論文の概要: How Much Ad Viewability is Enough? The Effect of Display Ad Viewability
on Advertising Effectiveness
- arxiv url: http://arxiv.org/abs/2008.12132v1
- Date: Wed, 26 Aug 2020 05:49:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 21:32:51.405188
- Title: How Much Ad Viewability is Enough? The Effect of Display Ad Viewability
on Advertising Effectiveness
- Title（参考訳）: 広告の可視性はどれくらいか?
ディスプレイ広告視聴性が広告効果に及ぼす影響
- Authors: Christina Uhl, Nadia Abou Nabout, Klaus Miller
- Abstract要約: 広告インプレッションが35万以上ある大規模観測データセットを分析した。
長い露光時間と100%可視画素は、ビュースルーを生成するのに最適ではないように見える。
最も高いビュースルーレートは、50%/1, 50%/5, 75%/1, 75%/5の比較的低いピクセル/秒の組み合わせで生成される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A large share of all online display advertisements (ads) are never seen by a
human. For instance, an ad could appear below the page fold, where a user never
scrolls. Yet, an ad is essentially ineffective if it is not at least somewhat
viewable. Ad viewability - which refers to the pixel percentage-in-view and the
exposure duration of an online display ad - has recently garnered great
interest among digital advertisers and publishers. However, we know very little
about the impact of ad viewability on advertising effectiveness. We work to
close this gap by analyzing a large-scale observational data set with more than
350,000 ad impressions similar to the data sets that are typically available to
digital advertisers and publishers. This analysis reveals that longer exposure
durations (>10 seconds) and 100% visible pixels do not appear to be optimal in
generating view-throughs. The highest view-through rates seem to be generated
with relatively lower pixel/second-combinations of 50%/1, 50%/5, 75%/1, and
75%/5. However, this analysis does not account for user behavior that may be
correlated with or even drive ad viewability and may therefore result in
endogeneity issues. Consequently, we manipulated ad viewability in a randomized
online experiment for a major European news website, finding the highest ad
recognition rates among relatively higher pixel/second-combinations of 75%/10,
100%/5 and 100%/10. Everything below 75\% or 5 seconds performs worse. Yet, we
find that it may be sufficient to have either a long exposure duration or high
pixel percentage-in-view to reach high advertising effectiveness. Our results
provide guidance to advertisers enabling them to establish target viewability
rates more appropriately and to publishers who wish to differentiate their
viewability products.
- Abstract（参考訳）: すべてのオンラインディスプレイ広告(ads)の大部分は、人間が見ることはない。
例えば、ユーザがスクロールしないページフォルダの下に広告が表示される。
しかし、広告が少なくとも幾分目立たない場合、本質的には効果がない。
オンラインディスプレイ広告のピクセルパーセンテージと露出期間を指す広告視聴性は、最近デジタル広告主やパブリッシャーの間で大きな関心を集めている。
しかし、広告視聴性が広告効果に与える影響についてはほとんど分かっていない。
私たちはこのギャップを埋めるために、デジタル広告主やパブリッシャーが通常利用できるデータセットに似た、35万以上の広告インプレッションを持つ大規模な観測データセットを分析しています。
この分析により、長い露光期間(>10秒)と100%可視画素は、ビュースルーを生成するのに最適でないことが示された。
最も高いビュースルーレートは、50%/1、50%/5、75%/1、75%/5の比較的低いピクセル/秒の組み合わせで生成される。
しかし、この分析は、広告の表示可能性と相関し、さらには誘導する可能性のあるユーザの振る舞いを説明できないため、内在性の問題を引き起こす可能性がある。
その結果,ヨーロッパの大手ニュースサイトを対象としたランダム化オンライン実験では,75%/10,100%/5,100%/10の比較的高い画素/秒組合せにおける広告認識率が最も高かった。
75\%以下のものや5秒以下のものはより良くなる。
しかし、長い露光期間と高いピクセルパーセンテージのどちらかで高い広告効果を得るのに十分であることがわかった。
本研究は,広告主に対して,より適切な可視性率の確立と,可視性製品を差別化したいパブリッシャーへのガイダンスを提供する。
関連論文リスト
- AdSEE: Investigating the Impact of Image Style Editing on Advertisement
Attractiveness [25.531489722164178]
本稿では,広告画像のセマンティック編集がオンライン広告の人気に影響を与えるか,あるいは変化させるかを検討する。
そこで我々は,StyleGANに基づく顔のセマンティック編集と広告画像へのインバージョンを導入し,GANベースの顔の潜在表現をクリックレートに寄与させるクリックレート予測器を訓練した。
5日間にわたって行われたオンラインA/Bテストでは、AdSEE編集サンプルのクリックスルー率の増加が、オリジナルの広告のコントロールグループと比較された。
論文 参考訳（メタデータ） (2023-09-15T04:52:49Z) - Long-Term Ad Memorability: Understanding & Generating Memorable Ads [54.23854539909078]
広告の記憶可能性に関する大規模な研究は行われていない。
276のブランドをカバーする1749の参加者と2205の広告からなる,最初の記憶可能性データセットであるLAMBDAをリリースする。
論文 参考訳（メタデータ） (2023-09-01T10:27:04Z) - Discrimination through Image Selection by Job Advertisers on Facebook [79.21648699199648]
求人広告における新たな差別手段の出現状況について検討する。
ターゲティングとデリバリーの両方を組み合わせ、求人広告画像の特定の人口層を不均等に表現したり排除したりする。
私たちはFacebook Ad Libraryを使って、このプラクティスの有病率を実証しています。
論文 参考訳（メタデータ） (2023-06-13T03:43:58Z) - Problematic Advertising and its Disparate Exposure on Facebook [15.667983888666312]
我々はFacebookを調査し、問題のあるオンライン広告の理解における重要なギャップを調査する。
高齢者や少数民族の広告が特に表示されることがわかりました。
問題のある広告の22%が広告主から特定のターゲティングをしていないことを考えると、広告配信アルゴリズムがこれらの広告の偏りのある分布に重要な役割を果たしたと推測する。
論文 参考訳（メタデータ） (2023-06-09T17:23:59Z) - Persuasion Strategies in Advertisements [68.70313043201882]
我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。
次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。
我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
論文 参考訳（メタデータ） (2022-08-20T07:33:13Z) - Auditing for Discrimination in Algorithms Delivering Job Ads [70.02478301291264]
我々は,求人広告配信における識別アルゴリズムのブラックボックス監査のための新しい手法を開発した。
最初のコントリビューションは、性別や人種などの保護されたカテゴリーによる、広告配信における歪の区別です。
第2に,他の要因と資格の違いによって説明可能なスクリューを区別する監査手法を開発する。
第3に、提案手法を求人広告のための2つの主要なターゲット広告プラットフォーム、FacebookとLinkedInに適用する。
論文 参考訳（メタデータ） (2021-04-09T17:38:36Z) - Predicting Online Video Advertising Effects with Multimodal Deep
Learning [33.20913249848369]
ビデオ広告のクリックスルー率(CTR)を予測し,CTRを決定する要因を解析する手法を提案する。
本稿では,オンラインビデオ広告のマルチモーダル性を生かして,効果を正確に予測するための最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2020-12-22T06:24:01Z) - An Empirical Study of In-App Advertising Issues Based on Large Scale App
Review Analysis [67.58267006314415]
われわれは,App StoreとGoogle Playの広告関連ユーザフィードバックに関する大規模分析を行った。
広告関連レビュー36,309件の統計分析から,利用者は使用中のユニーク広告数や広告表示頻度を最も気にしていることがわかった。
いくつかの広告イシュータイプは、他の広告イシューよりも開発者によって迅速に対処される。
論文 参考訳（メタデータ） (2020-08-22T05:38:24Z) - Do Interruptions Pay Off? Effects of Interruptive Ads on Consumers
Willingness to Pay [79.9312329825761]
本研究は,広告主ブランドの商品に対する消費者の支払い意欲に及ぼす割り込み広告の影響を計測する研究結果である。
本研究は, 広告の経済的影響に関する研究に寄与し, 実験マーケティング研究における実際の(自己申告の)支払意欲を測定する方法を紹介した。
論文 参考訳（メタデータ） (2020-05-14T09:26:57Z) - adPerf: Characterizing the Performance of Third-party Ads [5.9535711951131205]
ウェブ広告の深い評価と第一種評価を適用した。
広告のすべてのコンポーネントによってコストを特徴付けることを目指しており、パブリッシャー、広告シンジケート、広告主は詳細なガイダンスで広告のパフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2020-02-06T02:09:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。