プライバシーファーストのターゲティング：サードパーティCookieに依存しないアドテク構築

ある大手DSPは、Chromeがサードパーティcookieの完全廃止を適用した翌週にオーディエンスのマッチ率を計測しました。72%から31%へ、一夜で低下していました。

最も早く立ち直ったチームは、複数シグナルに対応したターゲティングのパイプラインをすでに構築していました。それ以外のチームは、後追いの改修に数か月を費やしました。

最も価値の高いターゲティングシグナルとしてファーストパーティデータを取り込む

ロイヤルティプログラム、ログインを伴う体験、ニュースレター購読などを通じてユーザーと直接つながっている企業が、プログラマティック広告で最も価値あるデータを保有しています。

認証済みのファーストパーティシグナルを取り込むDSPは、確率的セグメントに依存するDSPより20〜40%多くのインプレッションをマッチングできます。必要なエンジニアリング作業は次のとおりです：

• ハッシュ化されたメールアドレス、ログインイベント、パブリッシャー提供IDを受け付ける柔軟なID解決パイプライン
• 生のユーザーデータがシステム境界を越えないようにするPIIの分離境界——アドエクスチェンジがハッシュ化前の識別子を見ることはありません
• 数時間で陳腐化するバッチ計算のセグメントではなく、入札時点でセグメントをリアルタイムに評価します
• DSP側のスキーマ変更を伴わずにカスタムタクソノミーを取り込める、パブリッシャー向けデータオンボーディングAPI

ユーザー単位のターゲティング精度に匹敵するコンテクスチュアルAIを導入する

コンテクスチュアルターゲティングはキーワードマッチングをはるかに超えて進化しました。Transformerベースのモデルがページ全体の意味 - トピック、センチメント、ブランドセーフティのシグナル - を解析し、多くのキャンペーン種別でユーザー単位データに匹敵するオーディエンスターゲティング精度を実現します。

アドテックの開発チームにとっての利点は、コンテクスチュアルシグナルがユーザーデータも、複雑な同意管理も、規制上のリスクも必要としない点です。制約は、広告リクエストの時点で推論を完了させなければならないことです。

• すべての入札評価に5msを加えるコンテクスチュアル分類器は、タイムアウトが10msのリアルタイムビディングプラットフォームには遅すぎます
• クロール時にパブリッシャーのページを事前分類することで、リアルタイムのオーバーヘッドを0.5ms未満のキャッシュ参照に抑えます
• 広告主固有のブランドセーフティ要件で学習したセマンティックモデルは、関連性指標で汎用の分類器を15〜25%上回ります

コンテクスチュアルAIは、ユーザーデータなしでターゲティングを実現します。エンジニアリング上のコストはプライバシー対応ではなく推論速度です。

実用段階に達した3つのプライバシー強化技術を統合する

プライバシー強化技術（PETs）は、現在3つのカテゴリーが本番で稼働しています。

• オンデバイス処理——ML推論をユーザーの端末上で実行し、アドエクスチェンジへは集計済みシグナルのみを送ります。AppleのSKAdNetworkとGoogleのTopics APIはこの方式です。
• クリーンルーム - デマンドサイドプラットフォームとサプライサイドプラットフォームの双方の開発チームは、生のユーザーデータを互いに開示せずファーストパーティデータを突合するためにクリーンルームを使います。この突合をリアルタイムビディングの判断に間に合う速度で行うことが、エンジニアリング上の中心的な課題です。
• 差分プライバシー - 集計データに調整したノイズを加え、個々のユーザーの特定を防ぎます。ユーザー単位の厳密な精度が不要な計測やレポーティングに有効です。

サプライサイドプラットフォームの収益化課題を解く

パブリッシャーには固有の課題があります。オークションチェーン上のすべての入札者にユーザーデータを漏らさずに、インベントリを収益化することです。

セラー定義オーディエンスにより、サプライサイドプラットフォームは自社ユーザーを独自にセグメント分類し、個人を特定せずにそのセグメントをバイヤーへ提供できます。実装には次が必要です：

• パブリッシャーのファーストパーティデータ上で、独自のオーディエンス分類モデルを走らせるSSP
• バイヤーの期待に合致するセグメントタクソノミー：IAB Content Taxonomy 3.0を基準とします
• セグメントのシグナルは、オークションにレイテンシを加えずに入札リクエストへ載せます。オーバーヘッドは1ms未満が目標です

ブラウザシグナルが存在しないモバイルアプリ環境に対応する

アプリ内インプレッションにはブラウザレベルのシグナルが一切ありません。iOSのIDFAはオプトイン方式で、同意率はおよそ25%です。

モバイルで有効なオーディエンスターゲティングを実現するには、次への投資が必要です：

• SDKレベルのコンテキストシグナル：アプリカテゴリ、セッションの深さ、アプリ内の行動パターン
• 生の行動データを送信せずにユーザー意図をスコアリングする、オンデバイス推論モデル
• ピクセルベースの計測に代わる、サーバー間アトリビューションのコールバック。コールバックはインプレッションから数分〜数時間後に届くため、信頼性の高いインフラ、重複排除ロジック、遅延を許容する設計が必要です
• ウェブとは操作パターンが大きく異なるアプリ内環境向けに、専用に再学習したクリック率モデル

次のターゲティング変化にも耐える柔軟なパイプラインを構築する

ターゲティングの前提は今も四半期ごとに動きます。単一の手法を前提に硬直したパイプラインを組んだエンジニアリングチームは、高コストな作り直しに直面します。

• ファーストパーティ、コンテクスチュアル、コホートベースなど複数種のシグナルを統一インターフェースで受け入れる取り込み層を構築する
• 認証済みと匿名の両方の文脈で機能するアイデンティティ解決に投資する
• 計測基盤は報告のための後付けではなく、第一級のエンジニアリング課題として扱う
• プライバシー関連の計算はすべて、オークションのタイムアウト予算に照らしてベンチマークする