【背景】

　昨今の動画広告市場はスマートフォンの普及とともに毎年1.5倍程度の成長を続けています（注3）。こうした中、無数にあふれる動画の中から、注目を集める動画広告の制作が大きな課題となっています。

　ＮＴＴデータグループでは、これまで定量化が困難であった動画・音楽などのクリエイティブ作品を、定量的に評価し改善に生かす技術として、人間の「脳」の活動に着目し、脳情報をシミュレーションするNeuroAIの研究・事業開発に取り組んできました（注4,5）。

　このNeuroAIを利用することで、デジタル広告の効果向上に貢献できるかを検証するため、全世界で1億8,700万にものぼるmDAU（収益化が可能なデイリーアクティブユーザー）を抱え、RT（リツイート）をはじめとした拡散力を持つTwitter社の協力も得て共同研究を行いました。

【研究内容】

目的

　NeuroAIの利用によるTwitter動画広告の制作プロセスおよび効果向上の検証

各社の役割

• ＮＴＴデータ、ＮＴＴデータ経営研究所：

　企画・設計、NeuroAIによる広告効果予測モデル構築・シミュレーションの実施・検証用動画広告制作・出稿後の効果データ分析

• Twitter Japan：

　過去素材の各種広告効果指標データ準備、検証用動画広告出稿、検証結果データ提供

• NewsTV：

　シミュレーション結果に基づく新規動画広告制作

対象データと指標

1. 動画広告素材：アプリゲームの動画広告264本（2020年1－6月配信分）
2. 広告効果データ：以下3つの指標をターゲットに設定
• 再生率（3秒再生数/動画広告再生開始数）：視聴者が動画広告をスキップせずに再生する割合
• エンゲージメント率（エンゲージメント数/インプレッション数）：視聴者が「いいね・リプライ・RT」等を行う割合
• インストール率（アプリインストール数/動画再生数）：動画を見たユーザーがアプリをインストールした割合

検証プロセス

1. 仮想脳モデルの構築：動画広告視聴時の脳活動情報をNeuroAIで予測し、この脳情報と広告効果データの関係を学習した仮想脳モデル（注６）を構築。
2. シミュレーション：仮想脳モデルを利用して、膨大なクリエイティブ候補から高い効果（ターゲット指標）が期待できるクリエイティブフラグメント（1秒単位）を抽出。
3. 制作：抽出した「効果的なクリエイティブの仮説」を元に15秒程度の動画（音声無し）として人手で制作・編集を実施。
4. 出稿：仮説を元に制作した広告動画を、平均的な効果を持つ既存素材と合わせ同条件でテスト配信。
5. 効果確認：テスト配信結果を統計分析し確認。

【研究成果】

　Twitter上の広告動画で、再生率向上からインストール率向上まで幅広く実現できることを確認しました。

1. 再生率：高いと予測された2つの動画広告案において、既存の動画広告と比較し23.6％、15.0％、それぞれ有意に向上。
2. エンゲージメント率：高いと予測されたうちの1つの動画広告案が35.3％有意に向上。
3. インストール率：高いと予測されたうちの1つの動画広告案で向上。

検証の詳細については、別紙を参照。

【結果のまとめと今後について】

　動画広告とその効果を脳情報を介して定量化することにより、目的とする指標を最適化するという広告制作プロセスの有効性が確認できました。今後さらに、広告運用で求められる費用対効果指標なども対象にした研究開発を進めてまいります。また、こうしたプロセスを新たに取り入れ、効果の高い動画広告制作を目指す企業に向けたトライアルサービスの提供を2021年2月より開始。次世代広告最適化技術としての実用性を高めていきます。

【リリース動画】

こちらのリリースを解説した動画はこちらからご覧いただけます。

（注1）「NeuroAI」は、コンテンツ視聴時の視聴者の脳活動予測し、その脳活動からコンテンツ視聴により誘起される行動・広告視聴データ等を推定する技術です。( https://nttdata-neuroai.com/ )
（注2）株式会社NewsTVは「ビデオリリース」と呼ばれる、企業のニュース動画を短時間で制作し、SNSなどを通じて生活者に配信するサービスを展開しており、これまでに数千本の制作実績があります。
（注3）「サイバーエージェント、2019年国内動画広告の市場調査を実施」( https://www.cyberagent.co.jp/news/detail/id=24125 )
（注4）米国の人工知能学会（AAAI）にて「NeuroAI®」基盤技術の論文が採択 ( https://www.nttdata.com/jp/ja/news/information/2020/013100/ )
Nishida S, Nakano Y, Blanc, A, Maeda N, Kado M, Nishimoto S. Brain-mediated Transfer Learning of Convolutional Neural Networks.
Proceedings of the Thirty-Fourth AAAI Conference on Artificial Intelligence, 2020.Nishida S, Nakano Y, Blanc, A, Maeda N, Kado M, Nishimoto S. Brain-mediated Transfer Learning of Convolutional Neural Networks.
Proceedings of the Thirty-Fourth AAAI Conference on Artificial Intelligence, 2020.
（注5）「脳科学とAIで音楽トレンドを可視化、ヒットソング予測に成功」( https://www.nttdata.com/jp/ja/news/release/2020/090300/ )
（注6）「動画Aを見た際の脳活動情報から、再生を続ける確率は何％程度」といった視聴者の脳の中で行われる一連の情報処理プロセスをシミュレーションするもの。