インターネット広告の入札モデルの詳細な分析

（前回の記事 - 基本的な入札モデル）では、入札モデルの「4つのポイント、3つのレート、2つのコントロール、1つの強化」分析モデルにおける「4つのポイントと3つのレート」について説明しました。 「4つのポイント」とは、入札ポイント、請求ポイント、入札ポイント、評価ポイントのことです。さまざまな入札モードの違いは、主にこれら 4 つのポイントの位置の違いによって生じます。たとえば、次の図は、CPM と CPC の 4 つのポイントの位置の違いを示しています。

「3つのレート」とは、p（入札ポイント→請求ポイント）、p（請求ポイント→入札ポイント）、p（入札ポイント→評価ポイント）の4つのポイント間の比率です。 （第1部）では、下図のように、「3つのレート」の真の値と推定値の精度が、大手メディアプラットフォームのメディアプラットフォームと広告主の利益にどのような影響を与えているかを一つずつ分析しました。

前回の記事の最後では、oCPX 入札モデルについても紹介しました。 CPM/CPC/CPA などの基本的な入札モデルとの違いは、課金ポイントと入札ポイントの分離を実現し、継続入札下でのインテリジェントな入札制御も実現していることです。

この記事では、スマート入札コントロール、つまり「2つのコントロール」から始めて、「1つの拡張機能」を紹介します。次に、完全な「4つのポイント、3つのレート、2つのコントロール、1つの強化」分析モデルを使用して、oCPX、二重入札、AEO、VOなどの業界の主流のスマート入札モードを分析できます。

· 記事が来ます ·

6. 「2つの制御」：継続入札におけるインテリジェントな入札制御

上記の「4.3 レート」に関する議論は、各入札を個別に分析した結果に基づいています。最も一般的に使用されている GSP 入札メカニズムでは、単一の入札の場合、広告主は利益を最大化するために受け入れ可能な最高価格で入札するだけで済みます。たとえば、計算の結果、広告主が支払える最大金額は、有料ユーザー 1 人あたり 800 元であることがわかりました。過去の経験によると、アクティベーションと支払いの比率は約 0.1 なので、アクティベーション入札は 80 元にする必要があります。

ただし、配置は連続した複数オークション行為であるため、一方では、広告主が提示する価格は複数の入札の平均価格となり、初期のオークションの結果は、後に広告主が受け入れ可能な最高価格に影響します（例えば、初期段階で安く購入すれば、後でより高く入札できる）。一方、予算の制約がある広告主もいます。これら 2 つの理由により、過去のオークションの結果に基づいて各入札を調整する必要があります。それぞれの原因に対して制御が存在します。

1. 継続入札によるコスト管理：

広告主のアクティベーション入札額が 80 元であると仮定すると、早期配信で購入した 100 回のアクティベーションのコストが 1 回あたり 50 元だけであれば、最終的な総合コストが 80 元を超えない限り、後で実際に入札額を上げることができます。入札額を上げると、より多くのボリュームを購入することもできます。

同様に、前回のキャンペーンの平均コストが 120 元に達した場合は、最終的な総合平均コストが 80 元程度に下がるように入札を制限する必要があります。 oCPX は通常、メディア プラットフォームが継続的な入札の下で入札ポイントでの入札コストを制御し、最終的な平均コストが広告主によって設定された値に近くなることを意味します。

2. 継続入札による予算管理：

このコントロールは、広告主に毎日または毎週の予算制限がある場合に使用します。たとえば、1日の予算が10,000元で、午前中に5,000元が使われたとします。その後のオークションでは、予算が早期に消費されないように入札額を下げる必要があります。予算を早めに使い切ってしまうと、後で非常に安価なトラフィックを購入する予算がなくなり、平均コストを最小限に抑えられなくなります。

限られた予算内で各行動の平均コスト（アクティベーションの平均コストなど）を削減するには、予算を適切なペースで費やす必要があります。絶対的な平均支出（1 時間あたり 1/24 を支出する）ではなく、支出とトラフィックの配分をほぼ一定にする（たとえば、トラフィックが多い夜間に多く購入する）ことが重要です。

もっとうまくやりたいなら、交通量が安いときには多く購入し、交通量が多いときには少なく購入することができます。ここで私たちの技術力が発揮されます。注目すべきは、一部の入札製品では、予算管理が設定されている場合、広告主は配信バックグラウンドで入札ポイントを入力する必要がなく、メディアプラットフォームが予算に応じて入札ポイントを完全に設定および調整するということです。

これら 2 つは、当社の「4 つのポイント、3 つのレート、2 つの制御、1 つの強化」における 2 つの制御です。

現在、基本的にすべてのメディア プラットフォームの入札モデルには、「スマート入札」などの言葉が含まれている限り、これら 2 つの制御の少なくとも 1 つが備わっていることを意味します。特筆すべきは、2014年に中国初のモバイルDSPプラットフォームを構築するスタートアップ企業に勤めていたとき、入札ポイントと課金ポイントを分離し、PID制御を革新的に使用してこの2つのインテリジェントな入札制御機能を実装し、多くの大手企業の入札製品をリードしたことです（これらの製品はまだ多くの人に使用されていませんが...）

注目すべき点の 1 つは、oCPC という名前は入札ポイントがどこにあるかを示していないことです。したがって、入札パターンを一意に識別することはできません。この記事では、入札モードを一意に識別するために、最後に入札ポイント文字を追加することに同意できます。たとえば、oCPC-A、oCPM-I など。しかし、なぜメディアプラットフォームはこのように命名されないのでしょうか?なぜなら、メディア プラットフォームには、広告主がアクション a または他の何かを送り返すことを保証する方法が実際にはないからです。メディア プラットフォームが oCPC-A モデルを使用したいが、広告主が実際には a ではなく有料 p を返し、入札に有料入札を入力する可能性があるとします (本来はアクティブ化された入札を入力する必要があります)。このとき、oCPC-A は oCPC-P になります。

▶ oCPX 入札モデルでは、広告主は実際の行動データを送り返す必要がありますか?

以上の議論によると、入札ポイントの行動データは広告主自身が返送することになりますが、メディアプラットフォームの要求通りに広告主が入札ポイントデータを全て返送しない方法はいくつかあります。では、それが広告主にとって有益であるかどうかを順に議論してみましょう。

1) 広告主は入札データの一部のみ、例えば50%のみを返す。

この場合、広告主の p (課金ポイント -> 入札ポイント) はほぼ半分に小さくなると推定され、広告主の入札額が低くなりすぎて十分なボリュームが得られなくなります。同じ金額を得るには、入札額を元の金額の 2 倍に増やす必要があります。このオフセットにより、課金ポイントでの入札は変更されず、メディアの収益は減少しません。逆に、サンプルの半分が欠落しているため、p(課金ポイント->入札ポイント)の推定値はより不正確になり、広告主自身のROIに悪影響を及ぼします。中国では、アトリビューションは広告主自身によって行われます。メディア プラットフォームへのアトリビューションをできるだけ保守的に行うことが、自社にとって有利になると考える広告主もいますが、実際にはそうではありません。

2) 広告主は、入札ポイント データの代わりに、より深い (またはより浅い) データを返します。たとえば、当初合意されたアクティベーション データの代わりに、支払いデータ (またはダウンロード) を返します。

この場合、広告主が入札時に有料入札（またはダウンロード）も入力すると、この広告主にとって oCPC-A は oCPC-P または oCPC-I になります。残念ながら、他のほとんどの広告主が依然としてアクティベーション番号を送り返す場合、メディア プラットフォームは p (課金ポイント -> 入札ポイント) モデルのトレーニング時に広告主自身のデータを使用するだけでなく、他の広告主のデータの影響も受けるため、トレーニング ターゲット タイプの一貫性がないため、広告主の p (課金ポイント -> 入札ポイント) の推定精度に悪影響が及び、広告主の配信に悪影響を及ぼします。

したがって、oCPX 入札では、合意に従い、合意された行動データを完全に送信することが、実際には広告主にとって最善の利益となります。

▶ なぜ国内の多くのoCPXには過剰コスト補償メカニズムがあるのでしょうか?

この質問は、CPC と oCPC の比較から始める必要があります。その違いを比較するために、「4.3 レート」を使用します。

CPC と oCPC を比較すると、p(c->a) を推定する人の差という 1 つの違いだけが見つかりました。しかし、これによってまったく異なる点も生じます。つまり、CPC では p(c->a) は広告主によって推定され、推定値が高すぎたり低すぎたりすると、広告主の利益が損なわれることになります。しかし、oCPCではp(c->a)はメディアプラットフォームによって推定されます。推定値が高すぎるとメディアプラットフォームの収入が増加し、低すぎるとメディアプラットフォームの収入が減少します。理論的には、メディア プラットフォームには短期的には意図的に高めの見積もりを行うインセンティブがあります (広告の ROI が下がると投資が削減され、最終的にはメディア プラットフォームの利益が損なわれるため、長期的には高めの見積もりは行いません)。これは、前回の記事の最後で提起された疑問でもあります。

そのため、Tik TokやKuaishouなどの国内広告プラットフォームは、oCPC（またはoCPM、原理は同じ）に過剰コスト補償メカニズムを備え、このメカニズムの問題を自己制約して補うことになります。

たとえば、広告主がコンバージョンごとに 80 元のアクティベーション入札を使用した場合、メディア プラットフォームが短期的に意図的に高い見積もりを行い、広告主のアクティベーション コストが 80 元を超えた場合、メディア プラットフォームは補償を行います。海外では、FBやGoogleの広告商品にはこのような補償がありません。これは海外の信頼メカニズムの方が優れているためだと個人的には考えています。広告主は、大手メディアプラットフォームが長期的な利益を考慮すると考えています。たまにコスト超過があったとしても、それは技術的な理由であり、配信コストの一部であると考えています。しかし、歴史的な理由により、中国ではそのような信頼のメカニズムを確立することは困難であり、メディアプラットフォームは自らの無実を証明するために自らの手を縛る必要がある。

▶ 国内メディアプラットフォームはなぜ、oCPXの超過費用補償金の支払いを開始する前に、広告の累積行動（アクティベーションなど）の数が一定数に達することを要求しているのでしょうか？

Douyin の oCPM 報酬では、広告ユニットが 10 の動作 (アクティベーションなど) を蓄積する必要があり、Kuaishou にも同様の要件があります。なぜ超過コストを補償できないのでしょうか?

理由は2つあります。

1 つ目の理由は、行動回数の閾値がない場合 (以下のアクティベーション数を例に挙げると)、広告主はアクティベーション回数を隠して報告せず、最終的にメディア プラットフォームに全額補償を求める可能性がある (アクティベーションが 1 件もないため) ためです。広告主がアクティベーション数を報告しないため、メディア モデルはこの広告ユニットをどんどん低く見積もっていき、最終的には 0 になります。つまり、メディア プラットフォームがこの広告主に支払う金額はどんどん少なくなり、最終的にはまったく支払われなくなります。しかし、初期の頃は、広告主は依然として多くのクリックやアクティベーションを獲得することができていました（ただし、それらはメディア プラットフォームには報告されていませんでした）。

メディアプラットフォームがアクティベーション数の閾値を設定せず、全額補償金を支払わなければ、広告主に搾取され続けることになる。アクティベーション数のしきい値が設定されると、広告主は少なくともアクティベーション入札額 * アクティベーション数のしきい値を支払う必要があります。したがって、メディアプラットフォームが広告主へのコンテンツの提供を完全に停止し、上記の広告主の最低支払コストを下回る限り、メディアプラットフォームの利益は損なわれません。

2 つ目の理由は、モデルの学習には一定数のサンプルが必要であることです。十分な数のアクティベーションが蓄積されるまでは、モデルの推定値が高すぎたり低すぎたりすることを避けるのは困難です。これはメディア プラットフォームの意図的な動作ではなく、メディア プラットフォームがこの部分のコストを一方的に負担すべきではありません。

▶ 特定の所有トラフィックを oCPC モードから oCPM モードに変換する必要があるのはなぜですか?

特定の所有トラフィックの販売は当初は oCPC モデルに基づいていましたが、後に oCPM のみに変更されました。

「4.3 レート」の違いを使用して、oCPC と oCPM の違いを確認してみましょう。

oCPC から oCPM への変更は 2 つあることがわかります。

最初の変化は比率の絶対値にあります。ボリュームを求めない広告主は、もともと p (入札ポイント -> 課金ポイント) の比率を上げないインセンティブがありました。oCPM モデルでは、両者のインセンティブが一致するため、改善されています。

2 つ目の変更点は、oCPC モデルでは、見積り額が高すぎるか低すぎるかに関係なく、メディア プラットフォームの収益が減少することです。一方、oCPM では、見積り額を高くしすぎるインセンティブがあり、広告主の ROI が損なわれます。ただし、この問題は補償メカニズムによって補うことができます。

したがって、全体として、oCPC から oCPM への移行は、広告主の利益に何ら害を及ぼしません。メディア プラットフォームにとっては、ボリュームを求めていない広告主が積極的に p (入札ポイント -> 課金ポイント) を下げるという問題を回避できます (ただし、この問題は完全に競争的なトラフィックにはほとんど影響しません)。これは、oCPC から oCPM への切り替えの理由の 1 つである可能性があります。

また、ある記事にはテキスト広告、画像広告、動画広告など多くの商品があるため、コンバージョンチェーンも多様です。クリックで課金するものもあれば、3秒再生で課金するもの、再生完了後に課金するものなど、m課金を統一して使用すれば、一元管理にもつながります。ただし、FB と Google の広告製品では、広告主が oCPM と oCPC を選択できるようになっていますが、実際には両者の違いはそれほど大きくありません。

▶ダブル入札とはどのような入札方法ですか？

図に示すように、アクティベーション有料二重入札を例にとると、この入札モデルには 2 つの異なる入札ポイントがあります。広告主は、これら両方の行動データをメディア プラットフォームに提供し、メディア プラットフォームは無料の入札コンバージョン サービスを提供できるようになります。最終的に課金ポイントに変換されると、課金ポイントの価格も 2 つになります。これら 2 つの価格は矛盾しており、最終価格は 2 つの価格を組み合わせて取得する必要があります。具体的な実装は各メディアの設計によって異なります。

しかし、確かなのは、各メディア プラットフォームは、アクティベーションと支払いのコストが設定されたアクティベーションと支払いの入札額を超えないように努めるということです。では、このアプローチと、保証されたコストで単一の入札に対して支払うこと (特定のアイテムの「アクティブ化して支払う」入札モデルなど) の違いは何でしょうか?分析してみましょう。

• トラフィックのバッチのアクティベーション コストと支払いコストが要件を満たしている場合は、二重入札と単一支払い入札の両方を使用してこのトラフィックのバッチを取得できます。
• トラフィックのバッチの場合、アクティベーション コストは基準を満たしているが、支払いコストは基準を満たしていない。そうすると、このトラフィックのバッチは二重入札や単一有料入札では取得できなくなります。
• トラフィック バッチのアクティベーション コストと支払いコストが要件を満たしていない場合、二重入札でも単一支払い入札でもこのトラフィック バッチを取得できません。
• トラフィック バッチのアクティベーション コストが基準を満たしていないが、支払いコストが基準を満たしている場合、このトラフィック バッチは二重入札では取得できませんが、単一支払い入札では取得できます。

したがって、アクティベーション有料二重入札とシングルペイド入札の違いは、「アクティベーション費用は基準を満たしていないが、支払い費用は基準を満たしている」トラフィックを含めるかどうかにあります。

広告主は支払いコストを気にします。広告主は「アクティベーションコストは基準を満たしていないが、支払いコストは基準を満たしている」トラフィックを必要とします。では、なぜ二重入札が必要なのでしょうか?

筆者は、その理由として、初期段階では有料データが少なく、有料入札額に収束するまでに有料コストの変動が大きいためだと考えています。ある時点で有料入札額をはるかに超えてしまい、学習期間に失敗したり、広告主が耐えられずに自ら閉鎖したりします。

二重入札は、「アクティベーションコストは基準を満たしていないが、支払いコストは基準を満たしている」トラフィックを放棄することで（実際には「アクティベーションコストは基準を満たしていないが、支払いコストは基準を満たしている」トラフィックと「アクティベーションコストは基準を満たしていないが、支払いコストも基準を満たしていない」トラフィックを区別することができなかったため、一度にすべて放棄しなければならなかったため、「アクティベーションコストは基準を満たしていないが、支払いコストは基準を満たしていない」トラフィックを放棄することで）、初期支払いコストの変動を減らすことができます。最終的には、全期間にわたってより安定した学習、より高い成功率、およびより低い総合コストにつながる可能性があります。

しかし、後期段階では、「アクティベーションコストは基準を満たしていないが、支払いコストは基準を満たしている」トラフィックと、「アクティベーションコストも基準を満たしておらず、支払いコストも基準を満たしていない」トラフィックを区別できるほど十分な支払いデータが蓄積されています。そうすると、「アクティベーションコストは基準を満たしていないが、支払いコストは基準を満たしている」というトラフィックを放棄すると、広告主が購入できる量が制限されることになります。そのため、決済データが大量に蓄積され、初期決済コストの変動が小さい広告の場合は、一括決済入札の方が適切な選択肢となる可能性があります。

7. 「一つの強化」

「4つのポイント、3つのレート、2つのコントロール」はすべて議論され、残っているのは「1つの強化」だけです。 Facebook 製品を例に挙げてみましょう。

Facebook アプリプロモーション配信設定ページでは、課金ポイントをインプレッションとして選択でき、入札ポイントをコンバージョンとして選択できること (たとえば、アクティベーション a にすることができます)、特定のアプリ内イベント (広告配信アプリイベントの最適化) を選択することもできます。この最適化は、支払い p など、アクティベーション後の特定の動作にすることができます。次に、配信システムは、oCPM-A に基づいて、より高い支払い額を取得するために最適化を試みます。これを oCPM-A-enhancedP モデルと呼びましょう。

これにより、入札ポイントと評価ポイントの間に、強化ポイントという新たなポイントが追加されます。入札ポイントが a にあり、アクティベーション ポイントが p にあると仮定します。そこで疑問なのは、メディア プラットフォームが、バックエンドで広告主が拡張ポイント p で直接入札できるようにし、その後、p (a->p) とその他のいくつかのレートを推定して拡張ポイント p の価格を eCPM に変換しないのはなぜかということです。そうであれば、拡張ポイントなしで p で入札するのと同じです。なぜこれをやらないのですか?

前回の内容を確認すると、入札ポイントを課金ポイントから分離し、リンクのバックエンドに近い位置に配置すると、メディア プラットフォームの p(課金ポイント -> 入札ポイント) が、広告主が固定値を使用して暗黙的に推定した p(課金ポイント -> 入札ポイント) よりも正確であれば、より良い結果が得られる可能性があります。しかし、データが少ないなどの理由により、メディア プラットフォームがデータを使用して推定した比率 p(a->p) が、広告主が固定値を使用して暗黙的に推定した値よりも不正確になる場合があります。そうすると、このセクションは課金ポイント -> 入札ポイントに配置できなくなります。このため、入札ポイントを強化ポイントに戻すことはできません。

しかし、メディア プラットフォームからのデータを無駄にすることはできません。このデータは、広告主が暗黙的に推定した価値を固定値で高めるために使用できます。

p_adj(入札ポイント->強化ポイント) = p_advertiser推定値(入札ポイント->強化ポイント) * adj(x) — (式1)

ここで、x は広告の特徴ベクトルです。

直感的に言えば、メディアプラットフォームはデータに基づいて、広告の p（入札ポイント -> 強化ポイント）が通常の広告よりも高いと判断し、入札額を上げます。p（入札ポイント -> 強化ポイント）が通常の広告よりも低い場合は、入札額を下げます。この価格調整には通常、範囲があります。たとえば、公開文書では、ある商品の「自動最適化」は -30% から +30% の間で制御され、つまり adj(x) の範囲は 0.7 から 1.3 の間であると記載されています。 p_adj (入札ポイント -> 拡張ポイント) の精度が p_advertiser 推定値 (入札ポイント -> 拡張ポイント) よりも高い限り、この拡張ポイントを追加すると利益が得られます。

この値は入札に暗黙的に含まれているため、メディア プラットフォームは p_advertiser 推定値 (入札ポイント -> 拡張ポイント) を直接取得することはできません。しかし幸いなことに、それは必要ありません。強化点に合わせて調整されたecpmをecpm_adjとして記録し、

ecpm_adj = p(入札ポイント->オファーポイント)*p_adj(オファーポイント->強化ポイント)*強化ポイント入札

（式１）と

拡張ポイント入札 = 入札ポイント入札 / p_advertiser推定（入札ポイント->拡張ポイント）

上記のecpm_adj式に代入すると、

ecpm_adj = p(入札ポイント->入札ポイント)*p_広告主推定値(入札ポイント->拡張ポイント)

*adj(x) *(入札ポイント入札 / p_advertiser推定値 (入札ポイント -> 拡張ポイント))

予約後

ecpm_adj= p(入札ポイント->オファーポイント)*adj(x)*オファーポイント入札

この値を入札ポイントのソートの ecpm として使用します。

このことから、(式 1) で adj(x) が p_advertiser 推定値 (入札ポイント -> 拡張ポイント) で単純に乗算される理由もわかります。これは、より複雑な関数の場合、上記の導出が成立しない可能性があるためです。

Facebook以外にも、Googleの拡張CPCも文書記述に基づくこのタイプの製品です。また、ある記事の「自動最適化」機能も、有料を拡張ポイントとする製品です。

8. 「4つのポイント、3つのレート、2つのコントロール、1つの強化」の要約

分析してみると、ほとんどの入札モデルは「4つのポイント、3つのレート、2つのコントロール、1つの強化」で構成されていることがわかります。新しい入札戦略に遭遇したときは、これらのさまざまな部分に従って分割すると、理解しやすくなります。市場におけるいくつかの主流企業の入札パターンを分析してまとめます。評価ポイントは広告主ごとに異なり、配信プラットフォームとはあまり関係がないため、記載しておりません。

(以下の表の情報は、各配信プラットフォームの公開バックエンドまたはヘルプドキュメントから引用したものです)

表では、アプリ イベントは、ダウンロード、インストール、アクティベーション、支払いなどのさまざまなアプリ イベントになりますが、収集された金額になることはできません。 Facebook の課金ポイントの「v」は、ビデオが 10 秒間視聴されたか、完了したことを意味します。また、Facebook の製品では、アプリ イベントで異なる動作を選択する場合、課金ポイントや拡張ポイントの選択が制限されており、すべてを選択できるわけではありません。

Google の課金ポイントの m/c については確証のある証拠はなく、あくまで私の推測です。テンセントは入札ポイントがa、課金ポイントがmまたはcとなる入札モデルをoCPAで表しています。命名方法が異なるため、他社のモデルと混同しやすいので、区別には注意が必要です。

また、表にある予算管理のあるすべての入札モードでは、広告主が配信バックグラウンドで入札ポイントを入力する必要はなく、予算に応じてメディアプラットフォームによって完全に設定および調整されます。予算を使い切るようにしながら入札コストを最小限に抑えます。

各社の製品では、各モデルにいくつかの異なる消費速度を合わせることもできます。たとえば、その1つは（バランスのとれた配信、ボリューム優先、低コスト優先）です。各社の具体的な戦略は異なります。コスト管理と予算管理の具体的な実装では、異なるペース戦略とパラメータが一致していると思います。

Facebook と Google にも 2 つの消費速度 (標準と高速) から選択できるものがあり、Kuaishou には 2 つのレベル (標準配信とバランス配信)、Tencent には 2 つのレベル (標準配信と高速配信)、Baidu には 3 つのレベル (標準、均一速度、高速) があります。

表の回収額は、一定期間（例：1 週間）内にアプリ内購入または広告を通じて広告主が得た収益を表します。入札ポイントが回収額の場合、回収した1元あたりに必要な価格を意味し、ROI入札となります。

たとえば、広告主は 1 週間以内に 1 元の回収額に対して 0.4 元で入札でき、対応する ROI 目標は 0.4 です。 Facebook の ROI 最適化製品は、誰もが VO (価値最適化) として知っているものです。コスト/予算管理の違いに応じて、最小 ROAS と最高価値による価値最適化という 2 つの入札モードがあります。

アプリイベントを最適化するための製品は、AEO（アプリイベント最適化）です。コスト/予算制御の違いに基づいて、最低コスト（実際にはターゲットコストもあり、制御が少し異なります）とコストキャップの2つの対応する入札モードがあります。

【まとめ】

本稿では、「4つのポイント、3つのレート、2つのコントロール、1つの強化」のうち「2つのコントロール、1つの強化」を紹介し、oCPX、ダブル入札、アクティベーションと支払い、AEO、VOなど、大規模メディアプラットフォームにおけるさまざまなインテリジェント入札モデルを詳細に分析します。これで、主要メディアプラットフォームの入札パターンの分析は終了です。

次の記事では、アフィリエイト広告と RTB 広告に注目し、関心の拘束関係の変化に伴い、アフィリエイト広告と RTB 広告における三者ゲームがどのように変化したかを見ていきます。

著者: シェンタンシェ

出典: Shentanshe