能動的な新規ユーザーが集まる検索広告を重視

──ディップが展開する事業と、谷田さんの担われている役割について教えてください。

谷田：当社は、アルバイト求人サイト「バイトル」をはじめ、「はたらこねっと」やスポットのバイトサービス「スポットバイトル」など、有期雇用領域を中心に求人プラットフォームを展開しています。メインとなるユーザー層は大学生や若年層ですが、フリーターや主婦層まで幅広く利用いただいています。

谷田：ビジネスモデルは、採用企業様から月額の掲載料をいただく掲載課金型です。求職者からお金をいただくわけではないため「どのくらいの投資をすれば、どのくらいの求職者が集まるか」が見えにくいという難しさはあります。その中で私のミッションは、採用企業様の期待に応えるべく、適切な属性と人数の求職者をWeb広告経由で呼び込み、採用に向けた母集団を形成することです。

──今うかがったミッションを達成するために、広告運用の面で重視していることはありますか？

谷田：初めてサービスを利用する新規応募者のシェアを高めることです。短期的な応募数だけを追うなら、既にバイトルを使ったことがある既存ユーザーに広告を当てるのが最も手っ取り早く、CPAも安価に収まるでしょう。しかし、それでは広告費をいくら投下しても、プロダクトの成長やプラットフォームの拡大にはつながりません。

　既存ユーザーの再訪促進は、メルマガやアプリ通知など低コストのCRM施策で代替できます。だからこそ、貴重な広告予算は「完全新規ユーザー」の獲得に集中させるべきです。特に検索広告は、どの求人サイトを使うか決めていない能動層が集まるため、新規ユーザー率が極めて高いチャネルとして注力しています。

フリークエンシーキャップという“盲点”

──新規ユーザーの数だけでなく“質”も重視されているとうかがいました。

谷田：はい。当社のデータを分析すると、1件だけ応募したユーザーよりも、複数の案件に応募したユーザーのほうが、最終的なマッチング率や採用率が大幅に高くなる傾向が見られました。そのため、単発の応募で終わらせるのではなく、サイトに定着して複数応募に至るようなLTVの高い優良ユーザーを、検索広告からいかに呼び込めるかを重視しています。

──検索広告を運用するうち、ある“盲点”に気付いたそうですね。

谷田：ディスプレイ広告や動画広告では、同一ユーザーへの配信頻度を管理する「フリークエンシーキャップ」が常識です。しかし検索広告に関しては「ユーザー自身がキーワードを能動的に検索してクリックしているのだから、そのユーザーはサービスに関心があり、まだコンバージョンに至っていない見込みユーザーだろう」という強い思い込みがありました。

　ところが、チェク・ジャパンさんから提案いただいて実際のアクセスログを分析したところ、衝撃的なデータが判明しました。指名検索はもちろん一般求人キーワードにおいても、既に会員登録や応募などのコンバージョンに至っているユーザーが、その後も短期間に検索広告を何度もクリックしてサイトへ流入していたのです。

──既存ユーザーが検索広告を過剰にクリックしていたということでしょうか？

谷田：はい。バイトルの会員登録を済ませて応募先を検討しているユーザーが、再訪のたびに「バイトル」と指名検索し、最上位に出る検索広告をブックマーク代わりにクリックしていたのです。

　自然検索から無料で訪れてくれるはずの既存ユーザーに対し、訪問のたびにクリックコストを払い続けていたわけです。投資を新規に寄せるどころか、既存向けのリターゲティングのように検索広告を浪費していた事実に強い衝撃を受けました。

2週間で160回クリックするユーザーも

──ここで佐々木さんにうかがいます。検索広告における過剰クリックは他社でも頻発しているのでしょうか。

佐々木：はい。ボットではなく一般ユーザーによる過剰クリックも確認されています。中には同一ユーザーが2週間で検索広告を160回もクリックし、コンバージョンせずに離脱していたケースもあります。

佐々木：重要なのは、こうしたユーザーが例外的な特異値ではなく、まとまった母集団として存在している点です。特にディップ様のように、テレビCMや大型スポンサーシップでブランド認知が高い企業ほど、過剰クリックのボリュームは跳ね上がります。検索広告はユーザーの検索行動に基づいて配信されるため、こうした繰り返しのクリックも通常の広告接触として積み重なります。その結果、何度もクリックするユーザーを媒体側が「意欲の高い優良見込み客」と認識し、優先的に配信することで広告効率の悪化につながる悪循環が生まれていました。

──過剰クリックの存在が判明した後、どのように最適化を進めましたか？

谷田：ユーザーIPごとの行動ログをマッピングし、同一ユーザーが何回クリックし、何回目で応募に至ったかを徹底的に洗い出しました。すると、一定のクリック回数を超えた途端、クリック数は伸びるのにCVRが急落する明確な変曲点が見えてきました。このデータを基に、何回目のクリックで広告を非表示にするかという“閾値”の設計に着手しました。

──閾値を設定するにあたり、最も慎重を期したポイントは何ですか？

谷田：最大のリスクは機会損失です。広告費を抑えたいからと安易に非表示にして、ユーザーが他社に流れてしまっては元も子もありません。たとえば「クリック上限を4回とし、5回目以降は広告を表示しない」と定めた場合、5回目の検索時に広告枠の下の自然検索枠からバイトルへ戻ってきてくれるかが成否を握ります。戻ってきたユーザーは広告費削減の成功例ですが、戻らなかったユーザーがいた場合は機会損失です。そこで「フリークエンシーキャップによって削減できる広告コスト」と「離脱によって失う期待利益」を天秤にかけた、ディップ独自のROI算出ロジックを構築しました。

月々数百万円単位の無駄な広告費をセーブ

──一連の検証において、チェク・ジャパンおよび「CHEQ Acquisition」が果たした役割を教えてください。

佐々木：まず当社が発行したタグをサイトに設置いただき、媒体管理画面では見えない粒度のトラフィックデータを提供して仮説設計を支援しました。

　CHEQ Acquisitionの本導入後は、閾値に達したユーザーを検知し、広告配信からリアルタイムで除外しました。その上で、広告を非表示にされたユーザーがオーガニック検索から再訪したのか、離脱したのかを数ヵ月にわたり追跡しました。

　ディップ様が回帰率と機会損失の影響を極めて精緻に計算された結果、4〜5ヵ月の検証期間を経て削減コストがリスクを遥かに上回り、強固なROIが成立することを実証できました。

──今回の取り組みを通じて、具体的にどのような効果やインパクトが得られましたか？

谷田：検索広告における過剰配信を確実にブロックでき、月々数百万円単位の無駄な広告費をセーブすることに成功しました。また、直近2ヵ月では平均ROIが300％を超えるなど、CHEQ Acquisitionの高い導入効果を実感しています。

　本来広告を表示する必要のない過剰クリックに流れていた予算が、優良な見込み顧客や新規ユーザーに向けた配信へと適切にシフトしました。その結果、無駄なコストを抑えながらコンバージョン数を増やし、CPAを安価に抑えられるという副次的な好循環を生み出したのです。

配信強化期間も費用対効果を維持したまま応募数を拡大

──求人業界の繁忙期は春だとお聞きしました。その時期にもフリークエンシーキャップの効果は見られましたか？

谷田：春の繁忙期には通常時の何倍もの広告予算を一気に投下します。通常なら出稿量を急激に増やすと無駄打ちが増え、増分CPAが跳ね上がってしまいます。しかし今回はCHEQ Acquisitionによるフリークエンシー制御が強力な防波堤となり、通常時の数倍にあたる量を出稿してもCPAが高騰せず、高い費用対効果を維持したまま応募数をスケールさせることができました。

──最近はアドフラウド対策だけでなく、ディップのような配信最適化の文脈でCHEQ Acquisitionを活用するケースも広がっているのでしょうか？

佐々木：はい。一般的にCHEQ Acquisitionは、悪質なボットを排除するガバナンス目的で導入されますが、広告主様が真に求めるのは売上やコンバージョンの最大化です。今回の事例では、不正ボットの遮断という守りを超え、「正規ユーザーのうち、コンバージョンにつながりにくい層を広告主様とともに特定し、最適化を図る」という、攻めのマーケティングツールとしてのCHEQ Acquisitionのポテンシャルを証明していただきました。

　なお、今回はディップ様においてCHEQ Acquisitionのフリークエンシーキャップ機能自体の有効性を検証するため、検索広告に限定して同機能を活用いただきました。同機能は通常、アドフラウド対策に付随する形で媒体横断で利用いただいています。

谷田：実は、過去に他社のアドフラウド対策ツールを試した際は、当社の配信設計上ボット被害が少なく、ツール費用に対して削減額が見合わず解約した経緯があったんです。その点チェク・ジャパンさんは、企業の責任としてアドフラウドを防ぎつつ、過剰クリックの抑制によって明確な経済的リターンを得られるようにしてくれました。社内にも自信を持って報告できました。

サービス特性に応じた閾値のチューニングにトライ

──今後CHEQ Acquisitionを活用して、広告運用をどのように展開していきたいですか？

谷田：直近の重要課題は「Web to App（Webからアプリへの誘導）」の最適化です。Webとアプリではユーザー行動やコンバージョン計測の仕様が異なるため、求職者が最も定着しやすい導線を見極め、適切な予算配分を追求していきます。

　また、事業モデルに応じたフリークエンシー閾値の設定にもトライしたいです。バイトルの広告運用では、求職者と掲載企業様の出会いの総数を最大化することが主目的ですが、スポットバイトルではマッチング後の実稼働数を最大化することがKPIです。事業ごとにコンバージョンの定義が異なれば、最適な接触頻度の上限も変わるため、サービス特性に合わせたチューニングを進めていきたいです。

　2026年、ChatGPT向けアプリ「バイトル」の提供を開始しました。今後、求職者との接点がWebやアプリだけでなく、対話型AIにも広がっていく中で、新たな流入経路を含めてCHEQ Acquisitionでユーザー行動を捉え、それぞれの接点に適したマーケティングを考えていきたいです。

──谷田さんの展望を受け、佐々木さんはチェク・ジャパンとして今後どのようにサポートされたいとお考えですか？

佐々木：初回応募を起点とするのか、複数回稼働を追うのかによって、除外すべきユーザーの判定基準は柔軟に変更できます。事業ごとのKPIに応じたコンバージョン定義の最適化に伴走したいです。

佐々木：さらに中長期で見逃せないのが、求職活動におけるAIの影響です。求職者がAIを使って求人情報を自動収集する動きが始まっており、求人サイトに人間だけでなく「有益なAIボット」が大量に混ざり合う時代が到来しています。従来の「人間＝善」「ボット＝悪」という二元論は通用しません。「排除すべき悪質ボット」「情報収集を担う有益なAIエージェント」「ターゲットとなる正規のユーザー」「CV見込みの薄い過剰クリック層」を高度なセキュリティ技術で精緻に分類・識別することが不可欠です。複雑化する環境の中で、ディップ様が高い投資効率を実現できるよう支援を続けます。