YahooがAmazon Bedrockで検索リターゲティングを強化する方法
YahooはAmazon Bedrockを活用し、生成AIによるキーワード拡張で検索リターゲティング（SRT）機能を強化。拡張率は最大600倍、リーチ可能なオーディエンスは5倍に向上。
デジタル広告において、ユーザーの検索意図をチャネルをまたいだ関連広告体験に結びつけることは長年の課題です。広告主は、ユーザーの示す興味や行動、特に最も強力な意図シグナルの一つである検索活動に基づいてオーディエンスにリーチする高度な方法を必要としています。従来のキーワード拡張アプローチは、語彙の陳腐化、意味理解の限界、検索クエリの微妙な意味を捉えられないといった問題にしばしば直面してきました。
YahooのオムニチャネルDSP（デマンドサイドプラットフォーム）は、先進技術、プレミアムサプライアクセス、大規模なリーチ、信頼できる消費者関係を提供することでこれらの課題に取り組みます。DSPにより、広告主は単一インターフェースで複数の取引所やチャネルにまたがって広告在庫を購入できます。Yahoo DSPは、広告主定義ルール、機械学習（ML）、生成AIによる高度なオーディエンスターゲティングでこの機能を強化しています。
ターゲティングの中核はオーディエンスセグメントの概念です。これは特定の興味、人口統計、行動を共有するユーザーグループであり、広告キャンペーンでまとめてターゲティングできます。これらのセグメントは広告配信用のターゲティングシステムに渡され、ユーザーが最も関連性の高い広告キャンペーンとマッチングされるようにします。
本稿では、YahooがAmazon Bedrockを実装してYahoo DSPの広告技術スイートにおける検索リターゲティング（SRT）機能を強化した方法を紹介します。SRTは、ユーザーの過去の検索行動に基づいて広告主がユーザーにリーチできるようにする中核的なオーディエンスターゲティングソリューションであり、検索意図をディスプレイ広告、動画広告、ネイティブ広告に橋渡しします。Yahoo検索で入力されたキーワードを超えて、SRTはAIを活用してYahooおよび統合パートナーシステム全体の検索活動を通じて意図を示すユーザーを特定し、エンゲージします。
ビジネス上の課題
以前のYahoo SRTアーキテクチャは、Word2Vec埋め込みモデルと局所性鋭敏型ハッシュ（LSH）を組み合わせて広告主のキーワードを拡張していました。この多段階プロセスには、キーワードの正規化、埋め込み生成、インデックス作成、LSH検索、機密用語のフィルタリング、結果のランク付けが含まれていました。しかし、Word2Vec+LSHアプローチにはいくつかの制限がありました：語彙が最新でない、フレーズベースでエンティティに特化していない、構文的類似性に依存し意味的ではない、場合によっては新しいキーワードを生成できない。
これらの課題に対処するため、Amazon Bedrockと大規模言語モデル（LLM）を使用した生成AI搭載のSRTキーワード拡張を導入しました。この強化により、より関連性が高く意味的にリッチなキーワード拡張が生成され、広告主はより大規模で精密なオーディエンスにリーチできます。
ソリューション概要
ソリューションの紹介に先立ち、従来のSRTワークフローを振り返ります。広告主はターゲットキーワードのセットで各セグメントを定義し、メタデータはSQLデータベースに保存されます。バックエンドシステムはキーワード拡張を実行し、意味的に関連する用語を生成してオーディエンスリーチを拡大し、広告主の成果を向上させます。元のキーワードセットと拡張されたキーワードセットの両方がAmazon OpenSearch Serviceクラスターに永続化されます。バッチスコアリングと呼ばれる別のワークフローが、Yahooユーザーの検索履歴をこのセグメントメタデータに対して評価し、セグメントメンバーシップを決定します。
生成AIによる近代化
従来のアプローチの限界を認識し、最新の生成AIソリューションでキーワード拡張を刷新することを目標としました。Amazon Bedrockがこの作業を可能にしました。主要な基盤モデル（FM）へのサーバーレスアクセスを提供することで、Amazon Bedrockはチームがカスタムインフラを構築することなく、Amazon Nova、Meta Llama、AnthropicのClaudeなど複数のLLMを実験することを可能にしました。新しいアプローチの評価にあたっては、コンピュテーショナル広告における重要な考慮事項も考慮しました：機密キーワードのフィルタリング、セグメント拒否リスト、ユーザーのプライバシー設定、ポリシーコンプライアンス要件。
LLMの選択と結果
LLMの選択と評価プロセスでは、Amazon SageMaker Studioを使用してAmazon Titan、Meta Llama、AnthropicのClaudeなど複数のモデルをプロトタイプ化し評価しました。最終的に、AnthropicのClaude 3.5 Sonnet v2が検索キーワード拡張に最も効果的なモデルとして選ばれ、拡張率と意味的類似性のバランスが評価されました。評価プロセスでは、LLMから幻覚行動が観察されました。幻覚を低減し品質を維持するため、検証ステップを導入しました。LLMが生成した拡張キーワードは埋め込みに変換され、元のセットと比較されます。類似度しきい値を下回るキーワードはフィルタリングされ、最も関連性の高い用語のみが保持されます。この検証ステップはワークフローの正確性と信頼性を維持する中心的な役割を果たします。
Amazon Bedrockを通じてデプロイされたClaude 3.5 Sonnet v2は、従来のLSH方式と比較して大幅に優れた拡張能力を示し、LSHがゼロのケースでも数百から数千のキーワードを生成することがよくありました。厳格な類似度しきい値の下でも、中央値のブロード拡張率は5倍に向上し、最大拡張率は2倍になりました。全体として、生成AIベースのキーワード拡張は、取得されるキーワード数を増やすだけでなく、それらが意味的に関連していることを保証し、検索ユーザーターゲティングを大幅に強化します。
生成AIワークフローにおけるキーワード拡張のガードレール
SRTキーワード拡張ワークフローを最初に設計した時点では、拡張ステップのみに焦点を当て、シードキーワードから生成AIモデルを使用して関連用語のより広範なセットを生成していました。このアプローチは機能しましたが、課題も生じました：モデルが過剰拡張し、大量のキーワードを生成する場合がある；稀少または曖昧なシードキーワードが無関係またはノイズの多い拡張を生む場合がある。これにより品質管理メカニズムの必要性が明らかになりました。これに対処するため、埋め込み生成と類似度スコアリングを導入しました：各拡張キーワードに対して埋め込みを生成し、元のキーワードの埋め込みとの類似度スコアを計算し、定義された類似度しきい値以上のキーワードのみを保持します。これにより拡張キーワードが元の意図と意味的に整合することが保証されます。さらに、機密キーワードのチェックも適用します：推論前（好ましくない用語の拡張を回避）および推論後（機密拡張を除去）のフィルタリング。意味的類似度スコアリングと機密キーワードフィルタリングを組み合わせることで、ガードレール付きのキーワード拡張パイプラインを構築しました。このアプローチは、生成AIによる拡張の広がりと創造性を維持しながら、関連性、品質、コンプライアンスを維持します。
ビジネス価値と影響
この生成AIベースの強化キーワード拡張機能は、2025年第1四半期に本番稼働しました。広告主にとっては、より広範で精密なオーディエンスリーチがもたらされます。LLM搭載の拡張ロジックは、品質フィルタリングとともに候補キーワードのプールを増やし、キャンペーンがユーザーの意図とより密接に一致するようになります。これにより、関連性の向上、エンゲージメントの強化、コンバージョン率の改善が実現します。Yahoo DSPにとっては、システム面で大幅なスケール改善がもたらされます：キーワード拡張率が最大600倍向上、アドレス可能なオーディエンスリーチが最大5倍成長、キャンペーンパフォーマンスとコンバージョンが向上。LLMによるキーワード拡張の近代化により、Yahoo DSPは広告主により多くの価値を提供し、プログラムmatic環境での競争力を強化できるようになりました。
Amazon Bedrockを選んだ理由
Amazon Bedrockは、Yahooチームが複雑なインフラを構築・管理することなく、Amazon Nova、Meta Llama、AnthropicのClaudeなど主要なFMへのサーバーレスアクセスを提供しました。この機能により、迅速な実験、ワークロードのスケーリング、柔軟なデプロイが可能になりました。モデルの幅広さ：Amazon Bedrockにより、複数の主要FMを迅速に実験できました。インフラ管理不要：サーバーレスアクセスにより、モデルのホスティング、スケーリング、パッチ適用が不要。柔軟な推論オプション：バッチ推論とリアルタイム推論の両方を提供し、迅速かつ柔軟なプロトタイピングと意思決定を支援。簡単なモデルアップグレード：新しいモデルバージョンへの切り替えは設定変更で完了。Amazon Bedrockのアーキテクチャは基盤インフラと互換性の課題を抽象化するため、チームは最小限の労力で最新モデルを採用できます。
結論
本稿では、SRTがYahoo DSPの中核製品であることと、生成AIを使用してキーワード拡張を変革した方法を強調しました。Amazon Bedrockを活用することで、チームはインフラ管理のオーバーヘッドなしに複数の主要LLMへのサーバーレスアクセスを得ました。この機能により、広告主の元のキーワードを意味的にリッチで高品質なセットに拡張し、ターゲティングオーディエンスの規模と精度の両方を向上させることができました。従来のWord2VecとLSHワークフローをAmazon Bedrock搭載のLLMに置き換えることで、より正確で文脈に関連したキーワード拡張が実現しました。新しいアプローチは、キャンペーンパフォーマンスの向上、コンバージョン率の改善、運用の柔軟性の向上をもたらします。Amazon Bedrockがこの変革を可能にし、Yahoo DSPがAI駆動広告においてより迅速かつ効率的にスケールすることを支援しました。