D2Cスマイル

SHARE

スマイルを共有する

Facebook
Twitter
google+
はてなブックマーク
このエントリーをはてなブックマークに追加
デジタルマーケティングの総合オピニオンサイト
HOME > 広告運用における自動最適化の付き合い方
2017/07/04
2017/07/04

広告運用における自動最適化の付き合い方

D2C Rの鈴木光洋です。
マーケティング&ストラテジー本部にて、
広告運用チームとクリエイティブチームのマネジメントを担当しております。

 

今回は各媒体でどんどんアップデートされている、
自動化”について経験と共に、活用の仕方をご紹介させて頂きます。
ここで指す“自動化”は主に入札やターゲティングの自動化を指しています。

 

まず“積極的に自動化を活用しましょう!

 

実際に現場担当者へ利用状況をヒアリングしてみると、
自動化を利用していない担当者の方は意外と多いようです。

 

「手動でとにかく細かくやる事が広告運用!」
「手動でやらないと効果が悪くなった時に手が打ちにくい」
「とりあえず手動でなんとかなってるからいいや。」
「自動化どうなるか分からないから怖い。」

 

といった声が多く、なかなか導入に踏み切れずにいるようです。

 

私も自動化にチャレンジをして、
「日によって成果がブレるなーーー」
「手動はコントロールはし易いなーーー」
「何故いきなり悪化したーーー」
と、様々な悩みに直面しました。

 

しかしトライ&エラーを繰り返す事で、
工数を抑えながら効果を上げられるようになってきました

 

今回はその中の一部事例を共有させて頂ければと思います。
では手動入札から、自動入札に切り替えた事例から紹介させて頂きます。

 

 

手動vs自動化 事例

※数値は仮数値を入れています
————————————————–
業種:ツール系アプリ
入札方法:CPI入札
目標設定:CPI/800円
月次予算:1,000,000円
媒体:Google
————————————————–

 

リリース直後はCPCでやっており、
スタート時は目標CPIよりも高い1000円程で獲得が進んでいました。

 

そこでCPC調整や除外設定等を駆使し、
900円まで下がったものの、それ以降なかなか改善が見られませんでした。

 

予算に対してショートが続いた為、新たな施策として入札形式を変更する事にしました。

 

主要CPNを手動入札から自動入札に変えた所、
下記のように変化が見られました。
※数値は仮数値を入れています

 

CPCこそ若干高くなったものの、その他の指標は改善!
低CPIで大量のCVを獲得出来ました。

 

これはあくまで理想的な結果の案件です。
入札形式を変えるだけでは、こんなに上手くはいきません。

 

下記3点を注意する事で勝率を高める事が出来ます。

 

1.ターゲティングに制限を掛けない
2.本来使いたい日予算の1.5倍を入れる
3.除外も外す

 

とにかくアカウントの自由度を可能な限り高めてあげる事が大切です。

 

つまり、自動入札の場合は、
このようにターゲティングを絞ってしまう事は非常にもったいないです。

 

————————————————————
パズルゲーム=20代女性が多い

ターゲティングも20代女性に絞ろう
————————————————————

 

実際にCVするユーザーは40代もいれば、男性も多く含んでいます。
管理画面で設定できるデモグラやインタレストだけでは判断しづらい、
確度の高いユーザーを逃してしまう可能性の方が高いのです。

 

自動化に任せる事で、そのようなユーザーに対して積極的にアプローチを掛ける事に繋がります。
その結果CPCは上がるケースは多くなりますが、CTRやCVRは高い確率でついてくるでしょう

 

これだけを見ると自動>手動となりますが、
とりあえず自動化すればいいというわけではありません。
自動化する際にも気をつけなければいけないポイントがあります。

 

続いては自動化を併走させた時の事例です。

 

 

自動化vs自動化 事例

先程とは打って変わって、ターゲティングによる
自動最適化に効果差が出た事例を挙げさせて頂きます。
————————————————–
業種:ツール系アプリ
入札方法:oCPM入札(600円)※1
目標設定:CPI/600円
月次予算:1,000,000円
媒体:Facebook
————————————————–
※1 oCPM:最適化インプレッション課金

 

アプリリリースからFacebookを配信。
初頭はインタレストターゲ等を実施していたが、
CV数が必要件数貯まってからは、ほぼLookalikeで配信。

 

さらにLookalikeで伸ばす為に、広告セットを分けて配信。

 

 

上記パーセンテージは、Facebookのターゲィングの拡張度を表します。

 

今回はインストールユーザーのCVデータをベースに
5%と10%に分けていました。
下記のようなターゲティングのイメージとなります。

 

 

この図から分かるように、5%の方がCVユーザーの濃いデータである為、
CVRはこちらの方が高い想定です。

 

 

1ヶ月弱配信した所、下記の結果となりました。
※数値は仮数値を入れています

 

 

結果として10%の方が効果が良かったという形になりました。
(前提として各オーディエンスの重複排除済)

 

何故このような結果になったのか。
Facebookに関わらず、ディスプレイ広告ではよくある話です。

 

ベースとなるオーディエンスが小さい場合と大きい場合、
拡張した際に下記のように、ターゲット出来るユーザー数に大きな差が出ます

 

 

この小さい円の中では、CVするであろうユーザー母数がそもそも少ない為、
CVを獲得する難易度が急激に上がります

 

そうなるとFacebookのLookalike配信がいかに優れていたとしても、
結果を出す事は非常に難しいのです。

 

 

さいごに

自動化を成功させる為には
“制限をかけずにアカウントに自由度を持たせ、一定上のオーディエンス量の確保する”
これをやれば、成功する率は限りなく高くなると思います。

 

入札やターゲティングを細かに調整する事、それはとても大切です。
しかしそれに対して莫大な時間と工数、リソースが使われてはいないでしょうか。
限られた時間やリソースを最大限に活用する為に、
各媒体に用意されている自動化機能と上手く付き合っていく事を心掛けましょう。

 

“自動化”を上手く併走させる事で、工数を抑えながら、
広告改善に繋げる具体的なご提案はぜひD2C Rにお問い合わせください!

 

 D2C R
 http://www.d2cr.co.jp/

関連記事 RELATED ARTICLES
このライターが書いた記事