カスタム モデルによってこの問題が解決され、クライアントは最適化方程式の特定のコンポーネントをオーバーライドできます。
EV には、1 つのモデル型の値、または複数のモデル型の積を指定できます。 EV の計算は、行項目に設定されている目標の種類によって異なります。 たとえば、拡張広告申込情報に目標の種類の CPC がある場合、EV はカスタム モデルまたはカスタム モデル、またはその両方でclick_imp構成ev_clickできます。
評価モデルの例
上記の EV 数式を展開すると、行項目に CPC 目標タイプが設定されていると仮定すると、数式は次のように表示されます。
EV = Pr(Click | Impression) * R
ここで、
Pr(Click | Impression)= クリックの確率(インプレッションが与えられた場合)R= ユーザーがクリックした場合に戻ることが予想されます
オフライン要因を使用した予想評価モデル
オンライン イベント (Pr(offline event | online event)) を指定したクライアント固有のオフライン イベントの確率は、Xandr が構築できるモデルではありません。 これらの種類のモデルには の固定以外の R値が含まれるため、多数の条件付きコンポーネント モデルの種類を拡張広告申込情報またはキャンペーンに関連付けることができます。 "custom_models' 配列フィールドを使用して、特定のインプレッションの EV の計算に影響を与えることができます。 グループ設定に custom_models 特定のモデルが関連付けられていない場合は、既定値または Xandr 派生値が計算に使用されます。
ケイデンス修飾子
ケイデンス修飾子は、頻度 (ユーザーがクリエイティブを見た回数) とリジェンシー (ユーザーが最後にクリエイティブを見てから経過した時間) に基づいて入札額を調整します。
入札条件
インプレッションに対する入札額を乗算する金額。
アダプティブ ペーシング
アダプティブ ペーシングは、行項目のペーシングを制御し、過剰な支払いを防ぎます。 広告申込情報の 1 日の予算 (Xandr によって自動的に生成されるか、ユーザーが手動で入力) を使用して、広告主のドルが 1 日を通して均等に分配されるように、理想的な支出曲線が計算されます。 動的に計算された入札乗数が入札に適用され、支出額が制御されます。 広告申込情報がターゲットの配信に簡単に達している場合、入札修飾子は入札を日陰にしますが、配信に影響を受けないようにします。 広告申込情報がターゲット配信を満たしていない場合、アダプティブ ペーシングでは、ターゲットの支出を満たすために、入札額が少なくなるか、まったくシェーディングされません。
コンポーネント モデルの種類と既定値
目標タイプごとに期待値がどのように計算されるかを説明する前に、 拡張された明細に関連付けるために使用できるさまざまな種類のコンポーネント モデルに注意することが重要です。
これらは、サポートされている現在のモデル型です。 これらは、Bonsai デシジョン ツリーまたはロジスティック回帰モデルとして表すことができます。
以下のセクションで説明するように、期待値計算に適格なコンポーネント モデルが含まれていない場合、Xandr によって既定値が提供されます。
| ID | 名前 | 説明 | 既定値 (行項目に関連付けられていない場合) |
|---|---|---|---|
| 1 | expected_value |
現在の期待値モデル EV(imp) - $1 CPM は 1000 として表されます |
EV の計算は、行項目に設定された目標の種類に基づいて変更されます。 品目にモデルが expected_value 存在すると、その EV 方程式が実質的に goal_type オーバーライドされます。 |
| 2 | creative_selection |
現在のクリエイティブ選択モデル | 一様ランダム選択。 詳細については、 クリエイティブ選択モデルに関するドキュメントを参照してください。 |
| 3 | ev_click |
EV(クリック) - クリックあたりのコスト - $1 CPC は 1000 として表されます |
目標クリック単価 |
| 4 | click_imp |
しきい値と予測 p に使用できる CTR モデル (クリック | imp) | 組み込みの CTR 予測 |
| 5 | ev_conv |
EV(conv) - 有効期間値 (LTV) またはバスケット サイズ モデル (コンバージョンあたりの $) - コンバージョン単価 - $1 CPC は 1000 として表されます |
目標コンバージョン単価 |
| 6 | conv_imp |
p(conv | imp) - ポストビューの conv rate モデル | 組み込みの conv 予測 |
| 7 | conv_click |
p(conv | click) | 組み込みのクリックコンバージョン予測 |
| 8 | bid_modifier |
任意の修飾子を適用できるようにします | 1 |
| 9 | nonvaluation |
カスタム マクロの場合は、状態とその他の評価以外のノードを学習します | N/A (評価には影響しません)。 現在、標準フィード LLD レポートで を介して leaf_name使用されています。 詳細については、 非評価カスタム モデルの ドキュメントを参照してください。 |
| 10 | cadence |
ケイデンス モデルの場合 | ケイデンスが有効な場合はケイデンス モデル、無効の場合は 1。 学習では、ケイデンス乗数は 1 に制限されます。 |
目標の種類と期待値
次の表は、行項目の設定が期待値の計算に与 goal_type える影響と、その goal_typeに対して考慮されるコンポーネント モデルの概要を示しています。
| 目標の種類 | 対象となるモデル | EV 数式 |
|---|---|---|
| クリック 単価 | - ev_click- click_imp |
expected_value == ev_click * click_imp |
| 公認 会計士 | - ev_conv- conv_imp |
expected_value == ev_conv * conv_imp |
| Custom | expected_value |
expected_value |
| なし | 該当なし | expected_value は、次のように指定された最大平均 CPM から派生します。- UI: "定額料金を支払う"- API: として行項目に対して line_item.valuation.max_avg_cpm |
任意の目標の種類で有効なモデル
一部のモデルは、目標の種類に関係なく、すべての行項目に関連付けることができます。
ケイデンス モデル
モデルは cadence 、各 goal_typeの期待値方程式に組み込まれます。
注:
Cadence モデルは現在、広告申込情報で既定で設定されており、広告主ごとに Xandr によって自動的に更新されます。
入札修飾子モデル
モデルは bid_modifier 、すべての収益タイプとサービス料金属性が expected_value 適用される前に、計算の最後の段階で適用されます。
クリエイティブ選択ツリー
These ツリーを使用すると、特定のインプレッションに対して配信されるクリエイティブのカスタム選択が可能になります。 詳細については、「 Creative Selection Custom Model 」ページを参照してください。
予期される値
Expected Value モデルは、任意の目標の種類で予想される値の計算をオーバーライドします。 モデルの出力は、期待値として機能します。
非評価
Non-valuation モデルは EV の計算に影響を与えるものではありません。詳細については、 非評価カスタム モデル のドキュメントを参照してください。
収益の種類と入札の計算
広告申込情報で設定されたカスタム モデルと に基づいて goal_type 期待値が計算されている場合、最終的な入札価格は、広告申込情報で設定された収益の種類の影響を受けます。 収益の種類が最終的な入札額にどのように影響するかを確認するには、次の表を参照してください。
| 収益の種類 | 入札者が最終入札を計算する方法 | 入札しない場合... | 対象となる目標の種類 |
|---|---|---|---|
| インプレッション (CPM) | 1. 最小マージンを使用する場合は、明細に設定された CPM 収益額からマージンと手数料を差し引きます。 2. アダプティブ ペーシングで網掛けします。 3. 入札 |
EV は、品目に設定されている CPM 収益額より小さいか、入札値が 0 です。 | すべて |
| Cost Plus Margin | 1. EVからマージンと手数料を差し引きます。 2. アダプティブ ペーシングで網掛けします。 3. 入札 |
入札価格は 0 です。 | すべて |
| コストプラスマージン(ビューごとの支払い) | 1. EV を、広告が表示可能な確率で除算します。 2. マージンと手数料を差し引きます。 3. Xandr imp バスによって提供される eCPM 換算レートを適用します (選択した表示可能な通貨の視認性予測とリスク プレミアムが含まれます)。 4. アダプティブ ペーシングで網掛けします。 5. 入札 |
入札価格は 0 です。 | カスタム、なし |
| dCPM | 1. アダプティブ ペーシングを使用して EV をシェーディングする。 2. 最小平均 CPU と最大平均 CPU の間で、このペースの変化する EV をバインドしました。 3. 最小マージンを使用する場合は、マージンと手数料を差し引きます。 4. 入札 |
入札価格は 0 です。 | すべて |
| クリック 単価 | 1. 行項目に設定された CPC 収益値にクリックの確率に 1000 を乗算して、CPM 収益値を検索します。 2. 最小マージンを使用する場合は、マージンと手数料を差し引きます。 3. アダプティブ ペーシングで網掛けします。 4. 入札 |
EV にクリックの確率を掛けた値は、派生 CPM 収益値よりも小さくなります。または、入札価格が 0 です。 | Xandr CPC (オーバーライドありまたはオーバーライドなし) またはカスタム。 |
| vCPM (インプレッションあたりの支払い) |
1. 品目に設定された CPVM 値にビュースルー率を乗算して CPM 収益値を検索する 2. 最小マージンを使用する場合は、マージンと手数料を差し引きます 3. アダプティブ ペーシングによる入札の網掛け 4. 入札 |
EV にビューの確率を乗算した値は、CPM 収益値よりも小さくなります。または、入札価格が 0 です。 | Xandr CPVM (オーバーライドなし) またはカスタム。 |
| vCPM (ビューごとの支払い) |
1. 行項目に設定された CPVM 値にビュースルー率を乗算して、CPM 収益値を検索します。 2. 最小マージンを使用する場合は、マージンと手数料を差し引きます。 3. AppNexus ImpBus によって提供される eCPM 換算レートを適用します (選択した表示可能な通貨の視認性予測とリスク プレミアムが含まれます)。 4. アダプティブ ペーシングを使用して入札を網掛けする。 5. 入札 |
EV は、CPM 収益値にビュー確率を乗算した値より小さくなります。 | Xandr CPVM (オーバーライドなし) またはカスタム。 |
注:
アダプティブ ペーシングは、行項目のペーシングを制御し、過剰な支払いを防ぎます。 広告申込情報の 1 日の予算 (Xandr によって自動的に生成されるか、ユーザーが手動で入力) を使用して、広告主のドルが 1 日を通して均等に分配されるように、理想的な支出曲線が計算されます。