マーケティング

熟練者ほど陥りやすいGoogle広告自動最適化と統計学的データ分析の注意点

Google広告の運用を成功させるためには、日々蓄積されるデータを分析して、その分析結果を元にして改善を積み重ねていくことが不可欠です。
そして、データ分析の精度を高めるために、統計学的な手法を活用することも有効な手段です。
しかし最近では、Google広告で収集したデータを元に、Googleが自動で最適化を行う機能が充実しています。一昔前に比べて、自身で統計的学な手法で最適解を導く必要性はかなり減ったのではないでしょうか?

とはいえ、まだまだ運用者がデータを見て様々な分析を行い、手動で調整して最適化を行う必要はあります。そんな時には統計学的な手法を使うわけですが、Google広告の自動最適化が適応されたデータを元に統計学的な手法を活用する場合、注意しなければ誤った結論を出してしまうこともあります。
今回は、Google広告の配信時に自動的に行われる最適化と、それによって統計学的な手法を当てはめるのが難しくなる理由について解説していきます。

Google広告の自動最適化とは?


Google広告では、広告主が広告出稿によって目的を達成するのをサポートするために、Googleの開発したアルゴリズムによって様々な面で自動最適化が行われています。

例えば、配信される広告文の選定などが代表例です。
一つの広告グループに複数の広告文を登録している場合、ユーザーの検索クエリに合わせて自動で広告文が選択され、表示されます。この機能は広告主が自分でオフにすることもできますが、デフォルトではオンになっています。また、広告の成果を最大化するためにはこの機能を活用することが推奨されているため、ほとんどの広告主はこの機能の恩恵を受けているはずです。

他には、入札戦略として「拡張クリック単価」を利用していれば、手動で設定する上限入札単価がGoogleによって自動で上下されて、広告の表示機会があるたびに最適な入札単価で出稿できるように微調整されます。
このように、Googleによる自動最適化の機能は、広告出稿においてあらゆる場面で働いており、自動最適化を全く使っていないという広告主はまずいないと考えて良いでしょう。

自動最適化されたデータを分析するときの注意点

成果の最大化のために大変便利な自動最適化の機能ですが、データ分析をする上では注意しなければならないポイントがあります。
データ分析をする上では統計学は非常に効果的なツールですが、自動最適化が行われているデータに対しては、統計学はむしろ逆効果になってしまいかねないのです。
その理由の代表例を3つ解説します。

1.統計学的に厳密な手法が通用しなくなる(様々な仮定が崩れる)

まず1つ目の理由は、自動最適化がかかっているデータは、統計学の手法を当てはめる対象としては非常に不向きであるということです。
統計学において、分析の対象として最初に扱うデータは、ローデータ(生データ)と呼ばれる何も人の手が加えられておらずただ収集されただけのデータが基本となります。
しかし、Google広告の自動最適化がかかっているデータは、既にGoogleによる加工が施されており、ローデータとは程遠いものになってしまっています。

例えば、同じ広告グループで2種類の広告文を配信して、2つの広告文のどちらがより優れているかを統計学的に判断しようと考えているとしましょう。
この場合、統計学的に厳密な比較をするならば、2種類の広告文が表示される確率はどちらも等しく50%ずつで、他の条件は全てランダムでなければなりません。
しかしながら、広告文の自動最適化が行われている場合、Googleによって2つの広告文が選別された上で表示されますので、データに偏りが発生します。そのため、この時点で統計学的に厳密な議論をすることはできなくなります。

統計学の知識を持っている人ほど、統計学の枠組みでものを考えてしまいがちですが、Google広告のデータ分析においてはその考え方が落とし穴になることがあるのです。
統計学の考え方が全く通用しないというわけではありませんが、完全なローデータとは違うものを扱っているということは常に意識しておいた方がよいでしょう。

2.時系列データとして特別な処理が必要になる

2つ目は、Google広告で得られるデータは、基本的に「時系列データ」と呼ばれる特殊なデータであるということです。
時系列データとは、その名の通り、時間の経過とともに変化していくデータのことを指します。

例えば、自動最適化がかかっている状況では、8月1日のデータと8月31日のデータは同質なものではありません。
自動最適化は過去のデータを元にして行われますから、8月1日のデータを使って8月2日の広告配信が調整され、その結果を使って3日の広告配信が行われ……というように、データが新しくなるほど過去のデータの影響を強く受けるようになり、その時系列による変化を考慮しなくてはならなくなるからです。

こうしたデータを時系列データと呼び、基本的な統計学とは異なる手法を使わなくてはなりません。
時系列データの分析は、統計学の知識がある人にとっても難しい分析ですので、誤った結論を導いてしまわないように注意してください。

3.最適化のアルゴリズムは完全なブラックボックス

最後に3つ目は、Google広告の最適化のアルゴリズムはGoogleが独自に開発したものであり、中身は完全なブラックボックスであるということです。
どのデータがどのように操作されているかが全く確認できないため、データ分析の際にその最適化の効果を取り除くこともできません。
もちろん、最適化がされていなかったとしたら、という「もしも」のデータを得ることも不可能なので、「具体的にどのような調整が行われているかはわからないが、少なくとも何か手の加えられたデータである」という情報だけを頼りにデータ分析を行っていくことになります。
自動最適化の恩恵を受けられるのもGoogleのアルゴリズムのおかげですので、厳密性に欠けることはある程度受け入れるのが、Google広告とうまく付き合っていくためのコツとも言えます。

 

統計学的な正確性とビジネス的な効率性のトレードオフ


ここまで解説してきたように、Google広告の配信で得られるデータは、ほとんどがGoogleのアルゴリズムによる自動最適化が行われたものであり、統計学的な厳密性とはかなりかけ離れたものになっています。
簡単に大量のデータが得られて、それを分析することで効果的な施策が打てるというのがWebマーケティングの強みですが、統計学的な厳密性とビジネス的な効率性はトレードオフになっている部分があります。
そして、Webという時間の流れがとても速い市場では、データの精度よりもビジネスとしての効率性を求めた方が利益を最大化しやすくなります。

厳密さに欠けるデータを分析して、可能な範囲で筋の通った施策を打ち出し、もしそれがうまくいかなければ分析に立ち返り、また検証し……というように、質より量の考え方で、多少粗くてもいいので分析と検証を繰り返して、成功の足掛かりを見つけていくというのが、Webマーケティングにおける効果的なデータ分析です。
分析の精度を上げることももちろん大切ですが、それによって機会損失を出してしまっては元も子もありませんので、あくまでもビジネスとして成功できる道を探していきましょう。

Google広告の自動最適化とデータ分析の注意点まとめ

Google広告で行われる自動最適化とそれによって起こるデータ分析への影響について説明してきました。
最適化に頼らずに人間による手動のコントロールで運用を行うのが最も効果的であると考えられていた時期もありますが、今はむしろ、可能な限り最適化の力を活用して広告の成果を最大化するというのが主流となっています。
分析の精度とビジネスの効率性のバランスを取りながら、自動最適化をうまく利用することが、Google広告で成果を出すためには最も有効なやり方と言えますので、自社のマーケティング活動に最も適したバランスを探してみてください。