現在は機械学習促進という観点でなるべくデータをまとめる形での運用が重要になってきています。しかし過度にまとめすぎたデータはかえって数字を悪化させるケースもあります。今回は誤ったデータのまとめ方をピックアップ。どこに問題があるのかを一緒に考えてみたいと思います。

誤ったデータのまとめ方の事例

機械学習を促進するために一つの広告グループに全てのキーワードをまとめて広告運用を行った

キーワードをまとめすぎることの懸念点

全てのキーワードを一つの広告グループにまとめることの懸念点について考えてみたいと思います。

ターゲットに合わせて最適化されにくい

現在のgoogle・Yahoo!広告では検索意図に対して広告がどれだけ応えることができているのかを評価対象にしています。

たとえば広告の品質を表している品質スコアを見てみます。品質スコアは「推定クリック率」「広告の関連性」「ランディング ページの利便性」に基づいて算出されており、一般的にユーザーの検索に対する関連性が高いほど品質は上がります。

品質スコアの構成要素

  • 推定クリック率: お客様の広告が表示された場合にクリックされる可能性の高さを示します。
  • 広告の関連性: お客様の広告がユーザーの検索の意図と一致する度合いを示します。
  • ランディング ページの利便性: お客様のランディング ページが、広告をクリックしたユーザーにとってどの程度関連性があって有用であるかを示します。

品質スコアを使って広告のパフォーマンスを高める 5 つの方法

一つの広告グループに複数の検索意図をもったターゲットが含まれている場合、検索意図・ランディングページのズレなどが発生しやすく機会学習の最適化を妨げる要因になりえます。

品質スコアはキーワードレポートから確認することが出来ます。

クリック率を改善しにくい

上記のように機械学習が最適化されにくいこと以外では広告運用者が適切な広告文を作成しにくくなる点が挙げられます。広告文は検索ユーザーの検索意図を踏まえて作成しますが、一つの広告グループに複数の検索意図が含まれている場合は訴求軸を絞り込むことが困難になります。結果クリック率を改善しにくい広告運用になってしまいます。

分析するのに時間が掛かってしまう

広告運用で成果を上げるには改善ポイントを見つけて速やかに改善を実施することです。広告グループでターゲット・テーマ別に分けている場合は一目で成果の良し悪しを判断すること出来るため素早く分析・改善を実施出来ます。しかし一つの広告グループに全てのキーワードをまとめている場合は毎回キーワードレポートまで降りて確認する必要があり分析の工数が増えます。積み重なると分析するだけで多くの時間をかけることになります。

広告運用と他の業務を兼用している方の場合は限られた時間の中で成果を上げる必要があり、相反する広告運用になる可能性があります。

ターゲット・テーマ別に分割することを重視する

データをまとめることは機械学習を促進する上でとても重要ですが、まとめすぎることもNGであることがわかるかとおもいます。成果を上げるためには適切に分割することも重要だということです。もしまとめすぎていた場合はターゲット・テーマ別に広告グループを分割しなおすことを推奨いたします。

今回は以上となります。

関連する記事もありますので合わせてご確認ください。

【リスティング広告】広告グループの分け方ってどう考えるべき？

 

そのキャンペーンの分け方は適切？キャンペーンを分割した方がいいケースとは

The following two tabs change content below.

Hiroshi Shimada

リクルートにて求人広告制作のディレクター、Googleにてアカウントマネージャーをそれぞれ経験。その後、健康コーポレーション（現RIZAP）にて、WEB施策のデータ分析を行う部署を統括。直近10年はWEBマーケティングに専念しているが、広告領域の業務で言えば22年の経験。オンライン・オフラインどちらの戦略立案・実施・分析においても、知識・経験が圧倒的に豊富なマーケター。