この記事はTC Brand Studioが提供しています。これは有料コンテンツであり、TechCrunch編集部はこの記事の制作に関与していません。TC Brand Studioとの提携について詳しくは、お気軽にお問い合わせください。
協賛：
デジタル広告は常に精度を約束してきましたが、コンテクスチュアルターゲティングは一貫して期待に応えられませんでした。長年にわたり、広告主は、セレブの結婚式に関する記事の横にウェディングドレスの広告を表示したり、東南アジアを格安でバックパッキングするガイドの横にクルーズパッケージの広告を表示したりするような、粗雑なシステムに苦戦してきました。根本的な問題は、従来のシステムがコンテンツをどのように理解するかにありました。
現在、生成 AI がその方程式を完全に変えつつあります。
従来のコンテキストターゲティングが失敗する理由
従来の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、ドメイン分類、そして基本的な感情分析に依存しています。こうした表面的なアプローチは、コンテキストと意図を区別できないため、常に的外れな結果をもたらします。
キーワードベースのターゲティングでは、「ヨーロッパの低予算旅行先」に関する記事がプレミアム旅行インベントリとしてフラグ付けされる可能性がありますが、その予算を完全に見落としていると、低予算のバックパッカーとあまり知られていない旅行先を探している家族連れでは意味合いが全く異なります。ドメインレベルの分類では、ニュースサイトのすべてのコンテンツを同等の価値として扱い、真の購入意欲を喚起する記事もあれば、情報提供のみにとどまる記事もあるという点を無視してしまいます。
「燃費」をテーマとした自動車レビューには、一般的な自動車広告が掲載されてしまい、初めてハイブリッド車を購入しようと検討している人と、運用コストを評価しているフリート管理者の違いが見落とされてしまいます。こうした手法では、何が議論されているかは特定できますが、読者がなぜそれを読んでいるのか、そして次に何をするのかは特定できません。
生成AIの転換：言葉から意味へ
大規模言語モデルは、機械がテキストを理解する方法を根本的に変えました。統計的パターンと事前定義されたカテゴリに依存する従来の自然言語処理とは異なり、LLMは意味、暗黙的な文脈、さらにはユーザーの動機までも解釈できます。
従来のシステムでは「住宅ローンの借り換え」と認識すると、コンテキストに関係なく金融サービスの広告が表示される可能性がありますが、生成 AI は、借り換えのオプションを比較する記事 (意図が高い) と、市場の低迷時に借り換えが失敗した理由を説明する記事 (意図が低い、ネガティブなコンテキストである可能性がある) を区別できます。
LLMは曖昧さを自然に処理します。秋の「リンゴ狩り」に関する記事は明らかに果物を指し、「Appleの市場シェア拡大」は明らかにテクノロジー企業について言及しています。これにより、キーワードベースのアプローチにありがちなターゲティングの不一致が解消されます。
なぜ今これが重要なのか
プログラマティックエコシステム全体でシグナルロスが加速しています。プライバシー規制、ブラウザ制限、プラットフォームの変更により、ターゲティングに利用可能な行動データが全体的に減少しています。ジェネレーティブAIは、個人データの収集を必要とせずに、オープンウェブ全体でインテント認識を拡張するための道筋を提供します。
IntentGPTの実際の様子
IntentGPTは、これらの原則が本番システムにどのように適用されるかを示しています。RTB Houseのディープラーニングスタックのコンポーネントは、2つのコア要素で構成されています。
IntentGPT Hyperspecific URLは、強い購買意欲シグナルに直接対応するURLを特定することで、極めて高精度なターゲティングを実現します。このシステムは、大まかなカテゴリターゲティングではなく、詳細なセマンティック分析を用いて、ユーザーが特定の商品に真の関心を示しているページを特定します。これにより、関連性の低い広告枠への無駄なインプレッションを回避し、エンゲージメントの可能性が最も高いユーザーに焦点を絞ることができます。
特定のURLにオファーをマッチングすることで、適切な商品が適切なコンテキストに表示されるようになります。IntentGPTは、ウェブコンテンツの意味を分析することで、広告主のフィードから最も関連性の高い商品をインテリジェントに選択し、インテントの高い特定のURLと組み合わせます。
このシステムは高度なプロセスを経て動作します。広告主の商品フィードからデータを抽出し、大規模言語モデルに高度なプロンプトエンジニアリングを適用し、独自のアルゴリズムを適用して関連性の高い記事を事前に選択します。その後、カスタムLLMパイプラインがこれらの記事をセマンティックコンテキストに基づいて分析・スコアリングし、真のユーザー意図を判断します。
意図検証を通過した記事は構造化データベースに追加され、最も関連性の高い商品と特定のURLがマッチングされます。このIntentGPT Insights Baseは、エンゲージメントキャンペーンとリターゲティングの両方において、RTB Houseのディープラーニングエコシステムに統合されています。
IntentGPT は、より優れた意図検出、より正確なオーディエンス マッチング、真に関連性の高い広告エクスペリエンスを通じて、従来のコンテキスト ターゲティング方法と比較して平均エンゲージメントを 44% 増加させます。
これは標準になるのでしょうか?
プログラマティック広告におけるAIの活用は、コンテクスチュアルターゲティングにとどまらず、クリエイティブの最適化、メディアプランニング、キャンペーン戦略にも影響を与えています。特にコンテクスチュアルターゲティングにおいては、AIを活用したシステムは従来の行動ターゲティングに匹敵する、あるいはそれを上回るパフォーマンスレベルを達成できることが、初期段階の成果から示唆されています。
重要な課題は、これらの機能をプログラマティック規模で運用化することです。リアルタイム入札環境では100ミリ秒未満の意思決定が求められるため、AI分析は高度かつ極めて高速である必要があります。
ディープラーニング インフラストラクチャと生成 AI 機能の統合は、コンテンツの理解とユーザーの意図の検出に対する AI ネイティブ アプローチを中心としたフレームワークを再構築するという、次の進化を表しています。
前進への道
生成AIは、ユーザーの意図やコンテンツの意味を大規模に理解できないという課題を解決する可能性を秘めています。しかし、この可能性を実現するには、高度な分析を維持しながら、プログラムによる大規模運用が可能なシステムを構築する必要があります。
IntentGPT のようなシステムは、このバランスが達成可能であることを実証し、AI 強化コンテキスト ターゲティングがプログラマティック広告の制約内で動作しながら、測定可能なほど優れた結果をもたらす方法を示しています。
生成AIによる変革は、ユーザー、パブリッシャー、そして広告主のすべてにメリットをもたらす、よりインテリジェントでプライバシーに配慮した広告への根本的な転換を意味します。この移行を成功させる企業が、プログラマティック広告の次世代を決定づけるでしょう。
IntentGPT がターゲティング戦略をどのように再定義できるかを学びます。
業界最大のテクノロジーニュースを購読する
