計測と​データ活用が​鍵となる。​複雑化する​時代に​広告成果を​大きく​向上させた​戦略設計の​実践事例 3 選

CASE 01 - ENEOS Power

Google 広告の​貢献度を​可視化。​指名検索数 200% 増を​実現した​フルファネル分析

（代理店 : CARTA ZERO）

詳しい​事例内容は​こちら

課題

1. 商​材特性に​よる​検討期間の​長さ

同社の​商材である​電力・ガスの​切り​替えは、​家族で​相談が​必要だったり、​申し込み時に​契約情報の​用意が​必要だったりと、​契約への​ハードルは​低く​ありません。​その​ため、​広告接触から​申し込みまでには​一定の​期間を​要すると​いう​特徴が​あります。

2. ファネル別の​「部分​最適」な​評価、​表面的な​指標への​偏り

従来の Google 広告の​運用は、​リーチや​視聴数と​いった​ファネル別の​指標に​留まり、​プロダクトを​部分​最適でしか​評価できていませんでした。​その​結果、​「単価が​低い＝良」と​いう​表面的な​判断に​偏り、​認知施策が​ファネルを​横断して、​最終的な​行動喚起に​どの​程度​貢献しているのかを​可視化できていませんでした。

プロダクトごとの​「貢献度」と​「最適な​接触回数」を​可視化

ファネル横断での​広告評価に​あたり、​個人情報​（PII）を​一切閲覧する​ことなく、​ユーザー単位の​行動を​解析する​ソリューションを​採用し、​各プロダクトが​どう​寄与したかを​定量的に​算出しました。

1. 「ユーザー単位」の​動きを​可視化

分析ツールを​用いて、​フルファネルでの​重複リーチや​各プロダクトの​組み合わせを​調べ、​一人の​ユーザーが​どの​広告に​触れ、​その​結果と​して​指名検索や​サイト来訪に​どうつながったのかと​いう​「ユーザー単位」の​動きを​可視化しました。

2. 接触回数の​分析

ユーザー行動の​パターンを​精緻に​分析できる​「Ads Data Hub」を​活用し、​サイト来訪を​促すために​一人の​ユーザーに​対して​何回​広告を​表示するのが​最も​効率的かと​いう、​最適接触回数​（フリークエンシー）を​分析。​その​結果、​従来は 4 回以上が​定説と​されていましたが、​実際には 3 回が​最適であると​いう​実証データに​基づいた​運用の​基準を​導き出しました。

検索数 2 倍増と、​迷いの​ない​投資判断基準の​確立

高度な​分析に​より​各プロダクトの​真の​貢献度が​可視化され、​データに​基づいた​戦略的な​予算配分が​可能に​なりました。​その​結果、​対象エリアの​指名検索数が 200% に​伸長。​あわせて、​最適接触回数を 3 回と​特定した​ことで、​投資効率の​最適化にも​成功。​「本質的な​評価軸」を​確立でき、​精度の​高い​計画立案が​可能に​なりました。

CASE 02 - ユナイテッドアローズ

Google の AI に​自社データを​組み合わせる​ことで LTV を​向上させ、​リピート率 110% を​達成

（代理店 : オプト）

詳しい​事例内容は​こちら

課題

1. ROAS​（​広告費用対効果）​重視に​よる​短期的な​成果への​偏り

同社は​これまで、​検索​広告や​デマンド ジェネレーション キャンペーンを​運用し、​単年度の​売上や ROAS​（​広告費用対効果）を​注視する​あまり、​短期的な​成果に​終始しが​ちでした。

2. LTV の​視点での​顧客との​継続的な​接点の​不足

中期経営計画では、​顧客と​「広く、​深く​つながる」ことが​重要視されており、​Google 広告の​役割も​今すぐの​購入を​促すだけでなく、​「一生涯ご愛顧いただける​存在に」と​いう LTV の​視点での​顧客との​継続的な​接点づくりが​課題に。​一度​購入いただいた​顧客と​いかに​して​長く​良好な​関係を​築いていく​かと​いう​「深い」​アプローチが​必要と​なりました。

「長期的な​関係​構築が​期待できる​顧客」を​学習させる​高度な​データ連携

1. 計測した​データに​「重み付け」して Google の AI に​学習

同社は​計測ツールで​「3 か​月以内に 2 回目を​購入した​人」の​行動を​分析し、​その​貢献度を​スコア化。​具体的には、​リピートの​見込みが​高い​顧客の 1 万円の​購入を 1 万 2,000 円と​するなど​「重み付け」した​データを​コンバージョン値と​して Google の AI に​学習させました。​これに​より Google の AI は、​P-MAX キャンペーンで​その​顧客に​似た​特徴を​持つ人を​優先的に​探すようになり、​効率的な​ターゲティングを​実現しました。

2. 人間と Google の AI の​役割を​分ける

「プライベート ブランドを​買う​人は LTV が​高い」と​いう​データも​あり、​それに​基づき P-MAX キャンペーンで​専用キャンペーンを​構築し、​予算を​重点配分する​構造を​設計。​人間が​データで​「戦略的な​初期構造」を​作り、​運用最適化は Google の AI に​任せると​いう​明確な​役割分担が、​施策の​精度を​高めました。

休眠顧客の​再活性化と​リピート率の​劇的な向上

本施策全体の​目標と​していた F2 転換率​（2 回目の​購入に​至る​割合）は、​前年比 110% を​達成しました。​特筆すべきは、​一度​離れてしまった​「休眠顧客」の​再購入を​促す効果も​非常に​高く、​こちらも​前年比 110% を​記録した点です。​また、​新規顧客の F2 転換率も​前年比 103% と​向上しており、​あらゆる​属性に​おいて​「購入して​終わり」ではない、​質の​高い​関係構築を​実現しました。

CASE 03 - アパホテル

Google の AI に​オフライン データを​活用。​高単価な​需要を​可視化し、​予約数前年比 180% を​達成

（代理店 : イーエムネットジャパン）

詳しい​事例内容は​こちら

課題

1. CPA​（獲得単価） を KPI とした​ことに​よる​予算の​偏り

同社は、​検索​広告と P-MAX キャンペーンを​運用し、​海外の​旅行予約サイトに​支払う​手数料を​基準に、​広告 1 件あたりの CPA を KPI と​して​設定していました。​しかし、​効率的に​予約が​取れる​場所を​自動で​優先する Google の AI の​特性上、​近隣アジアや、​日本国内に​滞在中の​英語圏の​利用者に​予算が​集中していました。

2. 世界規模の​認知・集客が​制限

本来ターゲットに​していた​欧米などの​顕在顧客まで​届いておらず、​世界規模での​ブランド認知と​集客を​狙う​同社に​とって、​この​特定エリアへの​依存の​脱却が​必要に。​本来リーチすべき層へ​正しく​広告を​届ける​ことが、​グローバル成長に​向けた​課題と​なっていました。

エリア、​アセット、​データ。​3 つの​アプローチで​国境を​越えた​最適化を​実施

1. 配信エリアを​細分化

同社は​キャンペーンの​目標を CV 最大化から、​目標と​する​獲得単価を​守りながら​獲得を​狙う​「目標 CPA」に​移行。​そして、​配信エリアを​訪日需要の​高い​国や​地域ごとに​細分化しました。

2. アセットの​最適化

SNS 運用で​培った​知見から、​国内外問わず​反応の​いい​「大浴場」​「客室」​「外観」と​いった​画像を​広告素材と​して​活用。​また、​欧州や​北米などは​安心感を​醸成する​ため、​エリアごとに​「公式感」を​重視した​多言語テキストを​用意しました。

3. さまざまな​データを​掛け合わせる

国に​よって​異なる​予約の​ピークや​数か月に​およぶ​予約までの​検討期間、​オフラインの​宿泊データを Google の AI に​連携し、​予算配分を​最適化。​これに​より​効率的に​各国の​顕在的な​需要を​発掘できる​体制を​整えました。

配信ボリュームが​増大し、​売上を​支える​主要施策へ

施策開始から​約半年で、​配信ボリュームは 500% を​超える​規模まで​拡大しました。​目標と​する​獲得単価を​達成しながらも、​広告経由の​予約数は​前年比 180% を​記録しています。​最大の​収穫は、​当初は​リーチが​難しいと​考えていた​欧米圏に​おいても​指名検索が​予想以上に​多く​存在している​ことを​可視化できた点です。​また、​広告だけでなく​自然な​検索に​よる​予約も 150% 程度まで​伸びると​いう​相乗効果も​現れました。

潜在層への​アプローチから​成約までの​設計や、​検索​広告や P-MAX キャンペーンを​はじめと​する​施策を​最適化し、​成果を​伸ばした​事例に​ついては​こちらを​ご覧ください。