Moloco Commerce Media AIエンジン
広告ビジネスを成長させるAIエンジン
Moloco Commerce Mediaは、数百万の買い物客のシグナルとカタログデータを分析し、関連性が高く成果の良い広告を配信するAIネイティブな広告システムです。すべてのオークションで、買い物客、広告主、コマースプラットフォームの成果のために数ミリ秒単位で最適化します。
Molocoのお客様
リテールメディアの可能性は、基盤技術で決まる
違いを生むのは、システムの設計方法
成長の壁に直面するルールベース方式
購買行動から学習できない静的なキーワードリスト
調整に人の介入を要する手動設定
カタログとデマンドが複雑になるほど関連性が頭打ち
ゼロから異なる設計方法で構築
すべての広告判断を機械学習の予測問題として扱う
ECサイト/マーケットプレイス固有のファーストパーティデータを基に学習
インプレッションから購入までを結びつけることで、システムが実際の成果を基に学習
インプレッションごとに
精度が向上する予測システム
コマース広告の強みはシグナルです。表示、クリック、カート追加、購入のすべてのプロセスが一つの環境の中で行われます。これにより、インタラクションを重ねるごとに豊富な基盤が構築され、予測システムの精度が向上します。モデルは各プラットフォーム固有の行動パターンから学習し、実際の買い物客の成果に対してスコアリングします。
自社の方法で連携するデータ
カタログと購買データを次の方法で連携します。
- 単一セラー、マルチセラーを問わず、あらゆる構造に合わせてデータを取得できる柔軟なカタログ連携（すでに利用しているGoogle・Metaのフィードもそのまま活用可能）
- API、タグマネージャー、既存のCDPを通じた買い物客のイベントのリアルタイム送信
遅れをとらない学習
常に最新状態のモデル：
- 2時間ごとに再学習 {[data-attribute="init-tooltip"][tooltip-content="<p>出典:<br><br>Moloco内部データ。更新頻度は、2026年4月時点でのモデル再学習の頻度により測定されています。</p>"]}
- 行動、在庫、プロモーションの日中変化に適応
ECサイト/マーケットプレイス専用モデルと学習
各ECサイト/マーケットプレイスの環境に含まれるもの
- 専用モデルインスタンス
- 自社データのみを使用するモデル学習
クローズドループ
このクローズドループは、ECサイト/マーケットプレイス自身の循環する仕組みです。買い物客がシグナルを生み出し、専用モデルがそれを捉え、そして広告ビジネスがそれを基に成長していきます。
たった一つのことを決めるのは簡単です
しかし、6つのドメインが連携してこそ
成果がさらなる成果を生み出します
コマース広告プラットフォームでは、一つのことを決定するだけではなく、一つの広告リクエストごとに6つの決定を同時に行います。MolocoのAIシステムCARA（ Compound Ad Recommendation Architecture）は、これらすべての決定に関わるモデルやAIエージェントを複合的にコントロールし、ECサイト/マーケットプレイス、広告主、買い物客の3者すべてにメリットをもたらします。A2G成長を支えるインテリジェンスレイヤーとして、各ドメインが互いに相乗効果を生み出しています。カタログの理解が深まれば検索精度が向上しを、検索精度が向上すれば入札精度が向上。そして、成果が向上すれば多くの広告主の参入し、広告主が増えればがオークションとシグナルがさらに強化されます。 この相乗効果こそが、「複合AIシステム」の真の意味です。
キャンペーン自動化
広告主が目標のROAS、売上、予算を設定すると、システムがそれに基づき運用し、AIエージェントがリアルタイムでキャンペーンの監視し、改善案を提示します。
広告パーソナライズ
トランスフォーマーモデルが購買行動と商品の適合性を詳細に学習し、インプレッションごとのクリック数とコンバージョンを予測します。
入札
買い物客との関連性、広告主のROAS、プラットフォームの掲載率のバランスを取り、すべての空き枠を関連性の高い広告で収益化します。
シグナル
分類体系の作成やキーワードマッピングを手動で行うことなく、カタログと行動データを埋め込みとして標準化します。
広告配信
自社メディアのどの場所に広告を掲載するかを管理し、各メディアがオークションの競争率、露出、収益に与える影響を定量化します。
広告デマンドの活性化
Demand Agentは、事前設定済みですぐに開始できるキャンペーンにより、簡単にサプライヤーを広告主として登録することができます。
ルールベースのシステムを崩壊させる問題を解決するためにMolocoが構築
ログイン済み常連客に対して完全一致のキーワードに基づいて広告を表示するのは簡単です。しかし、ECビジネスではその多くが難しい問題であり、そこでアーキテクチャの真価が問われます。
分類体系に依存しないカタログの理解
ECサイト/マーケットプレイスごとにスキーマ、分類体型、レイアウトが異なり、数百万点もの商品の価格や在庫状況が1日のうちにも絶えず変化します。CARAは、商品間の関係性や意味的マッチング（セマンテックマッチ）を把握し、カタログの属性を埋め込みデータに変換して丸ごと学習します。こうして一層鮮明になったカタログ情報を6つのドメインすべてで活用します。
オークション並みの速度の検索とスコアリング
2段階構成です。検索モデルがカタログ全体から関連性の高い候補を絞り込み、スコアリングモデルがクリック、コンバージョン、収益を予測して各広告の順位付けと価格設定を行います。
コールドスタートを意図的に解決
新商品は実績がないため、検索結果に表示されにくい傾向があります。コールドスタート検索は、新商品に初期の露出機会を与え、実績を蓄積できるようにします。新規ユーザーやログインしていないユーザーに対には、そのセッション内の行動に基づいて関連性の高い広告がリアルタイムで表示されます。
3者の成果を同時に考慮する入札
すべてのオークションで、買い物客（関連性）、広告主（ROASや配信ペース）、プラットフォーム（枠の埋まり具合と収益率）という3者を同時に満足させる必要があります。成果ベースの入札は広告主の目標に合わせて最適化を行う一方、広告品質アルゴリズムは関連性の低い広告の配信を抑制し、ブラックフライデーのような需要の急増時であっても、デマンド側の変動に応じて入札額がリアルタイムで調整されます。
1日に数十億回繰り返される4ステップ
シグナルを構造化された埋め込み表現に変換
検索、クリック、コンバージョンといった買い物客の行動データがリアルタイムで埋め込み処理されます。カタログデータやコンピュータビジョンによって生成された商品埋め込みデータも、並行して蓄積されます。
トランスフォーマーモデルが関連性をマッピング
AIモデルが、買い物客と商品の埋め込みデータとの関連性をマッピングします。実際の成果データに基づいて2時間ごとに再学習を行い、最新の行動パターンを正確に反映します。 {[data-attribute="init-tooltip"][tooltip-content="<p>出典:<br><br>Moloco内部データ。更新頻度は、2026年4月時点でのモデル再学習の頻度により測定されています。</p>"]}
全インプレッションをリアルタイムでスコアリング
セッション内のリアルタイムの行動を既存の学習パターンと比較し、すべての広告インプレッションについて、CTR、コンバージョン、収益をリアルタイムで予測します。
平均100ミリ秒未満
パーソナライズされた広告は、平均100ミリ秒未満で表示されるため、ページの読み込み速度を低下させることなく収益化に貢献します。スムーズなショッピング体験を維持しつつ、買い物客に関連性の高い広告を配信します。 {[data-attribute="init-tooltip"][tooltip-content="<p>出典:<br><br>Moloco内部データ。分析には2026年5月1日~7月31日のデータを使用し、その期間中に商用化されたスポンサー広告対応のMCM小売事業者を対象としています。数値は、商用化された小売事業者間における月次p95レイテンシ値の平均を反映しています。各小売事業者のp95レイテンシは、各リクエストのタイムスタンプと対応するレスポンスのタイムスタンプとの差分を抽出することで算出されます。</p>"]}
Molocoのアーキテクチャが生み出す成果
アーキテクチャの目的は、実際のビジネス成果を生み出すことです。クローズドループは、推測ではなく、精密に測定されたデータによってその成果を証明します。客観的な成果基準が必要なプラットフォームのために、Molocoのホールドアウトベースのインクリメンタル効果測定フレームワークは、プラットフォームと広告主双方に対する広告効果を定量化できます。
よくある質問
AIエンジンがA2Gの成長に重要なのはなぜですか？
広告枠をただやみくもに増やしただけでは、売上は伸びないからです。広告枠の数はプラットフォーム側が直接増やすことはできますが、その枠が「実際に広告で埋まる割合」と「広告単価」は、技術の質によって決まります。MolocoのAIエンジンは、購買可能性の高いパーソナライズ広告をマッチングさせ、広告主の成果を高め、入札競争を促進します。AIなしで枠だけを増やしても空の広告枠ができるだけで、収益化にはつながりません。
機能するまでにどれほどのデータが必要ですか？
通常、2週間程度かけて基本的な購入者の行動データを蓄積すれば、開始できます。その後、クリック数やコンバージョン予測を生成、調整し、シグナルが蓄積されるとともに予測精度が向上していきます。そして、以降は2時間ごとに再学習が行われます。{[data-attribute="init-tooltip"][tooltip-content="<p>Source:<br><br>Moloco Internal Data. Update frequency is measured by model-retraining cadence as of April 2026.</p>"]}
AIはどのデータを使用しますか？
自社プラットフォームで収集した購買行動データ、商品カタログデータ、広告リクエストのリアルタイムなコンテキストシグナルを使用します。サードパーティーのクッキーは使用しません。すべての学習と予測は、プラットフォームごとに隔離された環境内で実行され、他のプラットフォーム間でデータが共有されることはありません。
新規ユーザーやログインしていないユーザーにはどう対応しますか？
パーソナライゼーションは、ログインの有無にかかわらず、検索、クリック、閲覧などセッション中のリアルタイムの行動に基づいて行われます。買い物客が現在閲覧している流れを、プラットフォーム全体の購入パターンと即座に比較するため、初回訪問の瞬間から関連性の高い広告が表示されます。
新商品にはどう対応しますか？
データのない新商品については、コールドスタート検索アルゴリズムにより意図的に露出の機会を与えます。これにより、AIモデルの学習に必要な行動履歴が蓄積されます。十分なシグナルが蓄積されると、実績データを使う通常のAIターゲティングへ移行します。
システムはどのくらいの頻度で改善されますか？
システムの改善は、2つのトラックで同時に進められます。顧客専用モデルは、ライブデータを用いて2時間ごとに再学習し、同時にMolocoは広告の品質と成果を高めるアルゴリズムの改善を継続的に提供しています {[data-attribute="init-tooltip"][tooltip-content="<p>Source:<br><br>Moloco Internal Data. Update frequency is measured by model-retraining cadence as of April 2026.</p>"]}
買い物客のデータは安全に保護されますか？
Molocoはデータとセキュリティを重視し、ISO 27001、SOC 2、CSA STAR Level 1、GDPR、CCPAなどのセキュリティおよびプライバシーに関する認証を取得しています。詳細については、トラストセンターとセキュリティ＆コンプライアンス のページをご覧ください。
