本記事のポイント
■ CV 数だけの運用が頭打ちになる理由と、次の一手＝「計測の分解」と「CV 値運用」を解説
■ GTM で完了 CV を属性ごとに分けて計測し、どの CV が事業に貢献しているかを分析できる状態にする方法
■ CV に値を渡す VBB（価値ベース入札）で、受注金額が 103% に改善した当社の運用実績

CV の設定は済ませ、運用改善も一通りやってきた。それでも、ある時期から成果の伸びが鈍く感じる方も多いのではないでしょうか。

ターゲティングやクリエイティブを入れ替え、打ち手が一巡した後に「次に何をすればいいのか」が見えなくなる。これは運用が下手だからではありません。入札の主役が人から AI に移り、成果を分ける要素が変わったことが背景にあります。

本記事では、CV 数だけの運用が頭打ちになる理由と、その先に進むための 2 つの打ち手を解説します。1 つは GTM で完了 CV を属性ごとに分けて、どの CV が事業に貢献しているか分析できる状態を作ること、もう 1 つは CV に金額を渡して運用するCV 値運用（VBB）です。

目次

なぜ「CV 数だけの運用」は頭打ちになるのか

成果改善が進んでいるのに、どこかで伸びが鈍る。多くのアカウントで起きるこの停滞には、共通した理由があります。CV を「数」だけで見ていることです。

まずは、なぜ CV 数の運用だけでは限界が来るのかを 4 つの角度から整理します。

入札はすでに AI が担っている

現在の運用では、主要媒体の多くでスマート入札が使われ、入札単価の調整は AI が自動で行っています。人が単価を刻む運用は、すでに主流ではありません。

この前提では、成果を伸ばす鍵は、単価の調整ではなく AI への「渡し方」に移っています。同じスマート入札でも、何を目指させ何を学ばせるかで結果が変わります。

運用者の役割は、単価を刻むことから、AI に渡す目標と情報を設計することへと変わりました。

なぜ今、AI に渡す「信号の質」が成果を左右するのか

入札を AI が担うなら、成果はその AI に渡す情報の質で決まります。ここで近年、渡せる情報そのものが変化しました。

プライバシー保護の流れで、Cookie などを使った個人単位の追跡は制約が強まっています。AI が個人を追いかけて学習する材料は、以前より減りました。

だからこそ、限られた信号を、いかに正確で意味のある形で AI に渡せるかが成果を分けます。CV を数として渡すだけでは、渡せる情報を活かしきれていません。

そもそも CV は何で構成されているのか

では、CV を数で見る運用は何を見落としているのか。それを理解するために、CV そのものを分解しておきます。CV 数は単独で決まる数字ではなく、いくつかの要素の掛け算で成り立っています。

CV は「流入数 × CVR × 単価」に分解できる

Web 広告の成果は、大きく次の要素に分けられます。サイトへの流入数、そのうち CV に至る割合（CVR）、そして 1 件あたりの単価や質です。

CV 数だけを追う運用は、このうち「1 件あたりの単価・質」を見落としがちです。流入と CVR を上げて件数は増えても、単価の低い CV ばかりでは事業成果は伸びません。

本記事の後半で扱う CV 値運用は、この見落とされやすい「単価・質」に踏み込む手法です。

主要指標（CVR・CPA・ROAS）の意味

分解を理解する前提として、よく使う 3 指標を確認します。CVR は成約率、CPA は 1 件あたりの獲得単価、ROAS は広告費に対する売上の比率です。

CVR（Conversion Rate）は流入のうち CV に至った割合、CPA（Cost Per Acquisition）は CV 1 件を獲得するのにかかった広告費を指します。ROAS（Return On Ad Spend）は、広告費に対してどれだけ売上を回収できたかの比率です。

CV 数だけの運用は主に CPA を見ますが、CV 値運用では ROAS のように「金額」を軸にした指標が中心になります。

CV 数だけでは「質」が見えない

CV を 1 件＝ 1 として数えると、すべての CV が同じ価値に見えます。しかし実際は、受注につながる CV もあれば、そうでない CV もあります。

たとえば同じ「問い合わせ 10 件」でも、その中身が高単価の受注 2 件を含むのか、ほぼ失注なのかで、事業への貢献はまったく違います。CV 数だけでは、この差を区別できません。

区別できないまま件数を増やす運用は、質の低い CV も一緒に増やしてしまう恐れがあります。ここに頭打ちの正体があります。

第一歩：CV を「細かく」設計する（GTM で属性を分ける）

頭打ちを抜ける最初の一手は、CV を「1 件」でひとまとめにするのをやめることです。獲得した CV を、その中身の属性ごとに分けて計測できる状態にします。

この設計を担うのが GTM（Google タグマネージャー）です。

「CV を細かく」とは、完了 CV を属性で分けること

ここでいう「細かく」は、獲得済みの CV（完了 CV）を、その属性で分類して計測することを指します。1 件を 1 件のまま扱わず、中身の違いで区別します。

たとえば 「問い合わせか資料請求か」「個人か法人か」といった属性ごとに CV を分けて計測します。ほかにも、どのサービス・商品か、クーポン利用の有無、オプションの有無、問い合わせ項目で何を選んだか、なども対象です。

同じ「CV 1 件」でも、こうした属性が分かれば、その 1 件が事業にとってどんな中身なのかが見えてきます。

分ける観点（属性）	設定する値の例	分析・値付けのヒント
CV の種類	問い合わせ／資料請求／見積依頼	問い合わせは資料請求より受注に近い。近いものほど高い値を渡す
顧客区分	個人／法人	法人が高単価なら、法人 CV に高い値を設定する
サービス・商品	商品 A ／商品 B ／プラン別	粗利の高い商品の CV に高い値を渡すと、利益に寄っていく
オプションの有無	あり／なし	オプション付きは単価が高い。値に反映して優先度を上げる
クーポン利用	あり／なし	クーポンなしは利益率が高い場合がある。実利益で値を調整する
問い合わせ項目	導入相談／サポート／採用	導入相談は受注に近い。採用・サポートは値を低く（または除外）

このように 1 件の CV を属性で分けておくと、次の第二歩で「どの属性にいくらの値を渡すか」を決める材料になります。属性ごとの受注実績が見えるほど、渡す値の精度が上がります。

属性で分けると何が分かるか

表のように分けたうえで実績を見ると、これまで「合計 CV 数」に埋もれていた内訳が見えます。どの属性の CV が多く、どれが少ないかが分かるようになります。

たとえば「法人からの問い合わせは少ないが受注につながりやすい」「特定商品の CV だけ質が高い」といった差です。どの属性の CV が事業に貢献しているかを見分けられるようになります。

あわせて中間 CV も計測しておくと、最終 CV の手前のどの段階で離脱しているかも見え、詰まっている箇所を狙って改善できます。合計だけを追う運用から、価値の高い属性を狙う運用へと、判断の解像度が上がります。

分けたデータを施策に変える（データドリブンの回し方）

属性で分けること自体はゴールではありません。分けて見えた事実をもとに、施策を決めて実行し、結果をまた分解して見る。この「分ける → 気づく → 施策を打つ → 測る」を回し続けることが、データドリブンな運用の本体です。

大切なのは、分解を「レポートのための集計」で終わらせないことです。見えた事実の 1 つ 1 つに、対応する打ち手を紐付けます。たとえば「既存会員の CV が混ざっている」なら既存導線の除外、「特定商材の新規が受注に近い」ならその商材へ価値付けと配分、というように、事実と施策を 1 対 1 でつなぎます。

施策を打ったら、また同じ属性で結果を見て、効いたかどうかを判断します。分解の粒度が細かいほど、次に打つべき手が具体的になり、施策のサイクルが速く回ります。

中間 CV も補助的に設計しておく

属性の分解が主軸ですが、あわせて中間 CV（マイクロ CV）を設計しておくと学習を補えます。最終 CV の手前の前進行動を計測点にする考え方です。

フォーム到達や電話番号のタップなどが該当します。CV 数が少ないアカウントでは、AI の学習量を補う材料になります。

ただし主役はあくまで完了 CV の属性分解です。中間 CV は、データが薄いときの補助と位置づけます。

なぜ計測設計が広告アカウントに効くのか

属性で分けた計測は、分析だけでなく入札にも効きます。先に述べたとおり、入札は AI が担い、その精度は渡す信号の質で決まるからです。

属性で分かれた正確な CV は、そのまま AI の学習材料になります。質の高い信号を渡すほど、AI の最適化の精度が上がります。

逆に、計測が漏れていたり不正確だと、AI は誤った材料で学習します。計測設計は分析の土台であると同時に、入札の土台でもあります。

属性や金額を GTM に渡す方法（変数の取得元）

属性や金額を CV に持たせるには、その情報を GTM が受け取れる状態にする必要があります。ここで重要なのは、値の取得元は 1 つではなく、サイトの作りに応じて選ぶという点です。

GTM は「変数」という仕組みで、ページ上のさまざまな場所から情報を拾えます。どこに受注情報が載っているかはサイトによって違うため、実態に合った取得元を選びます。主な取得元は次のとおりです。

取得元	どんな時に使うか	特徴
データレイヤー（dataLayer）	サイト側で受注情報を明示的に渡せる場合	最も柔軟で正確。実装は必要だが、金額や属性を確実に受け渡せる王道
ストレージ系（セッション／ローカルストレージ・クッキー）	入力から完了までページをまたいで値を保持したい場合	フォームで入力した情報を、遷移後のサンクスページで読み出せる
サンクスページのタイトル・URL	完了ページに商材名や金額などが載っている場合	既存サイトで最も手軽。ただし載っている情報の範囲に依存する

理想は dataLayer で正確に渡すことですが、サイト改修がすぐに難しい場合もあります。その際は、今あるサイトから拾える情報（サンクスページの URL やタイトル等）で始めるのも現実的です。まず取得できる範囲で計測を始め、後から dataLayer へ寄せて精度を上げていく進め方が無理がありません。

第二歩：CV に「値」を渡す＝ CV 値運用（VBB）とは

計測を分解できたら、次はその CV に「金額（価値）」を持たせます。これが CV 値運用です。件数を数える運用から、価値を測る運用への切り替えです。

CV 値運用・VBB の定義

CV 値運用とは、各 CV に金額を持たせ、件数の最大化ではなく「価値（CV値）の最大化」を目指す運用です。

これを入札側から見た呼び方が VBB（Value-Based Bidding ／価値ベース入札）です。CV 値運用と VBB は、ほぼ同じことを別の側面から呼んでいると考えて差し支えありません。

ここで押さえたいのは、VBB は特定の機能名ではなく「価値で入札する」という考え方だという点です。それを実現する具体的な入札戦略が、次に挙げる tROAS などにあたります。

件数最大化と価値最大化は何が違うのか

件数最大化の運用では、AI は「とにかく CV を多く取る」ことを目指します。1 件 1 万円の受注も、失注する 1 件も、同じ 1 件として扱われます。

価値最大化に切り替えると、AI の狙いが変わります。同じ 10 件でも、売上に貢献する CV を優先して集めにいくようになります。

件数は同じでも、その中身が「売上につながる CV」に寄っていく。ここが両者の決定的な違いです。

この差は、単価が高く検討期間が長い商材ほど大きく効きます。CV 1 件ごとの金額差が大きい BtoB・不動産・金融などでは、質の違いがそのまま成果の差になるためです。

どんな「値」を渡すのか

渡す値は、受注金額・粗利・LTV（顧客生涯価値）など、事業成果に近い金額です。何を渡すかで、AI が向かう先が変わります。

最終的な事業成果に近い金額を渡すほど、最適化が事業目標に近づきます。売上を渡せば売上に、粗利を渡せば利益に寄っていきます。

受注金額がすぐに分からない場合は、CV の種類ごとに仮の重み（例：資料請求 1、問い合わせ 3）を付けるところから始められます。

値の「重み付け」で運用をコントロールする

値は実額をそのまま渡すだけでなく、意図を持って「重み付け」することで、運用の細かさとコントロール性を高められます。ここには 2 つの考え方があります。

値の桁を上げると、調整が細かくなる

同じ比率でも、値の絶対水準を上げると調整の細かさが変わります。たとえば「1,000 と 10」も「10,000 と 100」も倍率は同じ 100 倍ですが、桁を上げたほうが、tROAS で設定できる％の刻みが細かくなります。

値が小さいと調整の刻みが粗くなり、微妙なさじ加減が効きません。桁を上げておくことで、目標値をより細かくハンドリングできるようになります。

これは、単価が安い商品や、商品間の価値差が小さいケースで特に有効です。差が小さいほど、細かく刻めることの恩恵が大きくなります。

注力商品の倍率を上げて、狙って伸ばす

もう 1 つは、特に売りたい商品の倍率を意図的に上げる使い方です。実際の価値以上に値を厚く乗せることで、AI にその商品を優先して集めさせられます。

これにより、1 つのキャンペーンの中でも、商材・商品ごとに運用をコントロールできるようになります。媒体には価値の情報を渡しつつ、注力したい商品へ配分を寄せる、という舵取りが可能になります。

値の重み付けは、単に金額を伝えるだけの作業ではありません。運用者が意図を込めて媒体を動かすための「レバー」だと捉えると、設計の幅が広がります。

VBB を実現する 2 つの入札戦略

VBB という考え方を実際の運用に落とすと、主要媒体では 2 つの入札戦略に集約されます。どちらも「値」を手がかりに最適化する点は共通です。

目標広告費用対効果（tROAS）と、コンバージョン値の最大化の 2 つです。Google 広告・Yahoo! 広告のいずれでも利用できます。

tROAS は「広告費に対して何倍の価値を回収するか」の目標を決めて運用する戦略です。一方コンバージョン値の最大化は、予算内で価値の合計が最も大きくなるよう運用します。目標効率を守りたいなら tROAS、まず価値の総量を伸ばしたいならコンバージョン値の最大化、と使い分けます。

CV 値運用で得られるメリット

CV 値運用のメリットは受け取り手によって見え方が変わりますが、大きな還元点は 2 つです。分析の精度が上がることと、CV の質そのものが上がることです。

この 2 つは切り離された話ではなく、つながっています。

メリット①：分析の精度が上がる

CV を件数で見ると、判断基準は「どの広告が CV を多く取ったか」までです。金額で見ると、判断の軸が一段深くなります。

どの広告が「売上」に貢献したかで判断できるようになります。CV 数は多いが受注は薄いキャンペーンと、件数は少ないが高単価を取るキャンペーンを、正しく区別できます。

予算配分の判断が「件数の多い方」ではなく「事業に効く方」へ変わります。

この事例で見るべきは、数値の改善そのものより「何が見えるようになったか」です。CV を分解したことで、より濃く数値の状況が見え、分析や次の施策への根拠となるデータが増え、判断の精度が高まりました。

分解の本質は、数字を直接良くすることではありません。それまで選べなかった打ち手を「選べるようにする」ことです。CV を細かく設計する価値は、この一点に集約されます。

メリット②：CV の質が上がる

値を渡すと、AI の集めにいく対象が変わります。件数狙いから、金額貢献の高い CV 狙いへと最適化の方向が切り替わります。

結果として、受注につながりやすい、質の高い CV が増えていきます。ここで増えるのは「質の高い CV の割合」です。CV の総数は変わらなくても、その中身が受注寄りに入れ替わることで、同じ件数から得られる売上が上がります。

しかもその質は、メリット①の金額分析でそのまま可視化できます。値を渡す → 質の高い CV の割合が増える → その質を分析で確かめられる。この循環が回り始めるのが、CV 値運用の本質的な価値です。

実データ：受注金額が 103% に改善（当社運用実績）

CV 値運用の進め方とつまずきやすい点

CV 値運用は、いきなり値を入れれば回るものではありません。順序と、つまずきやすい点を押さえておくと立ち上がりがスムーズです。

どんな手順で進めるか

大きくは 4 段階です。計測を整え、値を設計し、その値（受注データ）を広告媒体に戻したうえで、入札を価値ベースへ移すという流れになります。

1. 計測を分解する：GTM で完了 CV を属性（問い合わせ／資料請求、個人／法人、商品など）ごとに計測できる状態にする。必要なら中間 CV も補助で設計する。ここが全ての土台になる。
2. 値を設計する：各 CV に渡す金額を決める。受注金額が分かるなら実額、分からなければ CV 種別ごとの重みから始める。
3. 受注データを広告媒体に戻す：受注や契約は広告のクリックから時間差で、しかも媒体の外（営業・受注管理）で確定することが多い。オフライン CV インポートなどの仕組みで、確定した受注金額を広告媒体に戻して初めて、AI はその価値を学習できる。ここが VBB の要になる。
4. 価値ベース入札へ移す：計測と値が安定してから、tROAS などの価値最大化の入札戦略へ切り替える。いきなり全面切り替えせず、一部から検証する。

つまずきやすい点

CV 値運用は、渡す情報が正しくないと逆効果になります。特に次の 3 点でつまずきやすいので、先に確認しておきます。

1. 値の設定ミス：渡す金額が実態とずれていると、AI は間違った方向へ最適化する。0 が 1 桁多い、といった単純なミスも成果を大きく崩す。
2. データ量の不足：CV や値のデータが少なすぎると、AI が学習しきれない。まず件数を確保するか、マイクロ CV で学習量を補う。
3. 計測の不正確さ：二重計測や計測漏れがあると、渡す信号そのものが歪む。第一歩の計測設計を正確に行うことが、そのまま入札の精度を守る。

いずれも、第一歩の「正確な計測設計」ができていれば大きく崩れません。計測の正確さが、CV 値運用の成否をそのまま左右します。

よくある質問（FAQ）

CV 値運用は少額予算でもできますか？

可能ですが、CV データが極端に少ないと AI が学習しきれず、効果が出にくくなります。まず一定の CV 数を確保するか、マイクロ CV で学習量を補うのが現実的です。件数が安定してから価値ベースへ移すと立ち上がりやすくなります。

受注金額がすぐ分からない業種でも値は渡せますか？

渡せます。実額が分からない場合は、CV の種類ごとに仮の重みを付けるところから始めます。たとえば資料請求を 1、問い合わせを 3 のように相対値で設定し、受注データが溜まったら実額に近づけていきます。

CV を属性で細かく分けると、AI の学習が分散して弱まりませんか？

分け方を誤ると起こり得ますが、値運用では問題になりにくいです。属性で分けても、最終的には各 CV の「値」を通じて 1 つの目標に束ねられるためです。AI は属性そのものではなく、属性に応じて渡された金額を手がかりに最適化します。属性は「値を正しく決めるための材料」と考えると整理しやすくなります。

CV 値運用に GTM は必須ですか？

必須ではありませんが、細かい計測点を柔軟に設計するなら GTM が最も扱いやすいツールです。マイクロ CV の設計や値の受け渡しを一元管理でき、計測の正確さを保ちやすくなります。CV 値運用の土台として導入しておく価値があります。

おわりに

成果改善が頭打ちに感じるのは、入札の主役が AI に移り、CV を「数」で見る運用が限界に来ているサインです。次の一手は、大きく 2 段階あります。

第一歩は、完了 CV を属性で分けて分析できる状態を作ること。分解の価値は数字を直接良くすることではなく、それまで選べなかった打ち手を「選べるようにする」ことにあります。第二歩は、その CV に金額を渡し、受注データを広告媒体に戻したうえで、価値ベースの入札へ移すことです。

大切なのは、運用の軸を「CV の数」から「CV の質」へ移すこと。まだ件数だけで運用しているという方は、まず計測の分解から始めてみてください。分けて見ることが、次のすべての打ち手の土台になります。

• Tweet