Original

リスティング広告で効果を出すために必要な自動入札ツールの特徴とは?

 

リスティングで効果を出すために必要な自動入札ツールの特徴とは?

 

 

 

 

 

リスティング広告を運用する上で最も重要なアクションの1つが入札です。数千のキーワード1つ1つに対して、毎日効果を確認しながら最適な入札金額を設定する必要があります。最適な入札金額を計算する方法は非常に難しく、かつそれを数千のキーワードに対して実施するのは非常に時間がかかる作業です。

 

これを補助するツールとして媒体(Google・Yahoo)からコンバージョンオプティマイザーという自動入札ツールが提供されていますが、効果的に活用できるケースは限られているのが現状です。本記事ではコンバージョンオプティマイザーの特徴を紹介しつつ、活用できないケースにおける対策についてご紹介していきたいと思います。

 

 

目次

1.コンバージョンオプティマイザーがはまる・はまらないケース

2.機能しない場合に必要な効果を出すために必要な自動入札の特徴とは?

3.まとめ

 


 

1.コンバージョンオプティマイザーがはまる・はまらないケース

 

 

 

媒体(Adwords・Yahoo)が提供する自動入札ツール:コンバージョンオプティマイザーは非常に優れた入札ツールですが、その特徴を踏まえると効果的に働くケースとそうでないケースが存在します。本章ではコンバージョンオプティマイザーの特徴を紹介しつつ、活用が難しいケースについてご紹介いたします。

 

 

1-1. CVサンプル数が少ない

 

まず1つ目はCVサンプル数の問題です。コンバージョンオプティマイザーは実に細かい単位( 頻度 × 粒度 )で入札を実行していきます。

 

頻度に関しては、入札オークションが入る毎にリアルタイムで最適な入札価格を算出して実行します。

 

また粒度に関しても、キーワードよりさらに細かくユーザーの検索クエリ毎、配信ネットワーク・地域・デバイス・時間帯などで入札を行っています。

 

この細かい単位で最適な入札価格を算出するためには、実績の傾向値を予測するための十分なデータサンプルが必要になります。月に15件以上CVが発生しないと設定が出来ず、精度が高い状態で動くためには50~100件程度必要と言われています。

 

予算金額が大きい会社、コンバージョンが発生しやすいB to Cの会社などでは上記条件をクリアできる可能性が高いですが、スモールスタートしたい会社、予算金額が少ない会社、B to B のサービス展開をしている会社などに関しては十分なデータサンプルを確保出来ず導入が難しいことが想定されます。


 

1-2. 環境変化が激しい

 

コンバージョンオプティマイザーは過去の配信実績データから、将来の実績を”予測”し入札を行うモデルとなっています。正しい入札を行うために過去の配信実績を蓄積し学習を行っています。そのため配信環境に大きな変更があった場合、学習したデータを活用することが出来なくなる( = 活用しても予測が正しく出来なくなる)ため、変更後の環境下で再度データ蓄積を行うことが必要です。

 

リスティング広告の運用では、予算が急に変更になったり、広告・ランディングページが変更になったりなど自社の運用環境も日々変わります。また競合など外部環境も常に変化しており、環境変化が非常に激しいことが想定されます。そのため予測するというアプローチの入札スタイルでは、変化を吸収しつつうまく入札が最適化されることはレアケースなのかもしれません。


 

1-3. 運用管理している媒体・アカウントが多い

 

最適な入札を行うためには、大きく2つのことを考慮する必要があります。1つ目がキーワード1つ1つの最適な予算金額を決めること。2つ目が複数のキーワード (or 媒体・アカウント)に対して最適な予算配分を決めることです。

 

特に複数の媒体・アカウントを運用している場合、まず媒体・アカウント毎に最適な予算を割り振りを決めることが非常に重要です。

 

コンバージョンオプティマイザーはGoogle、Yahooといったそれぞれの媒体で独立しており、かつ同一アカウント内のキャンペーン・広告グループ単位を基本単位とした仕様になっているため予算配分の割り振りに関しては人の判断が必要です。



 

2.効果を出すために必要な自動入札の特徴とは?

 

 

 

前章ではコンバージョンオプティマイザーの特徴に触れながら、活用が難しいケースを紹介してきました。

 

 

本章ではコンバージョンオプティマイザーの活用が難しいケースにおいても活用が可能な、自動入札の特徴について紹介していきたいと思います。

 

2-1. 過去の実績から予測する入札モデルをやめる

 

過去の実績から予測を行い入札を最適化するためには、十分なデータサンプルが必要になります。またこれから入札を行う期間の運用環境とデータを蓄積していた運用環境が大きく変わっていない状態である必要があります。

 

上記を踏まえると”予測モデル”での入札最適化が正しく稼働するケースはレアであり、多くのケースで適用が難しい状態です。これを解決するためには、入札を最適化する方法を”予測モデル”から”トライ&エラー”モデルにシフトする必要があります。

 

 

2-2. トライ&エラーでの調整を前提とした入札を行う

 

”トライ&エラー”モデルとは、キーワード毎に最適な入札額を予測・算出して入札を行うことをせず、効率がいいキーワードは上げる・効率がいい悪いキーワードは下げるという基本の入札行為を何回も繰り返しながら入札を行っていくモデルのことを指します。

 

過去の実績からキーワード毎の最適な入札金額を算出することは非常に難しいですが、過去の実績から対象のキーワードが他のキーワードと比べて効率が良いか・悪いかを判断をすることは簡単です。

 

また1回で最適な入札金額を算出することは難しいですが、少しずつ入札金額を上げ・下げしながら調整を繰り返すことで日々変化する状況変化を吸収しながら入札の最適化を行うことが出来きます。


 

2-3. 複数の媒体・アカウントを横断した入札が行える

 

複数の媒体・アカウントがある場合、どの媒体・アカウントに予算を割り振るかが非常に大事なアクションの1つです。

 

またKPIや予算設定が複数ある場合ケースも多く、その場合はその対象毎に最適化された予算配分を行う必要があります。

 

 

キーワード毎に最適な入札金額を算出して最適化するのと同時に予算の割り振りを最適化する、この2つの機能を高いバランスで兼ね備えた入札を行うことが効果を出すための必須条件といえるのではないでしょうか。

 

 


 

まとめ


いかがでしたでしょうか?

 

入札という行為は、効果を出す上で非常に重要な行為でありかつ労力を要するアクションです。入札以外にもたくさんのアクションを行う必要があることを考えると、自動化ソリューションという選択肢がある入札に関しては是非導入を検討してみてはいかがでしょうか?

 

 

その際に自社の広告の運用状況を踏まえて、どういうタイプの自動入札ツールを導入すべきかをご検討いただければと思います。

ShiroKuro

ShiroKuro

インターネット広告の代理店で運用を10年。コンサルティングやオペレーションの仕組み・サービス設計を担当。その後、独立してWebエンジニアへ転身。Webマーケティングのオペレーションエンジンを日々開発中。 #twitter https://twitter.com/ShiroKu93776123