人工知能を使ったターゲット広告配信

まもなく、ウェブサーフィン中に私たちが経験した高度にターゲット設定された広告が近くの屋外ビルボードに流れ、広告主にとって効果的なコンテンツ配信が可能になります。クラウディアン、電通、インテル等は、 AI（人工知能）とIoT（モノのインターネット）を組み合わせ、特定の視聴者をターゲットに広告配信することにより屋外広告（OOH）に革命を起こしています。

効果的なコンテンツターゲティングによる消費者とのつながり

1900年代初頭、ヘンリー・フォードのモデルTが導入され、屋外ビルボードが設置され始めて以来、広告主は常に配信効果を高める革新的な方法を模索してきました。 2013年のArbitronの調査によれば、これらの大きな道路沿いの標識やその他のOOHメディアは行動に影響を与えます。75％の成人はOOH広告に1ヶ月以内に気がつき、視聴者の4分の1以上がOOH広告を見た後、店舗、ビジネス、レストランを訪れます。しかし、最近の実験では、デジタルのビルボードにより、広告主がさらに正確に視聴者をターゲットできる方法が示されています。

「DeepAd プロジェクト」　ー　ビッグデータをスマートデータ

「DeepAdプロジェクト」は、最近、東京でデジタルビルボードを使う画期的な動的コンテンツ配信システムをテストしました。DeepAdは、混雑する首都高速において、IoTとビッグデータを組み合わせた人工知能を使い、94％の正確性で車を検出して識別しました。次にシステムは車種に基づいたコンテンツを選択して表示しました。このDeepAdは、電通、インテル、スマートインサイト、Quanta Cloud Technology、JESCO CNSとともにクラウディアンがプリードしたプロジェクトです。 DeepAdのアーキテクチャ

スマートなコンテンツのためのスマートなアーキテクチャ

「DeepAdプロジェクト」は、デジタル・ビルボード近くに設置したビデオカメラを使用して、通過する自動車の映像を撮影しました。車が約350mに近づくと、カメラの近くに取り付けられたインテル®NUCミニPCは、カメラへのズーム制御を提供すると同時に、高速ネットワーク上のビデオデータをビルボードから数マイル離れたクラウディアンのデータセンターにある検出システムに送信します。 検出システムは、信号を明確にし、カメラの振動を除去し、重複する車両や動きを検出し、追跡情報をインテルNUCに送り返しました。ビデオカメラとインテルNUCは、追跡された自動車を監視しながら、自動車の製造元、モデル、年式を決める認識システムにデータを送信しました。認識システムは、認識した車に表示すべきビルボードのコンテンツをインテルNUCに伝えました。 DeepAd 実行フロー カメラが車を検出してからコンテンツを選択するまでの時間は500ミリ秒で行われました。コンテンツは約10秒間表示しました。このシステムは、特定の車種を認識するようトレーニングし、以下の3つの異なる分類にあったメッセージを配信しました。

• 高級車—Mercedes、BMW、Audi、Lexusの全モデル
• ファミリー車—Toyota Prius*、 Aqua*、Vitz*、 Honda Fit*
• プロジェクトメンバー車—2001 Honda Odyssey*、 2010 Subaru Outback* BR9、2001 Toyota Bb*

DeepAdプロジェクトのメンバーは車を運転し、カメラの撮影地点を数回に亘り通過しました。システムが車を認識するまでは、デジタルビルボードには現在の気象データ（a）が表示されました。高級車が検出されたとき、コンテンツはリゾートでのゴルフ画像を表示しました（b）。ファミリーカーの運転手には、人気のある遊園地のコンテンツを表示しました（c）。プロジェクトメンバーには独自のグラフィックイメージを見せました（d）

リアルタイム決定にディープラーニングを活用

94％の正確さで車を認識するために、ディープ・ラーニング環境では、ターゲットとする自動車のアルゴリズムをトレーニングするために、車種ごとに5,000枚の画像を使いました。画像は何ら特別なものはありません。自動車メーカーやディーラーのウェブサイトから取得したものです。アルゴリズムは、自動車メーカー、モデル、年式を決定するために、フェンダー半径（コーナーアングル）、ヘッドライト、およびその他の特性といった各自動車の主要な特徴に着目していました。

クラウディアンはアルゴリズムと他のアプリケーションコードを開発しました。実行環境はQuanta Cloud Technologyサーバー上で実行され、すべてのデータはCLOUDIAN HYPERSTORE に格納されました。実行環境は、クラウディアンの東京のデータセンターでホストしました。 「マルチコアインテル®Xeon®プロセッサーE5ファミリーと、そのインテル®アーキテクチャー上での設計とコード実行による高性能なサーバーは、リアルタイムの検出、制御、および意思決定が可能な速度を実現するためには不可欠でした」、 IntelのBig Data Analytics担当副社長、Ron Kasabianは述べています。 「インテルNUCの高度な性能を備えた小さなサイズを持つことで、テクノロジーフットプリントは現場で小さく保たれ、車の正確な検出と追跡に必要なスピードが実現しました。」

「広告ゾーンを自動車が通過するスピードを考え、すべてを500ミリ秒で完了させています」クラウディアンのTso氏は語ります。「この実験は、先進技術を組み合わせることで、混雑する高速道路で自動車を追跡しながら、OOHにおいてリアルタイムでより効果的にターゲット設定する方法を示しています」と電通の神内氏は述べています。今後は東京の主要ショッピングモールの駐車場で実験を続ける計画です。 「買い物客が駐車場に入ったときに自動車を検出することで、モールのお客様にターゲット広告を配信できます」と神内氏は付け加えました。

 

広告を超えて – 公共とビジネスにおける事例

「これはディープラーニング、IoT技術、ビッグデータにおける初めてのアプリケーションであり、商用アプリケーションをはるかに超える範囲に影響を与えるでしょう」Tso氏は語ります。 「このようなアーキテクチャは、道路や企業構内などの自動化された監視やセキュリティなど、さまざまなユースケースにおいて政府やビジネスにとっての価値があります」DeepAdプロジェクトで使用されるアーキテクチャの潜在的なアプリケーションには、以下があります。

• 人工知能を使った交通量のリアルタイム計測： 人手によるカウントが不要
• 路線ごとの大型車両と小型車両の交通量監視
• （米国においてはアンバーアラート）緊急時の車両検索と追跡
• 水没、陥没、故障車両、無断駐車といった道路や駐車場における監視

このようなアプリケーションは、道路沿いに設置された既存のカメラシステムを活用できることでしょう。