「Deep Learningはまだ早い」動画広告CTR予測でGBDTを選び精度とコストを両立させた意思決定プロセス
動画広告のCTR・視聴完了率予測において、なぜ流行りのDeep LearningではなくGBDT（勾配ブースティング）を選んだのか。推論速度、コスト、解釈性の観点から技術選定の裏側と、CTR1.2倍を実現した特徴量エンジニアリングの全貌を公開します。
キーワード解説
機械学習による動画広告の視聴完了率およびCTR予測モデルの構築
「機械学習による動画広告の視聴完了率およびCTR予測モデルの構築」とは、動画広告の配信において、ユーザーが広告を最後まで視聴する確率（視聴完了率）やクリックする確率（CTR: Click-Through Rate）を、過去のデータに基づき機械学習モデルを用いて事前に予測することです。この予測モデルは、広告のターゲット設定や入札戦略の最適化に活用され、広告効果の最大化を目指します。特に「動画広告自動化」の領域において、効率的かつ効果的な広告運用を実現するための重要な技術基盤となります。GBDT（勾配ブースティング決定木）のような手法が、推論速度やコスト、解釈性の観点から採用されることもあります。
1 関連記事
機械学習による動画広告の視聴完了率およびCTR予測モデルの構築とは
「機械学習による動画広告の視聴完了率およびCTR予測モデルの構築」とは、動画広告の配信において、ユーザーが広告を最後まで視聴する確率（視聴完了率）やクリックする確率（CTR: Click-Through Rate）を、過去のデータに基づき機械学習モデルを用いて事前に予測することです。この予測モデルは、広告のターゲット設定や入札戦略の最適化に活用され、広告効果の最大化を目指します。特に「動画広告自動化」の領域において、効率的かつ効果的な広告運用を実現するための重要な技術基盤となります。GBDT（勾配ブースティング決定木）のような手法が、推論速度やコスト、解釈性の観点から採用されることもあります。