チーフ・プロダクト・オフィサー、ビル・ミケルス
コンテンツインテリジェンスがCTV広告購入において大規模に導入され、ブランドや広告代理店に豊富な新たなデータソースを提供しています。これにより、CTV広告購入において、人間によるターゲティングやブランドガイドラインに沿った展開が可能になります。しかし、その最大の可能性は、おそらくパフォーマンスアルゴリズムにとって強力な最適化シグナルとして機能することにあるでしょう。
CTVがプログラマティック市場に参入した当時、インフラやデータエコシステムはすでに十分に整備されており、ウェブ、モバイル、さらには一部のオーディオやデジタル屋外広告（DOOH）のインベントリが活発に流通していました。CTVメディア自体は、このエコシステムにおいては非常に新しい存在でした（質の高い制作、プロフェッショナルな演出、知名度の高いタレント、ライブイベントなど）が、入札リクエストの形式はウェブやモバイルと似通っていました。これは意図的な設計によるものです。 標準化により、システムの規模が拡大しても仕様が変更されないという信頼が生まれ、資本配分が促進されます。その観点から見れば、リアルタイム入札は（IABに大いに感謝！）驚異的な成功を収め、多額の投資を呼び込み、広告主の支出をメディア資産へと誘導し、業界全体の成長を後押ししてきました。
CTVのプログラマティック広告バイヤーは、インプレッションの性質を把握していたため、同じ手法を適用しました。つまり、IPアドレスを活用し、そのIPアドレスにオーディエンスデータや郵便番号レベルの位置情報を紐付け、ID のバンドルを追加し、意思決定ロジックを適用したのです。 確かに、CTVは広告ポッドや、新たな略語が乱立する取引形態をもたらしました。しかし、より根本的な変化は、広告主が何を購入するかという点にありました。テレビ広告費がリニアからプログラマティックへと移行するにつれ、番組単位のパッケージは、世帯レベルのオーディエンスデータに紐づけられた個々のインプレッションへと取って代わられたのです。
この移行の過程で失われたのは、コンテンツの文脈、つまり広告が表示された時点で何が再生されていたのかという理解でした。当時、そのトレードオフも妥当なものに見えました。プログラマティック広告はオーディエンスベースの意思決定を軸に構築されており、それは広告主にとって慣れ親しんだ手法だったからです。
広告バイヤーは、コンテンツデータの提供を求める声を絶やしていません。Gracenoteが2026年に米国のメディアプランナー、テレビ広告バイヤー、プログラマティックトレーダー500人を対象に実施した調査では、このギャップが数値化されています。プログラマティックトレーダーの91％が、番組レベルのデータが不足していることがCTVキャンペーンの制約になっていると回答しました。 メディアプランナーの意見も同様に明確で、86％が、番組単位のターゲティングとレポート機能があれば、リニアテレビの予算をより多くCTVに振り向けると回答した。また、IABの2026年の調査では、CTVインベントリの透明性に対して高い信頼を寄せているバイヤーはわずか33％にとどまることが判明した。CTVのプログラマティック化への移行は、それを導くために必要なコンテンツインテリジェンスの整備よりも急速に進んだのである。
現在、コンテンツ・インテリジェンスは、リニアテレビの中核的な強みである「画面に映っている内容に基づいた広告購入」を、プログラマティックCTVにもたらしています。永続的で標準化されたコンテンツIDにより、タイトルはシステムをまたいで一貫した識別情報を持ち、動画言語モデルによってシーンレベルの詳細情報を付加することが可能になります。広告主は、ジャンル、出演者、ライブスポーツを基準にターゲティングできるほか、対応している場合は、シーンのムードやトーンを基準にターゲティングすることも可能です。こうした機能はもはや理論上の話ではありません。すでに現実のものとなっているのです。
しかし、この分野は停滞しているわけではない。「ウォールド・ガーデン」やパフォーマンス重視のデマンドサイドプラットフォーム（DSP）がCTV市場に本格的に参入し、リアルタイムのコンバージョンイベント、オーディエンスのコンテキスト、キャンペーン成果を組み合わせた、極めて効率的な機械学習ベースの成長システムを構築している。これにより、ターゲティング、入札、配信ペース、クリエイティブに関する意思決定が導かれている。
IAB Tech Labの「Agentic Real Time Framework（ARTF）」も、最適化を加速させる手段の一つです。専用コンテナは、プログラマティックインプレッション、特にCTVにおいて最適化モデルを実行するための、非常に有望な新たな手法です。
これらの新しいCTV広告購入システムは、膨大な量のデータを取り込み、成果を左右する要因をモデルに判断させます。コンテンツインテリジェンスは、オーディエンスデータと並んで、強力な新たな要素となるでしょう。パフォーマンスアルゴリズムがこのデータを活用し始めると、広告プランナーが思いもよらなかったようなパターンを発見できるようになります。人間が定義するターゲティングがついに実現したことは、素晴らしいニュースです。しかし、この新しいデータソースが最大の影響力を発揮するのは、モデルによる最適化の分野であると考えられます。
この記事はもともと『The Current』に掲載されたものです。
断片化の代償：情報発見の難しさが、スポーツファンをハイライト動画へと駆り立てている
スポーツファンにとって、新しい番組を見つけることの方が、月額料金よりも大きなハードルとなっている。
スポーツ視聴者の離脱問題の解決：現代のストリーミングにおけるホーム画面の優位性
ファンが求めているあらゆる情報を一か所に集約することで、離脱率を低減し、長期的なエンゲージメントを促進することができます。