「運用型広告」に関連する記事一覧

1～20件(全20件)

  • コンテンツ訪問者と同時期掲載の運用型広告クリックユーザーの重複状況【ヤフーのデータが語る】

    コンテンツマーケティングと運用型広告の併用メリット 　コンテンツ訪問者と同時期の運用型広告クリックユーザーの重複状況を示した図

    2016/06/25

  • コンテンツ訪問者の過去3ヵ月間の運用型広告のクリック経験【ヤフーのデータが語る】

    コンテンツマーケティングと運用型広告の併用メリット 　コンテンツ訪問者について、コンテンツ公開前の過去3ヵ月間、Yahoo! JAPANに掲載された画像・テキスト形式のすべての運用型広告（森下仁丹の広告だけでなく、掲載されたすべての企業の広告）のクリック行動を調べてみたところ、いずれもクリックしていない人が28%、検索連動型広告をクリックしていない人が46%といずれも高い割合に。

    2016/06/25

  • コンテンツ訪問者の興味・関心カテゴリー【ヤフーのデータが語る】

    コンテンツマーケティングと運用型広告の併用メリット 　コンテンツ訪問者と運用型広告のユーザーそれぞれついて、過去のWeb上の行動をベースにユーザーに付与された興味・関心カテゴリーのうち特徴的なものを抽出した表。

    2016/06/25

  • コンテンツ訪問者の検索行動の変化【ヤフーのデータが語る】

    コンテンツマーケティングと運用型広告の併用メリット 　コンテンツ訪問によってユーザーの興味がどのように変化したのかを確認するために、検索データを用いた検証を実施したところ、コンテンツ訪問前後で、ブランド関連のキーワード検索が大きく増加の傾向を見せた。

    2016/06/25

  • 運用型広告クリックユーザーの検索行動の変化【ヤフーのデータが語る】

    コンテンツマーケティングと運用型広告の併用メリット 　運用型広告クリックユーザーの検索行動と比較してみたところ、コンテンツ訪問者は訪問前後で検索が大きく増加していたのに対して、運用型広告のクリックユーザーはクリック後に関連するキーワードの検索が大幅に減少の傾向。

    2016/06/25

  • コンテンツ訪問による商品購入率【ヤフーのデータが語る】

    コンテンツマーケティングと運用型広告の併用メリット 　コンテンツマーケティングによる実購入への影響を確認するため、広告主が運営するオンラインショップでのコンテンツ訪問者の商品購入状況を施策実施期間で比較した。その結果、コンテンツ公開期間中は5倍に上昇し、しかも、当該期間中の購入者のうち92%は過去1年以内にオンラインショップでの購入履歴がまったくなかった。

    2016/06/25

  • データの種類【ヤフーのデータが語る】

    データの価値は“ゴールの説明力”で決まる 　「データ」と言っても、その内容は多種多様。たとえばユーザーに紐付く性別、年齢、居住地域などの構造化された属性データや、検索ログ、閲覧ログ、広告クリックログなどの半構造化された行動データ、画像やビデオなどの非構造化データなどがある。

    2016/07/25

  • YDNのターゲティング商品ごとの平均入札価格【ヤフーのデータが語る】

    データの価値は“ゴールの説明力”で決まる 　Yahoo!ディスプレイアドネットワーク（YDN）のターゲティング商品の平均入札価格のグ ラフ。グラフからは、サイトリターゲティングが一番高く、次に地域ターゲティング、サーチターゲティング、年齢ターゲティング、最後に性別ターゲティングとなっていることがわかる。

    2016/07/25

  • 事業者ごとの各種データによる説明精度【ヤフーのデータが語る】

    データの価値は“ゴールの説明力”で決まる 　それぞれのデータでユーザー単価を説明したときの精度をグラフ化。ALLはすべてのデータを利用して分析した結果で、その説明精度を100% としている。結果が示すように、それぞれの事業者にとって、説明精度（予測精度）の向上に寄与するデータの種類が異なることがわかる。

    2016/07/25

  • 理解からアクションへ【ヤフーのデータが語る】

    データの価値は“ゴールの説明力”で決まる 　事業者にとっては、どのようなデータが重要であるかを理解して終わりでは意味がない。そこから、どのようなアクションを起こせるかが最も重要。

    2016/07/25

  • 勘と経験以上のことがデータで可視化できる【ヤフーのデータが語る】

    データの価値は“ゴールの説明力”で決まる 　マーケティングにおけるビッグデータ活用の貢献は「データによって理解可能になったもの」と「勘や経験」との差が広がれば広がるほど、大きくなると考えられる。

    2016/07/25

  • KPIのツリー構造【ヤフーのデータが語る】

    検索連動型広告におけるKPI モニタリングのシンプルさと複雑さ 　検索連動型広告のKPI モニタリングは、複数のKPI をKGI（KeyGoal Indicator：重要目標達成指標）を頂点とするシンプルなツリー構造で表現することにより、どこに変化があったのかが瞬時に把握できるように なっている。

    2016/08/25

  • RPS分解式【ヤフーのデータが語る】

    検索連動型広告におけるKPI モニタリングのシンプルさと複雑さ 　KGIである売上は検索数とRPS（Revenue per Search：検索１回あたりの売上）に分解される。つまり、検索数とRPSを掛け合わせると売上になる。検索数はネットユーザーの行動（検索）を表現する指標で、RPS は検索連動型広告の配信アルゴリズムのパフォーマンスを表す指標である。次に、RPSはCPC（Cost Per Click：クリック単価） とClick Yield（クリックイールド：１検索あたりのクリック数）に分解...

    2016/08/25

  • CTRの構成式【ヤフーのデータが語る】

    検索連動型広告におけるKPI モニタリングのシンプルさと複雑さ 　全体のCTRは「広告主ごとのクリック数の合算」を「広告主ごとのインプレッション数（広告表示回数）の 合算」で割った指標である。

    2016/08/25

  • 広告主ごとのCTRが変化した場合【ヤフーのデータが語る】

    検索連動型広告におけるKPI モニタリングのシンプルさと複雑さ 　各広告主のCTR がそれぞれ10% → 12%、20% → 24%、30% → 36% と上昇し、結果として全体のCTR が20% → 24% に上昇するケースであれば個々の広告主のCTR上昇と捉えられる。

    2016/08/25

  • 広告主ごとのCTR は全く変化せず、合成比率が変化した場合【ヤフーのデータが語る】

    検索連動型広告におけるKPI モニタリングのシンプルさと複雑さ 　個々の広告主のCTR に変化はないのだが、その合成比率が変わったことによって全体のCTRが20% → 24% に上昇するということがあり得る。これが全体のCTRが上昇したからといって要素である個々の広告主のCTR が上昇したとは限らない。

    2016/08/25

  • 構成要素の変化を加味した工夫【ヤフーのデータが語る】

    検索連動型広告におけるKPI モニタリングのシンプルさと複雑さ 　マーケティングにおけるビッグデータ活用の貢献は「データによって理解可能になったもの」と「勘や経験」との差が広がれば広がるほど、大きくなると考えられる。

    2016/08/25

  • 高所得者層を特徴付ける検索語（一部抜粋）【ヤフーのデータが語る】

    物語からデータベースへ　“属性を 束ねて” 顧客像をより具体化する 　アンケート回答より年収 1,500万円以上を高所得者層と定義し、高所得者層とそれ以外との検 索語の違いを比較した図。

    2016/09/25

  • ターゲットに特徴的な検索語を抽出【ヤフーのデータが語る】

    物語からデータベースへ　“属性を 束ねて” 顧客像をより具体化する 　「ボーイズラブ」を検索したユーザーがその他のユーザーと比較して検索しやすいキーワー ドを抽出することで、腐女子が検索しがちな検索ワードを特定。

    2016/09/25

  • 新しいマーケティング手法【ヤフーのデータが語る】

    物語からデータベースへ　“属性を 束ねて” 顧客像をより具体化する 　従来型のペルソナマーケティングは、ターゲット顧客という形で統合されたひとつの顧客イメージを作成し、その顧客に対して広告をはじめとするプロモーションを展開する。一方で、本稿で見てきたプロモーション設計は、統合された顧客像を想定せず、「ある特定のワードを検索した」「Web上である特定の行動をとった」などの要素の組み合わせでしかない。要素を網羅的に収集するが、それらを体系化して統一の顧客像を描かない。

    2016/09/25
1～20件(全20件)