AI画像解析と運用型クリエイティブによる効果改善

2018/9/7

 

【要素ラベルの傾向③】

■特徴的な要素ラベル(CTR×CVR)
・Beauty(0.01%)⇒ 平均値より低いため不調要素として判断
・smile(0.01%)⇒ 平均値より低いため不調要素として判断
・hair coloring(0.01%)⇒ 平均値より低いため不調要素として判断
・brown hair(0.01%)⇒ 平均値より低いため不調要素として判断
・eyelash(0.01%)⇒ 平均値より低いため不調要素として判断


■考察・仮説
対象ラベルの共通バナーに人物モデル(女性)が入っている。
人物モデル(女性)押しは、効果が見えづらいため、クリエイティブ精査対象として検討する。

【ラベル分析をもとに新クリエイティブを作成】

(before)

↓↓

(after)

・果物、柑橘を使ったクリエイティブを追加制作
・背景色(ピンク、ブルー)のバナーを追加制作

【新クリエイティブの配信結果】

■前後比較

・4/1~4/30 CTR×CVR平均値 0.03%  (既存クリエイティブ)
・6/13~7/13 CTR×CVR平均値 0.06% (新クリエイティブ導入後)

※ラベル全体数値サマリーは、新クリエイティブ導入後に約2倍改善傾向

 

■4月時点の仮説

CTR×CVRが高いfruit、citrusのimpを増やす(ラベルの占有率を増やす)ことで全体のCTR×CVR(0.03%)も上がるのでは。

 

■6月、7月の結果

全体のCTR×CVRが2倍に上昇(0.06%)。fruit、citrusの相対的な位置もポジティブ(右に)移動。

【実際にどれほどの効果が出たのか】

新規クリエイティブを追加したタイミングから前後比較

・追加前の2週間が全体獲得で26件 配信cost:約70万
・追加後の2週間が71件まで増加 配信cost:約86万

 

CV数が追加前後で45件(約2.7倍)増加

【まとめ】

AI画像解析を活用した体系的な評価手法により、次に展開すべきクリエイティブ訴求の方向性を見出すことが可能になります。また、これらの示唆がクリエイティブの「質」の向上に紐付きます。

ちょうど今週開催されたAdobe Symposium 2018では、Video Ad AIが紹介され非常に話題になっていました。(人気投票1位、「#ビデオ広告AI」でTwitter検索していただくと反応見れると思います。)

AI画像解析ではデータを作り出すことは可能ですが、そのデータの活用、分析をするにはノウハウが必要です。クリエイティブ分析、PDCA戦略設計についてお困りでしたら、ぜひご相談下さい。

1 2
ご相談はこちら
photo

ライター:毛涯 拓実


デジタルマーケティング本部 クリエイティブコンサルティング部所属。
2015年入社。WEBディレクター

教育業界、旅行業界を中心に、クリエイティブの制作、立案、改善を担う。
現在はテクノロジーを活用した、属人化しないクリエイティブ解析に奮闘中。

Contents

ico人気記事