多腕バンディット問題とは？広告運用への応用を完全解説

AdBanditは、多腕バンディット問題のUCB1アルゴリズムを広告運用に適用し、クリエイティブの探索と活用を自動バランスさせるSaaSです。

多腕バンディット問題とは

多腕バンディット問題（Multi-Armed Bandit Problem）は、複数の選択肢（アーム）の中から、限られた試行回数で最も報酬が高いものを効率的に見つける問題です。名前の由来は、カジノのスロットマシン（バンディット）の複数のアームを引く状況から来ています。

広告運用への応用

広告運用では、各アームが異なる訴求軸・トーン・フォーマットのクリエイティブに対応します。従来のA/Bテストでは探索フェーズと活用フェーズが分離していますが、多腕バンディットは両方を同時に行うため、探索コストを平均40%削減できると言われています。

UCB1アルゴリズム

UCB1（Upper Confidence Bound 1）は、各アームの「平均報酬 + 探索ボーナス」でスコアを計算し、最もスコアの高いアームを選択します。試行回数が少ないアームには探索ボーナスが加わり、未試行のアームは優先的に選択されます。

まとめ

多腕バンディットを広告運用に適用することで、限られた予算で効率的に最適なクリエイティブを見つけることができます。