■anond:20251023124928

ユーザーの行動履歴を変換したベクトル(ユーザーベクトル)は、最終的にユーザーの属性推定やターゲティング入札のための非常に強力な特徴量として利用されます。

これは、機械学習モデルの基本的な考え方に基づいています。

1. 行動履歴のベクトル化 (Embedding)

まず、ユーザーのウェブサイトでのクリック、検索クエリ、購入履歴、動画視聴などの生の行動データは、そのままでは機械学習モデルで扱えません。これを、意味的な情報を保持した固定長の数値の並び、つまりベクトルに変換します。

得られるベクトルは、ユーザーがどのような興味や関心を持っているかを数値的に表現したものとなります。

例えば、スポーツ用品の購入が多いユーザーのベクトルと、クラシック音楽の視聴が多いユーザーのベクトルは、ベクトル空間上で大きく離れることになります。

2.属性推定への応用

この行動履歴ベクトルを、そのまま機械学習モデルの特徴量 (Feature)として使用します。

行動履歴ベクトルは、ユーザーの顕在的および潜在的な興味を捉えているため、これらの属性と高い相関を持つことが多く、精度の高い属性推定が可能になります。

例えば、「特定ブランドの高級車のウェブページ閲覧」という行動は「高年収」という属性と強く関連づけられるといった具合です。

3. ターゲティング入札への利用

推定された属性情報、またはより直接的に行動履歴ベクトル自体を、広告のターゲティングや入札ロジックに組み込みます。

属性ターゲティングの高度化

推定された「若年層のエンジニア」という属性に対して、特定の採用広告の入札額を上げる。

類似性ターゲティング

ある商品の購入者と行動履歴ベクトルが類似しているユーザー群（Lookalike Audience）に対して、その関連商品の広告を出す。

リアルタイム入札 (RTB) の特徴量

広告オークションの際、このベクトルを特徴量として利用し、広告が表示されたときのコンバージョン確率を予測するモデル（Click-ThroughRate (CTR) や ConversionRate (CVR)予測モデル）の精度を向上させ、最適な入札価格を決定します。

このように、行動履歴をベクトル化するプロセスは、デジタルマーケティングにおけるパーソナライゼーションと収益化の基盤となります。

Permalink |記事への反応(0) | 12:52

ツイートシェア

■[稀ドメインはてブ]2024年4月滅多にホットエントリを出さないドメインからのホットエントリ

ここ1年で初めてはてなブックマーク日毎の総合人気エントリ入りしたドメインからのホットエントリ、ブクマ数順トップ30

Permalink |記事への反応(0) | 11:38

ツイートシェア