コンテンツに​進む

新しい​ Google 広告アカウントを​作成しますか?

新しい​ Google 広告アカウントを​作成しようと​しています。​新しい​アカウントを​作成しなくても、​1 つの​アカウントで​複数の​キャンペーンを​作成できます。

新しい​ Google 広告アカウントを​作成しますか?

新しい​ Google 広告アカウントを​作成しようと​しています。​新しい​アカウントを​作成しなくても、​1 つの​アカウントで​複数の​キャンペーンを​作成できます。

楽天と​ Google の​検証で​明らかに、​「デジタルシェルフ」で​売り上げを​伸ばすヒント

中原 啓智

Social Module

共有

楽天と Google の検証で明らかに、「デジタルシェルフ」で売り上げを伸ばすヒント

「リテールメディア」への​注目は​年々​高まっています。​リテールメディアは​小売企業に​よる​販促の​ための​メディアや​その​仕組みを​指しますが、​注目を​集めている​理由の​ 1​ つが、​メーカーに​とっての​パラダイムシフトです。

従来、​メーカーに​よる​データ分析の​対象は、​主に​スモールデータでした。​パネル調査や​質問票での​調査で​生活者や​購買行動に​ついて​理解を​深め、​それを​基に​マーケティングの​戦略や​戦術を​組み立てていました。

これ自体は​非常に​重要な​ことですが、​リテールメディアを​活用する​ことで、​ビッグデータを​用いた​分析が​可能に​なり、​ビジネスの​成長に​つながります。

これまで、​売り上げの​上下動で​確認していた​マーケティング施策の​成否も、​オンラインの​リテールメディアなら​販売チャネル内の​接触全数​データが​取得できる​ため、​より​解像度高く​効果を​計測し、​意思決定に​活かせるようになります。

リテールメディア事業への​投資を​加速させている​企業と​して、​楽天グループ株式会社が​あります。​今回は、​Google が​楽天グループと​共に​開発した​リテールメディアの​広告メニューと​その​効果検証の​データに​基づいて、​リテールメディアを​通じた​販促活動での​ポイントを​解説します。

楽天も​投資を​加速、​Google が​提唱する​「デジタルシェルフ」

楽天グループでは​ 70 以上の​幅広い​事業を​展開しています。​なかでも​ EC 事業は、​流通取引総額が​ 6 兆円に​上る​主力事業であり、​その​中心を​担っているのが​「楽天市場」です。

楽天市場では​現在、​生活者が​本当に​欲しい​商品を​発見できるよう、​リテールメディアへの​投資を​加速させています。

具体的には、​生活者に​対してより​関連性の​高い​広告を​表示する​ことで、​生活者が​自分の​購買に​確信を​持つことができ、​購買体験を​向上できると​いう​ことです。​これが​結果的には、​楽天市場に​出品している​企業の​コンバージ​ョンや​売り上げ拡大にも​直結します。

楽天市場の​ように、​リテールメディアの​中でも​特に​ EC に​おける​顧客の​購買体験の​質を​向上させようとする​取り組みを、​Google では​「デジタルシェルフ」と​呼んでいます。​デジタル上に​商品が​並んだ​画面を、​棚(シェルフ)に​なぞらえた​言い方です。​この​デジタルシェルフを​最大限に​活用する​ことで、​より​生活者の​実態に​合わせた​販促活動が​可能に​なります。

楽天が​強化する​「EC 外販促」、​Google との​広告商品の​開発も

デジタルシェルフは​次の​ 3 つの​要素で​成り​立っています。

デジタルシェルフは、EC 配荷、EC 内販促、EC 外販促の 3 要素から構成される。

なかでも​「EC 外販促」は、​実店舗には​ない​ EC 特有の​販促手法です。​Google の​ショッピング広告など​デジタル広告を​通じて、​EC サイトに​訪れるよりも​前に​情報探索中の​人に​販促する​手法を​指します。

昨今、​楽天市場も​この​「EC 外販促」、​つまり​楽天市場外部の​広告商品の​開発に​注力しています。​同社の​調査に​よると、​楽天市場内の​広告経由での​購買者と、​楽天市場外部の​広告経由での​購買者の​重複は、​わずか​ 4% でした​(*1)。​メーカーは、​EC 内販促と​ EC 外販促を​併用する​ことで、​広告の​リーチを​効果的に​拡大できるのです。

そして​この​ EC 外販促を​強化する​一環と​して、​Google と​楽天は​共同で​広告商品を​開発しました。​楽天市場では、​出店企業向けに​店舗運営システムを​提供していますが、​その​管理画面から​ Google 広告を​出稿できるようになったのです。

特に​ 2024 年 5 月からは、​検索連動型広告-エクスパンション​(以下、​RPP-エクスパンション)と​いう​メニューで​ Google の​「ショッピング広告」への​出稿が​可能に​なりました。

ショッピング広告は、​画像と​テキストの​リッチな​広告掲載が​できることが​強みです。​Google に​よる​米国での​調査に​よると、​ショッピング広告に​接触する​ことで​ 25% 以上​購買に​つながりやすいとの​結果も​出ており(*2)、​商品イメージを​ビジュアルで​訴求できる​ショッピング広告の​有効性を​確認できています。

RPP-エクスパンションの​大きな​特徴が、​プライバシーに​配慮して​取得した​楽天の​購買データを、​EC 外販促にも​利用できる​ことです。​楽天の​消費行動分析データを​使った​特定セグメントに​対する​配信を、​Google 検索の​ユーザーに​対しても​適用できます。​つまり、​購買データを​含む楽天の​ファーストパーティ データで、​Google 広告の​配信を​最適化できると​いう​ことです。

また、​効果測定に​おいても、​売り​上げや広告費用対効果​(ROAS)などの​パフォーマンスを​ EC 外販促の​広告のみに​絞って​確認できる​ため、​PDCA に​活かせます。​商品別、​キャンペーン別で​見られるのは、​通常の​販促手法と​比較すると​かなり​高い​解像度です。​Google と​楽天市場、​両者の​強みを​発揮した​広告メニューです。

デジタルシェルフの​ EC 外販促で​売り上げを​伸ばす 2​ つの​ポイント

さて、​Google と​楽天市場では、​実際に​この​ RPP-エクスパンションを​利用して、​どう​すれば​ EC 外販促で​大きな​成果を​得られるのか、​分析を​行いました。

44 の​広告主を​対象に、​2023 年 9 月 〜 2024 年 2 月に​かけて​試験運用した​結果から​見えてきた​インサイトを​共有します(*3)。

インサイトの​ 1 つ目は、​広告掲載アイテム数を​増やす​ことで、​売り上げが​増加すると​いう​ことです。

下図の​横軸が​商品単価、​縦軸が​広告掲載の​アイテムを​ 100 点追加した​際の​売り上げの​増加を​示しています。​商品単価に​かかわらず、​掲載アイテム数が​増える​ほど​売り​上げが​増加している​ことが​見て​取れます。

商品単価にかかわらず、掲載アイテム数が増えるほど売り上げが増加している。

一般的に​実店舗では、​さまざまな​顧客ニーズに​応える​ため、​豊富な​商品を​取りそろえる​ことが​重要だと​言われますが、​デジタルシェルフでも​同じことが​言えます。

Google 広告の​データと​楽天の​購買データを​組み合わせて​分析した​結果、​対象の​すべての​広告主に​おいて、​広告を​見た​人は​最初に​クリックした​商品だけでなく、​それ以外の​関連商品も​一緒に​購入している​ことが​明らかに​なりました。​これは、​EC 外販促上での​広告掲載に​おける​商品の​ラインアップが、​結果的に​販売数の​増加に​つながっている​ことを​示しています。

広告の​効果だけを​追求すると、​広告効率が​良い​商品や、​単価が​高い​商品に​投資を​集中させたくなりますが、​そうすると​結果​的に​顧客が​一緒に​買う​商品の​選択肢が​少なくなり、​売り上げが​下がってしまうのです。

インサイトの​ 2 つ目は、​商品単価と​広告の​日予算の​バランスが​大事だと​いう​ことです。

下図の​横軸は、​広告の​日予算と​商品単価の​バランス、​縦軸は、​日予算の​増加に​対する​売り上げの​増加率を​示しています。

縦軸に​ 1 の​線を​引いていますが、​これを​上回っていれば、​増額した​広告予算以上に​売り上げが​還元されていると​いう​ことです。​逆に​この​線を​下回っていれば、​広告予算の​増額に​対して、​売り上げが​下回っている​ことを​意味します。

横軸は、広告の日予算と商品単価のバランス、縦軸は、日予算の増加に対する売り上げの増加率を示している。縦軸に 1 の線を上回っていれば、増額した広告予算以上に売り上げが還元されていることを示す。逆にこの線を下回っていれば、広告予算の増額に対して、売り上げが下回っていることを意味する。

今回の​検証に​おける​結果を​反映したのが​下図です。

分析の​結果、​横軸に​引いた​ 2 の​線、​つまり​商品単価に​対する​キャンペーンあたりの​日予算の​比率を​ 2 倍に​設定する​ことが、​売り上げを​拡大し続ける​ための​ 1 つの​基準と​して​見えてきました。​この​「2 倍」と​いう​基準は​あくまで​今回の​検証結果に​よる​ものなので、​状況に​よって​変動する​可能性が​ありますが、​いずれに​せよ、​単価が​高い​商品に​対しても​広告表示機会を​逃さないために​余裕を​持った​日予算の​設定が​重要だと​わかります。

今回の検証における結果を分析した結果、横軸に引いた 2 の線、つまり商品単価に対するキャンペーンあたりの日予算の比率を 2 倍に設定することが、売り上げを拡大し続けるための 1 つの基準として見えてきた。この「2 倍」という基準はあくまで今回の検証結果によるもので、状況によって変動する可能性がある。いずれにせよ、単価が高い商品に対しても広告表示機会を逃さないために余裕を持った日予算の設定が重要である。

(*4)

より​具体的に、​「広告掲載アイテム数」​「日予算と​商品単価の​バランス」の​ 2​ つに​ついて、​ベストプラクティスに​沿った​場合と​そうではない​場合で、​売り上げの​推移を​比較してみましょう。

ベストプラクティスを守った左の場合は、需要のピークである 12 月を過ぎても、広告経由の売り上げが伸び続けている。反対に右の例では、商品単価に対して日予算が 0.08、つまり 1 万円の商品に対して 800 円の日予算で、掲載アイテム数も途中から減っている。その結果、需要のピークを過ぎると広告経由の売り上げが大きく減少してしまっている。

ベストプラクティスを​守った左の​場合は、​需要の​ピークである​ 12 月を​過ぎても、​広告経由の​売り​上げが​伸び続けている​ことが​わかります。

反対に​右の​例では、​商品単価に​対して​日予算が​ 0.08、​つまり​ 1 万円の​商品に​対して​ 800 円の​日予算で、​掲載アイテム数も​途中から​減っています。​その​結果、​需要の​ピークを​過ぎると​広告経由の​売り​上げが​大きく​減少してしまっている​ことが​わかるでしょう。

まずは​商品単価の​ 2 倍を​目安とした​潤沢な​日予算を​設定し、​その広告効率を​見ながら、​売り上げの​伸びとともに​徐々に​予算を​増やしていく​アプローチが​良いでしょう。

ここでの​ポイントは、​需要の​時期を​超えても​売り上げを​保てているか​どうか、です。​デジタルシェルフ販促を​継続的に​活用する​ことで、​需要の​高まっている​時期が​過ぎても​広告を​露出させる​ことができ、​売り上げを​保ちつつ、​企業の​認知や​好意度の​獲得機会が​生まれます。

そうではない​場合、​需要が​低い​時期に​なると、​広告表示の​機会を​逃して​存在感が​なくなってしまう​ため、​中長期で​見ると​売り上げに​顕著な​差が​生じるのです。

今後に​向けて、​楽天グループでは​ RPP-エクスパンションの​拡大を​図ると​同時に、​真に​統合的な​リテールメディアへの​成長も​模索していると​いいます。​その​ 1​ つが、​サービス全体を​横断した​楽天 ID などの​データ活用です。​これに​より、​楽天市場に​限らず、​実店舗での​売上拡大へと​さらなる​可能性が​広がります。

今回の​検証で​見えた​インサイトを​踏まえながら、​Google と​しても​広告領域での​強みを​活かしながら、​引き​続きデジタルシェルフに​おける​ EC 外販促の​強化を​起点に、​メーカーの​支援を​続けていきます。

Contributor:今泉 涼二​(YouTube 広告 マーケティングマネージャー)​/矢口 拓​(広告ソリューション アーキテクト)

396_offlineretail_Author_220_230309_ver2_B

中原 啓智

シニアマーケティングリサーチマネージャー

出典 (4)

*1: 楽天グループ内部​データ​(訴求商材:モバイル機器配信期間:2022 年 2 月~4 月)​, n = 38,000

*2: Google 内部​データ、​米国

*3: 2023 年 9 月 〜 2024 年 2 月の​ managed 期間の​検索連動型広告-エクスパンションの​広告出稿額上位社(期間中の​広告出稿金額の​ 80% を​カバー)を​対象に​分析。​次の​データを​使用した。
​・楽天の​ CV データ:Google ショッピング広告に​紐づく​(30 days last click attribution)​広告主、​日別、​アイテム別の​コンバージョンデータ​(価格、​販売個数)
​・Google ショッピング広告に​対応する​ Google Ads API から​取得した​データ:広告主別、​日別、​表示アイテム別、​インプレッション数、​クリック数の​データ、​加えて​キャンペーン ID 別の​日予算。​広告の​日予算は​キャンペーンごとの​設定値を​アイテムごとの​インプレッションの​加重平均を​集計して​算出。​推定に​おいては​広告主別・日別を​推定の​単位とし、​サンプル数 n=4008 で​ Linear DML​(Debiased Machine Learning)に​より​ CATE​(Conditional Average Treatment Effect, 広告日予算または​広告表示アイテム数増加に​対する​広告経由の​売上の​増加)を​推定。​Machine Learning 部分は​ LightGBM を​利用

*4: 下限値は、​X 軸の​各値に​対する​ブートストラップに​よる​ Y 値の​予測区間の​下位 2.5% を​示す

ページ​先頭に​戻る