進化する、配信の自動最適化

　昨今の検索連動型広告やアドネットワーク、DSP、ソーシャル広告など、一般的に運用型広告と呼ばれる広告のほとんどに「自動最適化」機能が実装されています。

　同機能では、過去の広告配信実績や3rdパーティのクッキー情報などを利用し、目標CPAやコンバージョン数を達成するよう自動的に調整します。広告の運用以外にも複雑かつ多岐にわたる作業を行うマーケターにとって、自動最適化機能は必要不可欠といっても過言ではありません。

　具体的には、自動最適化機能を導入すると以下の効果が期待できます。

• 1人1人に最適な広告を、自動でベストなタイミングに配信できる（One to Oneの実現）
• 機械（システム）が自動で広告効果に合わせて改善を加える（自動入札調整）
• 現在の配信状況から、各キャンペーンの予算を適切に分配できる

　このように「機械（システム）が適切に調整する」自動最適化機能ですが、活用する際にマーケターや広告担当者が考えるべきこととはなんでしょうか。その答えを紐解くには、自動最適化によってできること、できないことを整理するところから始めていかなければいけません。

自動最適化ができること、できないこと

　自動最適化機能によって、CPAを目標に合わせることは人が頭を悩ませずともできるようになりました。「〇〇な時間帯に、△△をしている□□なユーザーに最もクリックされるクリエイティブ」といった極限までセグメントされた高精度な実績をもとに、配信のオンオフや強弱をつけることは、人の手では到底行えません。それを同機能では、容易に行うことができます。

　しかし私の経験上、「ある一定までは自動最適化機能で効果的に運用できるが、そこから伸びない」というケースがよく起こります。

　原因としては、良いものを伸ばし、悪いものを止めるというシステマチックな運用の限界が挙げられます。少なくとも現状の自動最適化は「過去のデータをもとに、最適な広告配信を行っていく」仕組みであり、効果の善し悪しの判断から次のアクションにつなげる機能です。ただ、広告運用においては、他にも考慮しなければならない項目があります。特に下記二つを行うのは、自動最適化機能ではまだ難しいと考えています。

• 経験値のない新しいクリエイティブやキャンペーン
• データだけでは見えないユーザーの感情の変化

ユーザー感情の変化

　自動最適化機能は、広告効果の良し悪しを判断する際、CTRやCVR、CPAといった定量データを使います。ユーザーの動きを「クリックする／しない」「コンバージョンする／しない」といったデータの合算値のみで改善することで、「なぜこのユーザーはクリックしなかったのか」「このユーザーをクリックやコンバージョンに導くためにはどうすればいいのか」といったユーザーの感情の変化に気づくことはできません。

　つまり人がすべきは、このユーザーの感情の変化を仮説立て、適切に利用や購入まで至らせるまでの道筋を考えることなのです。

　広告や集客の担当者は、ターゲットとしているユーザーの「感情をどう変化させるか」ということをベースに、クリエイティブ設計を行う必要があります。その上で、仮説通りにユーザーの感情が変化してコンバージョンにつながったかを効果検証する。このように、自動最適化では行えないところを人の手や頭で考え改善することで、自動最適化の恩恵をより一層受けることができます。