
今回ご紹介するのは、Web広告を活用し、大手保険会社の集客を実施した事例です。
媒体の特徴を生かした施策を展開することで獲得単価の改善を実現しました。
類似する業界、サービスでWeb集客に苦戦をしている広告主様や広告運用者の方は是非参考にしてみてください。
案件詳細
業界 | 保険業界 |
業種 | 生命保険 |
ターゲット | 40~75歳の男女 |
KPI | 資料請求 |
実施媒体 | Meta広告 |
予算 | 400~500万円/月 |
運用期間 | 2年 |
お客様の課題・要望
お客様の課題は大きく分けると以下の4点でした。
1. 獲得単価の高騰
Meta広告を活用しているものの、資料請求の獲得単価が想定以上に高騰。
2. リターゲティング依存
サイト訪問歴のあるユーザーを中心としたリターゲティング施策がメインとなり、新規ユーザーの獲得が伸び悩んでいる。
3. キャンペーン構造の細分化
キャンペーンが広告毎に細かく分かれすぎており、1つのキャンペーン内でのデータ蓄積が進まず、Metaの機械学習が十分に機能していない。
4. クリエイティブの最適化が困難
キャンペーンが細分化しすぎている影響で効果検証のためのデータも分散してしまい、どのクリエイティブが効果的なのか判断が難しい状態。
この企業様はリターゲティング依存でありながらも、
キャンペーン構成が過剰に細分化されていることで効果検証も思うように進められておらず、勝ちパターンを見つけ出すことができていませんでした。
仮説
現状のお客様の課題を踏まえ、以下の仮説と対策案を立てました。
1. キャンペーンを統合し、機械学習の最適化を図る
→ 広告キャンペーンを統合し、データの蓄積を促進することで、Metaのアルゴリズムが効果的に機能し、パフォーマンスが向上するのではないか。
2. 新規ユーザー獲得の強化に向けたペルソナ明確化と新規ターゲティングの追加
→ リターゲティングだけでなく、適切なターゲティングを用いた新規ユーザー向けの広告配信を増やすことで、獲得件数の増加が見込めるのではないか。
3. クリエイティブの検証環境の整備
→ データの統合により、クリエイティブごとの効果検証が可能になり、最適な広告の訴求・表現を特定できるのではないか。
施策内容
仮説をもとに、以下の改善施策を実施しました。
- キャンペーン構造の再設計
- 細分化されすぎていたキャンペーンを統合し、広告グループごとに十分なデータが蓄積される環境を構築。
- Metaの機械学習が効率的に機能するように設計。
- 新規ユーザー向け施策の強化
- リターゲティング依存から脱却するため、新規ユーザー向けのターゲティング設定を最適化。
- 既存顧客の類似オーディエンスや興味関心ターゲティングを活用し、より保険に関心度が高いユーザー層へアプローチ。
- クリエイティブの効果検証体制の確立
- データが十分に蓄積される環境を作ることで、クリエイティブごとの成果を正確に測定。
- 画像、動画、キャッチコピー等、多くのバリエーションでA/Bテストを実施し、獲得率が高いパターンを特定。
結果
- 獲得単価が49%削減:施策前と比較して大幅なコスト削減に成功。
- 新規ユーザーの獲得増加:リターゲティング依存から脱却し、新規ユーザーからの獲得件数が大幅に増加。
- 広告の最適化サイクルが確立:キャンペーン統合とデータ蓄積により、クリエイティブの勝ちパターンを特定しやすくなり、継続的なパフォーマンス改善が可能に。
まとめ
いかがでしたでしょうか?
今回の施策では、Meta広告の機械学習を最大限に活かすアカウント設計が成功の鍵となりました。
広告運用において、細かすぎる管理はかえってデータの蓄積を妨げ、最適化を遅らせることがあります。特にMeta広告の強みである自動最適化を活かすためには、適切なデータ環境を整えることが不可欠です。
・獲得単価が高い
・獲得件数がもっと欲しい
・もっと新しい提案が欲しい
・拡大をしていきたい…
そんなお悩みをお持ちの方々がいましたら、是非一度ご相談ください!
当社の取締役が直々に分析し、解決策を提案することも可能です。