Google 広告を運用する上で、機械学習をいかに味方につけるかは成果を左右する極めて重要な要素です。近年、自動入札やレスポンシブ検索広告など、AIを活用した機能が主流となっており、機械学習を無視した運用は非常に難しくなっています。

本エントリでは、Google 広告において機械学習が進まないアカウントの特徴を詳細に解説し、改善のための具体的な見直しポイントをお話しいたします。

目次

機械学習が正常に機能しないGoogle 広告アカウントの主な特徴

Google 広告の機械学習が停滞しているアカウントには、共通するいくつかの特徴が見受けられます。まずは自社のアカウントが以下の状況に該当していないかを確認しましょう。

過去30日間のコンバージョン（以下：CV）数が極端に少ない

Google 広告の機械学習が効果を発揮するためには、一定以上のデータ量が必要です。一般的に、過去30日間で30件以上のCVが蓄積されていることが、機械学習を安定させる1つの目安とされています。

CVデータが不足していると、AIは「どのようなユーザーが成果に繋がりやすいか」という傾向を掴むことができません。その結果、入札の精度が上がらず、広告の配信が不安定になることがあります。

アカウント構造が細分化されすぎている

過去の運用手法に基づき、キーワードやマッチタイプごとにキャンペーンや広告グループを細かく分けすぎているアカウントは、機械学習が阻害されやすいです。構造を細分化すると、1つひとつの単位に蓄積されるデータが分散してしまいます。

機械学習は「信号（シグナル）」を集約することで真価を発揮いたします。データが各所に散らばっていると、AIが学習を完了させるまでに膨大な時間を要し、いつまでも最適化が進まない状態が続いてしまいます。

目標値や予算設定が現実的な数値と乖離している

目標コンバージョン単価（以下：tCPA）が低すぎたり、日予算が少なすぎたりする場合も、機械学習は停滞いたします。AIは設定された制限の中で最適なオークションを探しますが、条件が厳しすぎると参加できるオークション自体がなくなってしまいます。

極端に低いtCPAを設定すると、AIは「この単価で獲得できるユーザーはいない」と判断し、配信を抑制してしまいます。これによってデータがさらに蓄積されなくなり、負のスパイラルに陥るケースも少なくありません。

機械学習が進まない原因（1）：データ不足と配信設定の問題

機械学習がうまく回らない本質的な原因の多くは、AIに与える「情報」と「自由度」の不足にあります。ここでは設定面に焦点を当てて深掘りいたします。

配信量が極端に絞られている

広告のインプレッション（表示回数）が少ないと、機械学習の材料となるクリックやCVが発生いたしません。ターゲット設定を絞り込みすぎている場合、AIがテストを行うための母数が確保できなくなります。

■ オーディエンスの条件を重ねすぎている
■ 検索ボリュームが極めて少ないキーワードしか登録していない
■ 除外キーワードを過剰に設定している

これらの設定は、無駄なクリックを減らすためには有効ですが、機械学習の観点からは逆効果となる場合もあります。学習フェーズにおいては、ある程度の「遊び」を持たせた配信ボリュームを確保することが不可欠です。

CV計測の設定に不備がある

AIはウェブサイト上での計測タグから送られてくるデータを基に学習を進めます。しかし、この計測設定が適切でないと、誤った方向に学習が進んだり、学習が止まったりしてしまいます。

■ 計測タグが一部のページで発火していない
■ 重複してカウントされる設定になっている
■ 意図しないアクション（重要度の低いページの閲覧など）をCVとして計測している

正確なデータがAIに伝わらなければ、どれほど高度な機械学習アルゴリズムであっても成果を出すことはできません。まずは計測の基盤が正しく構築されているかを再点検しましょう。

機械学習が進まない原因（2）：運用の管理体制と頻度の問題

アカウントの設定だけでなく、日々の運用管理の仕方が機械学習に悪影響を及ぼしていることもあります。インハウス担当者が良かれと思って行っている調整が、実は学習を妨げているケースです。

短期間に頻繁な設定変更を行っている

Google 広告の機械学習には「学習期間」が存在いたします。キャンペーンの設定を大幅に変更すると、AIは学習をリセットし、ゼロからやり直す必要があります。

■ 入札戦略を変更する
■ 予算を20％以上増減させる
■ ターゲット設定を大きく入れ替える

これらの変更を数日おきに繰り返していると、AIはいつまでも学習を完了させることができません。一度変更を加えたら、最低でも1週間から2週間程度は様子を見る忍耐が求められます。

マッチタイプの使い分けが不適切である

キーワードのマッチタイプにおいて、完全一致のみに依存した運用を行っていると、機械学習が進みづらくなることがあります。完全一致は特定の語句に対してのみ広告を表示するため、新しい検索傾向の発見が困難です。

現在のGoogle 広告では、インテントマッチキーワードが機械学習を促進させる役割を担っています。インテントマッチを適切に活用することで、AIは幅広いシグナルを収集し、CVに至りやすいユーザーの行動パターンを学習できるようになります。

機械学習を促進させ成果を最大化させるための改善ポイント

滞っている機械学習をスムーズに進行させ、Google 広告の成果を底上げするための具体的な改善ポイントを解説いたします。以下のステップでアカウントの整理を検討しましょう。

アカウント構造をシンプルに統合する

データが分散している状態を解消するために、アカウント構造をシンプルに統合することをおすすめします。

■ 類似したキーワードを持つ広告グループを1つにまとめる
■ ターゲットが共通しているキャンペーンを統合する
■ 予算の制限をなくし、1つの場所にデータを集約させる

構造を統合することで、1つの広告グループに蓄積されるデータ量が増加いたします。これによりAIの学習効率が劇的に向上し、より精度の高い自動入札が可能になります。

マイクロコンバージョンを設定し学習データを増やす

最終的な成果（商品の購入や正式なお問い合わせ）の数が不足している場合は、マイクロコンバージョン（以下：MCV）の導入を検討しましょう。MCVとは、最終目標の手前にある中間指標のことです。

■ お問い合わせフォームへの遷移
■ カートへの商品追加
■ ウェブサイト内の重要ページの閲覧
■ 資料ダウンロードのクリック

これらのアクションをCVとしてAIに学習させることで、データ不足を補うことができます。AIは「どのようなユーザーが資料請求をするか」を学習し、その結果として最終的な購入率を高める動きをしてくれるようになります。

目標値を実績値に合わせて緩やかに調整する

自動入札を利用する際は、tCPAや目標広告費用対効果（以下：tROAS）を現実的な数値に設定しましょう。まずは過去の実績値に基づいた数値を設定し、機械学習が安定するのを待ちます。

（1）現在の実績に基づいたtCPAを設定する
（2）配信が安定し、CVが蓄積されるまで2週間ほど待機する
（3）成果を見ながら、5％から10％程度の幅で段階的に目標値を調整する

急激な変更を避け、AIが新しい目標に適応する時間を十分に与えることが成功の秘訣です。焦って目標を厳しくしすぎないよう、慎重にコントロールしましょう。

まとめ

Google 広告の運用において、機械学習はもはや不可欠なパートナーです。機械学習が進まない原因を正しく理解し、適切なデータ提供と環境整備を行うことが、長期的な成果の向上に繋がります。

データ不足や複雑なアカウント構造、過度な制限は、AIの可能性を狭めてしまいます。本エントリで紹介したポイントを参考に、まずは自社のアカウントが機械学習に適した設計になっているかを見直しましょう。

• Tweet