広告主のパフォーマンスを高める: Metaの広告ランキングにおけるAIイノベーション

Metaでは、AIの力を生かして利用者の体験改善とビジネスの成果向上に取り組んでいます。AIの活用領域は、広告ツールだけではありません。舞台裏では広告インフラやランキングシステムにも広がっており、広告の関連性、効果、パーソナライゼーションの向上につながっています。Metaでは広告の機械学習モデルについて革新的なアプローチをとっています。それは、人間の洞察力に人工知能のスピードと大規模な処理能力を組み合わせる最先端のテクノロジーを開発して活用するというものです。

広告主のパフォーマンス向上につながっている、広告ランキングのAIイノベーションを4つご紹介します。

1.Meta GEM: スーパーブレイン

生成広告おすすめモデル(GEM)は、数千個のGPUを使ってトレーニングした強力な新しい機械学習モデルで、広告製品の結果最適化によって広告パフォーマンスの改善を実現します。GEMは、広告システムで大量のデータを高速に処理することで、関連性が強く高度にパーソナライズされた広告を提供可能にしたほか、おすすめシステムのパラダイムシフトも実現しました。今年初めにMetaのリールで広告コンバージョンの結果が改善したことを受け、最近、広告システムにおけるGEMの利用を拡大したところです。

イメージ: 「図書館の全蔵書を数秒で読破する」「すべての文字の結び付きを理解する」「あらゆる細部を記憶する」「情報同士を結び付け、ありとあらゆる活動で人間が経験する一連の出来事として理解する」。このすべてが実行できる超高性能の頭脳を思い浮かべてみてください。GEMは、まさにこれと同じことをMetaの広告システムで実行するものです。兆単位の情報を集めて分類、分析、関連付けを行い、途方もない知能と効果を発揮します。MetaのおすすめシステムはGEMを利用することで、膨大なデータを学習し、微細なパターンを読み取り、適切な利用者に適切なタイミングで迅速に関連性の高い広告を届けることができます。

成果: GEMをMetaのリールに今年初めて導入した結果、広告のコンバージョンが5%増加しました¹ 。

2.Meta Lattice: 巨大図書館

広告ランキングアーキテクチャー「Meta Lattice」により、キャンペーンの目的とサーフェス全体にわたっての学習を一般化できるようになりました。これまでは目的やサーフェスごとに最適化された数多くの小型広告モデルが使用されていましたが、それに代わるものです。この結果、運用するモデル数が減ったことによる効率向上だけでなく、広告パフォーマンスの改善にもつながっています。モデルがはるかに大規模となり、さまざまなサーフェスやキャンペーンにおける購入ジャーニーの行動を捉えられるので、より深く学習できるようになりました。詳しくはこちらをお読みください。

イメージ: 例えるなら、Meta Latticeは1つの巨大な図書館です。以前は、歴史や芸術など1つの分野に特化した小規模な図書館が数多くありました。それぞれの図書館に、蔵書とその分野だけに精通した司書を配置していました。Meta Latticeは、この小規模な図書館を1つに統合し、すべての分野の情報を結び付けた図書館です。これは、蔵書が増えたというだけの話ではありません。専門を持つ司書もすべての蔵書から学習し、その知識をさまざまな分野に応用できるようになったのです。管理する図書館が1館だけになったことで効率が飛躍的に向上したほか、どのような分野で探す場合でも、より的確な情報がさらに速く見つかるようになったわけです。

その結果、Metaの広告システムは、1つの広告製品や1つの配置に特化した小規模なシステムを数多く動員するのではなく、1つの強力なシステムを使い広告配信を改善して、関連性と効果を高められるようになりました。

結果: Meta Latticeにより、広告の品質が12%近く向上し、広告コンバージョンが最大6%増加しました。

3.Meta Andromeda: パーソナルコンシェルジュ

Meta Andromedaは、ハードウェア、ソフトウェア、機械学習を全体にわたり協調的に設計した革新的なシステムです。Meta Training and Inference Accelerator (MTIA)とNVIDIA Grace Hopper Superchipを利用して、2024年に導入されました。このシステムは効率が向上しており、広告検索用のモデルの複雑さを1万倍に高めることができます。広告検索とは、広告ランキングプロセスで最初に実行される処理で、数千万件もの広告プールから数千件へと表示候補を絞り込むものです。使われるモデルの複雑さが向上したことで、はるかに高度な予測モデルの実行が可能となり、広告をいっそう的確にパーソナライズできるようになりました。また、ビジネスがクリエイティブ多様化戦略の一環で数多くのクリエイティブをアップロードすればするほど、Meta Andromedaが舞台裏で高度に複雑なモデルを実行して、適切なクリエイティブが選ばれるようになります。その結果、関連性が高くて興味を引く、よりパーソナライズされた広告が配信されます。詳しくはこちらをお読みください。

イメージ: あなたの好みを熟知していて、例えば「靴がほしい」だけでなく「ビーチでは赤いサンダルを履きたい」ということまで分かっているパーソナルコンシェルジュのようなものです。Meta Andromedaがあなたの好みを学習することで、Metaは、より関連性が高く興味を引く広告を表示できるのです。

結果: Meta Andromedaによって広告の品質が8%上昇し、広告主におけるAdvantage+ 自動化とクリエイティブ生成AIツールの効果が向上しました。

4.逐次学習: メモリーゲーム

逐次学習は、AIモデリング法の1つです。これにより、広告システムで利用者による広告閲覧前後の一連の行動を考慮できるようになります。その結果、利用者の購入ジャーニーをより深く理解し、よりパーソナライズされた関連性の高い広告を適切なタイミングで表示できるというわけです。逐次的な学習法によってコンバージョン前後のパターンに対する理解が深まり、今後の購入コンバージョンを最適化する広告表示順の推論が改善されるしくみです。詳しくはこちらをお読みください。

イメージ: 以前は従来型の集約データモデルを使っていたため、例えばスキーリゾートの広告でコンバージョンした利用者に対して、その後も他のスキーリゾートの広告が表示され続けることがありました。最近アップデートされたMetaの広告学習モデルでは、例えばスキーリゾートの部屋を予約した人に対しては、スキー用品やリフト券、スキーバッグなどの広告が表示されるようになります。個々の購入ジャーニーに合わせて、より関連性の高い広告が表示されるようになるわけです。

結果: 昨年に逐次学習モデルを導入して以来、特定のセグメント内でのテストでは、すでにコンバージョンが3%増加しています。