Google広告で学習が終わらない原因と改善手順｜どこから直すか

なお、TimeValue株式会社では、広告運用・クリエイティブ制作・LP改善・データ分析・AI導入までを一括で引き受けるWebマーケティング支援「KAIZEN」を提供しています。

現在、オンラインの無料マーケティング診断を毎月10社限定で実施中です。いまの数字を見ながら、どこから直すのが早いかを一緒に整理します。

今月の無料診断は残り4社です

無料マーケ診断を申し込む

広告からLPまで、まとめて見ます。オンラインで30分から対応しています。

Google広告の自動入札で学習中とは何が起きている状態ですか

Google広告の自動入札は、すべてのユーザーに同じ金額で入札する仕組みではありません。

検索語句、デバイス、地域、時間帯など、その時点で利用できるシグナルと過去のコンバージョン実績を参照し、成果につながる可能性をオークションごとに予測して入札額を調整します。

入札戦略を新しく設定したときや、入札目標、キャンペーンの構成などを変更したときは、それまでの条件で作られていた予測を新しい条件へ合わせ直す必要があります。
この調整中に管理画面へ表示されるのが学習中です。

入札戦略を新しく作成または再有効化した場合、入札戦略の設定を変更した場合、キャンペーンや広告グループなどの構成を変更した場合などに、学習中と表示されることがあります。
また、管理画面上で学習中の表示が消えた後も、アルゴリズム自体は新しいデータを継続的に学習しています。

そのため、学習完了という言葉を、以後の入札ロジックが固定される瞬間だと考えないほうが実態に近いです。
学習中という表示は、設定変更などによる比較的大きな再調整が進んでいることを知らせるステータスだと理解してください。

学習中だから成果が悪いとは限りません

学習期間は、入札戦略が新しい条件に合わせて予測を更新している途中です。
そのため、コンバージョン数、CPA、消化額などが通常より振れやすくなることがあります。

ただし、学習中と表示されていることだけを理由に自動入札が失敗していると判断することはできません。
逆に、成果が一時的に良かったとしても、その短期間だけを見て目標をさらに厳しく変更するのも避けたい動きです。

確認したいのは、学習中という表示そのものよりも、なぜ学習中になったのかと、学習に必要なデータが安定して蓄積されているかです。

学習中の表示を見たときに最初に確認する内容

なお、Google広告の管理画面名称、入札戦略の名称、学習ステータスの条件は変更されることがあります。
実際に設定を変更する際は、出稿時点のGoogle広告公式ヘルプと管理画面の表示を確認してください。

コンバージョンが少ないと学習が終わりにくいのはなぜですか

自動入札では、クリック数や表示回数だけではなく、最終的にどのオークションがコンバージョンにつながったかというデータが重要になります。

広告が多くクリックされていても、最適化対象としているコンバージョンがほとんど発生していなければ、自動入札から見ると正解となる事例が少ない状態です。
どの検索、デバイス、ユーザー属性、時間帯などに対して入札を強めるべきかを判断する材料が十分に増えません。

学習期間に影響する要素としては、キャンペーンなどで得られるコンバージョン数とコンバージョンサイクルの長さが挙げられます。

ここで注意したいのは、特定の件数を下回ったら必ず学習が終わらない、という単純な基準ではないことです。
必要なデータ量は、入札戦略、キャンペーンタイプ、コンバージョンの発生頻度、過去データなどによって変わります。

この記事では日数や必要件数を固定値として扱いません。
Google広告側の推奨値や仕様は変わるため、実際の判断では出稿時点の公式情報を確認してください。

データ不足ならキャンペーンをさらに分けない

コンバージョンが少ない状態でよく起きるのが、成果を改善しようとしてキャンペーンを細かく分割することです。

地域ごと、商品ごと、訴求ごと、キーワード群ごとにキャンペーンを分ければ管理はしやすくなります。
一方で、1つの入札戦略が受け取れるコンバージョンデータは薄くなります。

たとえば説明のための仮の値として、月に30件のコンバージョンがあるキャンペーンを6つへ均等に分けると、単純計算では1キャンペーンあたり5件です。
実際には均等にはなりませんが、分割するほど学習対象ごとのデータ量が減りやすいという考え方は同じです。

データ不足が疑われる場合は、さらに構造を細かくするのではなく、同じ目的を持つキャンペーンを統合できないかを検討します。
ポートフォリオ入札戦略など、複数キャンペーンで入札戦略を共有する方法が適する場合もあります。

ただし、地域や商品によって事業上の目標CPAや価値が大きく異なる場合まで無理に統合すると、別の問題が生じます。
目的や経済性が近い範囲でデータを集約することが基本です。

コンバージョンの発生が遅いと学習期間はなぜ長く見えるのですか

BtoB商材、高額商材、比較検討期間の長いサービスでは、広告をクリックした当日にコンバージョンするとは限りません。

数日後やさらに後になって問い合わせや購入が発生することがあります。

この時間差があると、管理画面で直近期間を見たときに広告費はすでに計上されている一方、コンバージョンはまだ出そろっていません。
そのため、一時的にCPAが高く見えたり、コンバージョン数が少なく見えたりします。

Google広告ではこの時間差をコンバージョンの遅延として扱っています。
コンバージョンまでに時間がかかる場合、最近の期間は後からコンバージョンが追加されるため、過去の確定した期間より成果が悪く見えることがあります。

自動入札側から見ても、広告を配信した直後には、そのクリックが成果につながったのかどうかをまだ確定できません。
したがって、コンバージョンサイクルが長いアカウントでは、設定変更後すぐに結果を評価しようとしても、判断材料が完成していないことがあります。

日数ではなくコンバージョンサイクルで見る

学習期間を設定変更から何日たったかだけで判断すると、商材によって評価がずれます。

広告クリックから平均的に成果が確定するまでの期間が短い商材と長い商材では、同じ経過日数でも集まっている確定データが違うためです。

自動入札の成果を比較するときは、コンバージョン遅延を考慮し、十分なコンバージョンサイクルを経てから見ます。

たとえば説明のための仮の値として、クリックから問い合わせまで平均5日前後かかる商材で、設定変更の翌日にCPAを評価しても、多くのクリックの結果はまだ確定していません。
この状態でCPAが悪化したとして設定を再変更すると、未確定データを根拠に次の学習を始めさせることになります。

管理画面で確認できるコンバージョンまでの日数や遅延に関する情報を参照し、直近期間を評価対象から外すことも必要です。

設定を頻繁に変更すると学習を繰り返すのはなぜですか

自動入札の学習が終わらないアカウントでは、データ不足より先に変更履歴を確認したほうがよいケースがあります。

成果が悪く見えるたびに目標CPAを変更し、翌日に予算を変更し、その後キャンペーンを分割し、さらにコンバージョン設定まで変えるという運用をすると、何の変更が成果へ影響したのか分からなくなります。

入札戦略の設定変更や、入札戦略に含まれるキャンペーン、広告グループ、キーワードなどの構成変更によって学習中になる場合があります。

すべての変更が必ず同じ規模の再学習を発生させるわけではありません。
しかし、大きな前提変更を短期間に重ねるほど、安定性を評価しにくくなります。

学習中でも止めなくてよい作業はあります

学習中だからアカウントを完全に触ってはいけないわけではありません。

明らかに誤った広告文の修正、リンク切れへの対応、計測不具合の修正など、事業上または運用上必要な対応まで放置する必要はありません。
また、検索語句の確認やレポート作成など、設定を変更しない分析作業も続けられます。

一方で、入札戦略の種類、目標CPAや目標ROAS、最適化対象となるコンバージョン、キャンペーンの大規模な統廃合などは、学習の前提へ直接影響しやすい項目です。

学習期間中の変更を考えるときの整理

何を触ったら学習が必ず何日延びる、といった固定ルールで判断するのではなく、予測の前提をどれだけ変える変更なのかで整理すると判断しやすくなります。

目標CPAや目標ROASが現実から離れているとどう直せばよいですか

目標CPAや目標ROASは、達成したい希望値を入力すれば自動入札がそこまで改善してくれるという設定ではありません。

目標CPAを極端に低くすると、Google広告はそのCPAでコンバージョンできる可能性が高いオークションを選ぼうとします。
条件が現状の実績から大きく離れていれば、参加できるオークションや入札強度が変わり、配信量が大きく変化する可能性があります。

目標ROASも同様です。
現状より大幅に高いROASを要求すれば、より高いコンバージョン価値が期待できる機会へ絞ろうとするため、配信量とのトレードオフが生じることがあります。

大きな目標変更は配信量や広告費へ大きな影響を与える可能性があります。
また、目標変更後はすぐに一つの短期結果だけを比較するのではなく、コンバージョンサイクルを考慮して評価します。

変更幅は固定の割合では決めません

目標CPAは毎回10パーセントずつ変えるといった固定ルールだけで運用する必要はありません。

変更幅は、現在の実績と新しい目標の差、コンバージョン量、事業上どこまで急いで変える必要があるかによって判断します。

たとえば説明のための仮の値として、確定後の平均CPAが20,000円前後で推移しているのに、突然8,000円を目標として設定した場合、現状のオークション環境との乖離は大きくなります。
一方、20,000円前後から19,000円程度へ変更するケースでは、前提の変化は比較的小さくなります。

これは19,000円なら問題なく、8,000円なら必ず失敗するという意味ではありません。
変更の大きさを、現在地との距離で捉えるための仮の値です。

変更間隔は成果が確定する速さで考えます

目標を変更した翌日に数字が悪かったから元へ戻し、その翌日にまた変更する運用では、評価ができません。

少なくとも、変更後に発生した広告接触の成果がある程度確定するまで待ち、コンバージョン遅延を除いたデータで判断します。

なお、目標ベースの入札戦略に関する仕様は更新されることがあります。
予算制約下での目標CPAや目標ROASの挙動を含め、今後も変更される可能性があります。

目標値を調整する際は、出稿時点のGoogle広告公式ヘルプと管理画面の案内を確認してください。

キャンペーン構造が細かすぎる場合はどう整理すればよいですか

キャンペーンを細分化すると、予算管理やレポートは分かりやすくなります。

しかし、自動入札の学習という観点では、細かく分けるほど各単位のデータが薄くなる可能性があります。

特に、同じ商品、同じコンバージョン目標、ほぼ同じ目標CPAなのに、地域やキーワードの小さな違いだけで多数のキャンペーンへ分けている場合は見直す余地があります。

まず、キャンペーンごとのコンバージョン量を確認します。
一部のキャンペーンには十分なデータが集まっている一方、ほとんど成果が発生していないキャンペーンが多数存在していないかを見ます。

次に、それらのキャンペーンを分けている理由を確認します。
予算を完全に独立させる必要があるのか、目標CPAが違うのか、商材の利益率が違うのか、営業対象地域が違うのかを整理します。

明確な経営上の理由がなければ、構造を統合する選択肢があります。

管理しやすさと学習しやすさを分けて考えます

広告運用者から見ると、キャンペーンを細かく分けたほうが数字を見やすい場合があります。
しかし、レポートを見やすくするための構造と、自動入札に適した構造が一致するとは限りません。

分析だけが目的なら、ラベルやレポート上の分類など、キャンペーン分割以外の方法で整理できる場合もあります。

逆に、目標CPAが大きく異なる商材を一つへまとめると、どの成果を優先するべきかが事業の意図とずれることがあります。
統合すればよいという話でもありません。

判断基準は、同じ入札目標で最適化してよいデータかどうかです。

Google広告では、対象となる入札戦略について複数キャンペーンへポートフォリオ入札戦略を適用できる仕組みもあります。
利用できる戦略や設定方法は変わる可能性があるため、実装時は公式情報を確認してください。

計測が不安定な場合は自動入札の学習をどう立て直せばよいですか

コンバージョン計測は、自動入札が何を成果として学ぶかを決める入力データです。

その入力が不安定であれば、入札目標だけを調整しても安定しません。

たとえば、ある期間は問い合わせ完了だけを主要なコンバージョンとして計測していたのに、途中から電話クリックやページ閲覧などを主要なコンバージョンへ追加すると、管理画面上のコンバージョン件数は増えます。

しかし、自動入札から見ると、コンバージョンという教師データの意味が途中で変わっています。
変更前後のCPAをそのまま比較しても、同じ成果を比較しているとは限りません。

Google広告では、コンバージョン列に含めるコンバージョンアクションが、目標CPAや目標ROASなどの入札戦略による最適化に利用されます。

そのため学習が安定しないときは、入札戦略だけでなくコンバージョン設定を確認します。
主要なコンバージョンアクションが途中で変更されていないか、タグ不具合によって計測件数が急減していないか、重複計測が始まっていないかを見ます。

学習が不安定なときに確認する計測項目

コンバージョン不足なら上流行動を加える方法もあります

最終コンバージョンが極端に少ない場合、資料閲覧、フォーム開始、カート追加など、最終成果に近い上流行動を最適化対象として利用する考え方があります。

メリットは、最終成果だけを使う場合よりもデータ量を増やせることです。
自動入札が学習に利用できるイベントの発生頻度が上がります。

一方で副作用もあります。
上流行動をコンバージョンとして強く評価すると、問い合わせる人ではなく、フォームを開く人や特定ページを見る人を増やす方向へ入札が最適化される可能性があります。

上流行動なら何でも追加すればよいわけではありません。
最終コンバージョンとの関連が強く、事業成果へ近い行動から検討します。

最終成果と上流成果を同じ価値として扱うのか、コンバージョン価値を分けるのかも設計が必要です。
単に学習用の件数を増やす目的で価値の低い行動を大量に追加すると、学習が速く見えても最適化先を誤るおそれがあります。

学習中の成果はいつ評価し手動入札へ戻せばよいですか

学習中のキャンペーンを評価するときは、まず設定変更日を基準にデータを分けます。

変更前と変更後を混ぜて平均CPAを見ると、どの条件で出た成果なのか分からなくなるためです。

次に、コンバージョン遅延を考慮します。
変更後に発生したクリックのうち、まだ成果が確定していない期間まで含めてCPAやROASを評価すると、直近ほど悪く見えやすくなります。

自動入札を評価するときは入札戦略レポートを利用し、コンバージョン遅延を考慮します。

したがって、学習中になってから何日経ったかではなく、変更後のデータがどこまで確定しているかで評価します。
日数について固定値を断定しないのは、コンバージョンまでの期間やデータ量がアカウントごとに異なるためです。

学習中の短期CPAだけで良し悪しを決めません

学習中は、CPAだけではなく配信量も確認します。

目標CPAを厳しくした後にCPAが下がっていても、コンバージョン数と広告費が大幅に減っているのであれば、単純に効率が改善したとは言えません。
反対に、一時的にCPAが上がっていても、まだコンバージョンが確定していないだけの場合があります。

入札戦略の変更前後で、広告費、コンバージョン数、CPAまたはROAS、コンバージョンまでの時間差を同じ期間条件で確認します。

この記事ではCPAやCVRそのものを改善する方法には踏み込みません。
見る目的は、自動入札の学習が正常に進められる状態かを確認することです。

手動入札へ戻す前に学習が失敗している理由を特定します

学習中の表示が長いからという理由だけで、すぐ手動入札へ戻す必要はありません。

コンバージョン不足が原因なら、手動入札へ切り替えてもコンバージョン自体が増えるとは限りません。
計測不具合が原因なら、手動入札へ変更しても計測は直りません。
頻繁な設定変更が原因なら、運用方法を変えなければ別の入札戦略でも同じように判断がぶれます。

それでも手動入札を検討するのは、自動入札で使える成果データが継続的に極端に少ない場合や、事業上必要な入札制御と自動入札の考え方が合わない場合などです。

ただし、利用可能な手動入札や自動入札の種類、キャンペーンタイプごとの対応状況は変わります。
切り替える際は、出稿時点のGoogle広告公式情報を確認してください。

学習が終わらないときは順番を固定して調べます

最初に変更履歴を確認し、何をきっかけに学習中になったかを特定します。

次に、コンバージョン件数が継続的に入っているかを確認します。
件数が少なければキャンペーン構造が細かすぎないかを見ます。

その後、コンバージョンまでの時間差を確認します。
成果が遅れて発生する商材なら、直近期間を評価対象から外します。

次に、目標CPAや目標ROASが直近の確定実績から大きく離れていないかを確認します。
最後に、主要コンバージョンの変更やタグ不具合など、計測条件が途中で変わっていないかを確認します。

この順番で調べれば、学習中だから待つ、数字が悪いから目標を変えるという二択ではなく、何が学習を不安定にしているのかを切り分けられます。

原因を直した後は、短期間に別の変更を重ねず、コンバージョンサイクルを考慮したうえで成果を確認します。
自動入札は変更すること自体が問題なのではなく、評価できるだけのデータが確定する前に次の変更を繰り返すと、原因を特定できなくなることが問題です。

よくある質問

まとめ