広告を運用する際に、
機械学習については聞いたことがあると思います。
本記事では特に、
機械学習がカギと言われているMeta広告について説明していきます。
知っているか知らないかで大きく成果に関わっていくので、
確認必須な内容です！
1. 機械学習とは？
機械学習とは、
コンピュータがデータを反復的に受けとることで学習を進め、
タスクを迅速かつ効果的に実行するシステムのことを指します。
例えば、
Web広告ではユーザーの行動履歴やコンバージョンを元に
機械学習が進んでいきます。
Web広告では、
機械学習に最適化をかけることで
蓄積されたデータに基づいて効果的に広告を配信することが可能になります。
特にMeta広告では、
機械学習の最適化がカギといわれています。
他の媒体ではCookieによるユーザーの判別のため、
ブラウザが異なると別ユーザーとしてデータが蓄積されてしまいます。
しかし、
Meta広告ではブラウザが異なっても同一のユーザーであると認識されるため、
ユニークユーザーあたりのデータを素早く深く蓄積することができます。
データを素早く深く蓄積できることが大きなメリットですが、
質の高い機械学習を進めなければ、
効果的な最適化をかけることが難しいので注意しましょう。
Infinity-agent Labには機械学習の重要性について、
CPMを元に分析をしている記事もあるので是非参考にしてみてください。
あわせて読みたい
2. 機械学習で気を付けること
機械学習をメインとするMeta広告の運用では、
配信の最適化がかかりすぎてしまい獲得単価が高騰してしまうことがあります。
広告配信開始当初は、
ターゲティングや広告クリエイティブなど、
どれが効果がよいのかデータを貯めつつ検証する学習のフェーズです。
そこから、
効果がよいものに配信を集中させるよう成果の悪いターゲティングや
広告クリエイティブを排除する精査のフェーズに入ります。
そこで、
最適化のフェーズになった際に少ないターゲティングや広告クリエイティブ配信を続けると
過剰な最適化がかかってしまいます。
獲得単価の高騰の要因は、
過剰な最適化によって一部のターゲティングに配信が過剰に寄ってしまうことで
リーチが狭まることにあります。
各フェーズ
下記のように
Meta広告で最適化が進むとインプレッション単価が高騰し、
クリック単価も高騰する悪循環に陥ってしまうことがあります。
これが、
過剰な最適化によるデメリットです。
弊社実績：クリック単価・インプレッション単価の推移<ToC商材>
3. 弱点解消法３選
先ほど説明したように、
Meta広告では最適化がかかりすぎてしまうという
アルゴリズムがあります。
この弱点を運用技術でコントロールしていく3つの方法を紹介します。
3-1. キャンペーンの立て直し／ターゲティングの調整
広告セット含むキャンペーンを新しく立て直すことで、
これまでとは違うユーザーにリーチさせ、学習を改めます。
また、
オーディエンスの縮小を改善させるための、
ターゲティング調整（重複除外や拡張）を行うことで、
インプレッション単価の高騰を解消させます。
しかし、
編集を加えることで蓄積したデータがリセットされてしまうため、
情報収集期間は編集を加える回数が最小限で済むよう、
一度でまとめて編集を行いましょう。
3-2. 日予算の一時的な増額
日予算を引き上げることで学習範囲（リーチ）が広がり、
新しいユーザーにアプローチが可能です。
つまり、
学習を改めることでパフォーマンスの回復が見込めます。
ただし、
効率が悪化した場合は獲得単価高騰のリスクになるため
状況を見ながら判断する必要があります。
3-3. 予約キャンペーンでの配信
ブランド認知・リーチ最大化・フリークエンシーをコントロールして、
安定的に広告配信を行うキャンペーン設定により、
同じユーザーに配信し続けることはなく継続的に新しいユーザーにリーチが可能です。
ただし、
CVやトラフィックなどのキャンペーン目的が獲得の場合は設定ができないため、
CV最適化がかからないことで獲得単価の高騰リスクがあるため、状況を見ながら判断します。
4. まとめ
いかがでしたか？
本記事を通して機械学習の重要性は伝わりましたか。
機械学習を効果的に進めると、
広告の効果を最大限に発揮することができるようになります。
間違った方向に進めてしまわないよう、
アカウント構成やターゲティングをしっかりと行いましょう。
もし、
最適化がかかりすぎてしまった場合には上記3つの弱点解消法を試してみてください。
無料E-Bookダウンロード
無料マーケティング診断
お問い合わせ