リスティング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。

リスティング広告の学習が終わらないとき最初に何を確認すべきですか

リスティング広告で自動入札を使っていると、管理画面に学習中と表示されたままになったり、CPAや配信量が日ごとに大きく動いたりすることがあります。

この状態で最初に避けたいのが、1日や2日の成果だけを見て設定を変更することです。
自動入札は、入札機会やコンバージョンデータを使いながら配信を調整しているため、学習期間中は数値が安定しないことがあります。

短期的にCPAが上がったからといって、すぐに目標CPAを変更したり、予算を下げたり、キャンペーンを分割したりすると、かえって学習が安定しにくくなります。

まず学習が進む材料があるかを確認します

見るべきなのは、学習中という表示そのものだけではありません。
コンバージョンが継続して発生しているか、予算不足で配信が止まりがちになっていないか、直近で大きな設定変更を繰り返していないかを確認します。

また、現在の目標CPAや目標ROASが、直近の実績と大きく離れていないかも見ます。
自動入札が達成しにくい目標を設定すると、入札できる機会が狭まり、結果として学習に使えるデータも集まりにくくなることがあります。

学習に必要な期間やコンバージョン件数を一律に決めることはできません。
媒体の仕様や推奨条件は変更されるため、Google広告やYahoo!広告の管理画面に表示されるステータスと、その時点の公式情報を必ず確認してください。

学習が長引いたときの確認順序

この順番で確認すると、成果が悪いから設定を触るという対応ではなく、学習に必要な情報が不足している原因を一つずつ切り分けられます。

設定を修正した後も、すぐに翌日の数字だけで評価するのではなく、一定量の配信データが蓄積されるまで変更を重ねないことが基本です。
具体的にどの程度待つべきかはキャンペーンの配信量やコンバージョン頻度によって異なるため、固定の日数ではなくデータの蓄積状況を基準に判断します。

コンバージョン件数が少ないと学習が長引くのはなぜですか

自動入札では、コンバージョンの発生状況が判断材料の一つになります。
コンバージョンがほとんど発生しない状態では、どのようなオークションに積極的に参加すればよいのかを判断するための情報が不足します。

ここで確認したいのは、単純なコンバージョン総数だけではありません。
キャンペーン単位でどの程度コンバージョンが発生しているか、日によって発生が極端に偏っていないか、コンバージョンが何日も発生しない期間が繰り返されていないかを確認します。

たとえば、月間のコンバージョンが一定数あったとしても、多数のキャンペーンに分かれていると、一つひとつのキャンペーンではほとんどデータが蓄積されていないことがあります。

コンバージョンの総数より配信単位で見ます

アカウント全体では成果が出ているのに、特定のキャンペーンだけ学習状態が長引いている場合は、そのキャンペーンに入っているコンバージョン数を確認します。

説明のための仮の値ですが、アカウント全体で月40件のコンバージョンが発生していても、それを8キャンペーンに均等に分ければ、各キャンペーンでは月5件程度になります。
実際には均等に発生するとは限らないため、一部のキャンペーンではさらに少なくなる可能性があります。

このような状態では、アカウント全体のコンバージョン数だけを見て十分なデータがあると判断しないことが大切です。

直すときはデータを集約できないか考えます

商品、地域、ターゲットなどの違いによってキャンペーンを分ける必要がある場合もありますが、成果データがほとんど蓄積されないほど細かく分ける必要があるかは再検討します。

配信目的や入札目標が同じで、予算管理上も統合できるキャンペーンであれば、構造をまとめることで自動入札が利用できるデータを増やせる場合があります。

ただし、コンバージョン数が少ないからといって、すぐに別のコンバージョン地点へ変更するのは避けます。
本来の事業成果から離れた地点を最適化対象にすると、件数は増えても広告運用の目的とずれる可能性があります。

修正後は、統合した翌日だけを見て判断せず、新しい構成で配信データが蓄積される時間を取ります。
必要な期間やコンバージョン件数は媒体やキャンペーンによって異なるため、管理画面と最新の公式情報を確認しながら判断してください。

キャンペーンを細分化しすぎると学習が進みにくいのはなぜですか

リスティング広告では、管理しやすくするためにキャンペーンや広告グループを細かく分けたくなることがあります。
しかし、自動入札を使う場合は、細分化が必ずしも運用精度の向上につながるとは限りません。

特に注意したいのが、地域、商品、キーワード、デバイス、顧客属性などを組み合わせて多数のキャンペーンを作っているケースです。
管理画面では構造が整理されているように見えても、それぞれの配信単位に蓄積されるデータが薄くなります。

分ける理由が運用上必要なのかを確認します

キャンペーンを分ける理由として、予算を別々に管理したい、異なる入札目標を設定したい、配信地域や商材ごとに明確な採算差があるといった事情があります。
このような場合は分割する意味があります。

一方で、単にキーワードの種類が違うから、商品ページが違うからという理由だけで細分化している場合は、統合できる可能性があります。

広告グループについても同じ考え方です。
検索意図や広告文を明確に分けるための構造は必要ですが、一つのキーワードごとに広告グループを作るような過度な分割は、管理工数を増やすだけになる場合があります。

配信構造を見直すときの判断材料

統合後に元へ戻す変更を繰り返さないようにします

キャンペーンを統合すると、配信状況が一時的に変化する可能性があります。
そのため、統合直後の数値を見てすぐに元の構造へ戻すと、再び条件が変わり、比較が難しくなります。

変更するときは、どの構造を変更したのか、変更前にどの程度の配信量とコンバージョンがあったのかを記録しておきます。

そのうえで、新しい構成でデータが蓄積するまで様子を見ます。
様子を見る期間は一律の日数で決めるのではなく、クリックやコンバージョンなどのデータが評価できる量まで蓄積したかで判断します。

設定変更を繰り返すと学習が終わりにくいのはなぜですか

学習が長引くアカウントでは、成果が悪くなるたびに何らかの設定を変更していることがあります。

月曜日に予算を変更し、火曜日に目標CPAを下げ、水曜日にキーワードを追加し、金曜日にキャンペーン構造を変えると、どの変更が成果に影響したのか分からなくなります。

さらに、自動入札側から見ても配信条件が次々に変わるため、一定の条件下で判断するためのデータを蓄積しにくくなります。

変更履歴を時系列で確認します

まず管理画面の変更履歴を開きます。
学習状態になった時期の前後に、予算、入札戦略、入札目標、キャンペーン設定、コンバージョン設定などを変更していないかを確認します。

運用担当者が複数いる場合は、誰が何を変更したかも確認します。
意図せず複数人が別々の改善を行っていると、変更頻度が高くなりやすいためです。

ここで注意したいのは、すべての変更を禁止することではありません。
明らかな設定ミスや計測不具合があれば修正が必要です。

問題になるのは、短期的な数字への反応として変更を繰り返すことです。

一度に複数の要素を変えないようにします

学習が安定しないときは、原因として最も可能性の高いものから変更します。
たとえば予算不足が疑われるのであれば、予算を調整した直後に目標CPAまで大きく変更するのではなく、まず予算変更後の配信状況を確認します。

説明のための仮の値ですが、昨日のCPAが8,000円、今日が13,000円になったという2日間だけの変化で目標CPAを変更すると、偶然の変動なのか構造的な悪化なのかを区別できません。

日単位のCPAは、コンバージョン件数が少ないほど大きく動きます。
短期間の上下を学習失敗と判断しないようにします。

変更後にどれくらい待つべきかは、変更内容と配信量によって異なります。
媒体が提示する学習ステータスや推奨事項を確認しながら、新しい条件で十分なデータが蓄積するまでは追加変更を抑えることが基本です。

広告予算が小さいと自動入札の学習にどのような影響がありますか

広告予算が小さいこと自体が問題なのではありません。
問題は、目標としている成果単価や市場のクリック単価に対して、予算が小さすぎる状態です。

たとえばクリック単価が高い市場で日予算が非常に小さければ、一日に獲得できるクリック数が限られます。
クリック数が少なければ、その先のコンバージョンデータが蓄積する速度も遅くなります。

予算だけでなく配信機会の不足を見ます

管理画面では、予算による制限が出ていないか、日中の早い時間帯に予算を使い切っていないか、インプレッションの機会を十分に得られているかを確認します。

ここで予算不足が見つかった場合でも、無条件に広告費を増やす必要はありません。
事業側の採算や広告予算の上限があるためです。

予算を増やせないのであれば、同じ予算を多数のキャンペーンへ分散させていないかを確認します。
優先順位の高いキャンペーンへ予算を集約することで、限られた予算でもデータを集めやすくなる場合があります。

目標値と予算の組み合わせを確認します

予算と目標CPAを別々に考えるのではなく、一緒に見ます。

説明のための仮の値ですが、目標CPAを10,000円に設定しながら、一日の予算が2,000円しかない場合、毎日のようにコンバージョンが発生する前提では考えられません。
実際の配信はこのように単純な割り算で決まるものではありませんが、予算規模と期待する成果頻度の関係を把握するための考え方として使えます。

目標ROASを使う場合も同様です。
売上が発生する頻度や一件あたりの売上金額に対して配信量が少なければ、学習材料が増えるまで時間がかかります。

予算調整後は、その日の消化額だけを見るのではなく、クリック数、コンバージョンの発生状況、予算制限の表示などがどのように変わったかを確認します。

予算増額後の評価期間についても固定の日数で決めません。
配信量が少ないキャンペーンほど評価に必要なデータが集まるまで長くなるため、管理画面上のデータ量と公式情報を基準に判断してください。

目標CPAや目標ROASが厳しすぎると学習が長引くのはなぜですか

自動入札を導入すると、理想のCPAやROASをそのまま目標値として設定したくなることがあります。
しかし、事業上達成したい数値と、現在の広告配信実績から現実的に狙える数値は分けて考える必要があります。

目標CPAを実績より急激に低くした場合、自動入札はその目標を守ろうとして入札を抑える可能性があります。
目標ROASを急激に高くした場合も、期待される収益性の高い機会に配信を絞ろうとするため、配信量が減ることがあります。

直近の実績との乖離を確認します

まず確認するのは、現在設定している目標値と、変更前の実績です。

説明のための仮の値ですが、直近のCPAが20,000円前後で推移している状態から、目標CPAを一度に8,000円へ変更した場合、かなり異なる条件を求めることになります。

これは8,000円という数値が正しいか間違っているかという話ではありません。
現在蓄積されているデータに対して、設定変更の幅が大きいことが問題になります。

目標ROASでも、直近の実績との乖離を同じように確認します。

目標設定を確認するときの見方

理想値へ一度に合わせないようにします

目標を見直す場合は、現在の実績と配信状況を基準にします。
利益計画上の最終的な目標値がある場合でも、それを一度に入札設定へ反映するのではなく、配信状況を確認しながら調整する考え方が必要です。

ただし、具体的に何パーセントずつ変更すべきかを一律に決めることはできません。
キャンペーンの規模、コンバージョン件数、市場環境、媒体の仕様によって適切な変更幅は変わります。

Google広告やYahoo!広告の自動入札に関する仕様や推奨事項は更新されることがあります。
目標値を変更する際は、管理画面に表示される推奨事項だけで機械的に決めず、最新の公式情報と自社の実績を合わせて確認してください。

変更した後は短期のCPAやROASだけで元に戻さず、配信量が回復しているか、コンバージョンの蓄積が進んでいるかまで確認してから次の変更を判断します。

コンバージョン設定や計測が不安定だと学習にどのような問題が起きますか

学習が終わらないときは、広告の入札設定だけでなく、何をコンバージョンとして学習させているのかも確認します。

コンバージョン件数が表示されているからといって、計測設定が正常とは限りません。
計測漏れ、重複計測、コンバージョンアクションの変更などがあると、自動入札へ渡されるデータの性質が変わります。

最適化対象が途中で変わっていないか確認します

まず、どのコンバージョンアクションが入札最適化に利用されているかを確認します。

問い合わせ完了を最適化していたキャンペーンに、途中からページ閲覧やボタン押下など別の地点を追加すると、コンバージョン数は増える場合があります。
しかし、性質の異なる行動が一つの成果データとして扱われることで、変更前と変更後では学習対象の意味が変わります。

反対に、以前まで計測していたコンバージョンが突然取得できなくなれば、管理画面上では成果が急減します。
これは広告成果が悪化したのではなく、計測だけが変わっている可能性があります。

浅いコンバージョンを増やせば解決するわけではありません

学習データが少ないと、より発生頻度の高いコンバージョン地点へ変更したくなることがあります。

ただし、件数だけを増やすために事業成果から離れた行動を最適化対象にすると、本来欲しい問い合わせや購入とは異なるユーザーへ配信が寄る可能性があります。

ここで見るべきなのは、コンバージョン地点が事業上意味のある行動か、その行動が安定して計測できているか、同じ条件で継続してデータを蓄積できているかです。

CVRを上げるためのLP改善やフォーム改善とは別の問題です。
この記事で扱っている学習の問題では、まず自動入札へ渡しているデータそのものが一貫しているかを確認します。

計測修正後は修正前後を分けて評価します

計測不具合を修正すると、管理画面のコンバージョン数が急に増えたり減ったりすることがあります。
このとき、修正前と修正後のCPAを単純に比較すると判断を誤ります。

計測条件を変更した日時を記録し、それ以降のデータを新しい基準として見ます。

変更後にどれだけ様子を見るべきかは、コンバージョン発生頻度によって異なります。
固定の日数や必要件数を前提にせず、計測が安定していることを確認したうえで、新しい条件のデータが十分に蓄積されるまで追加の設定変更を控えます。

季節要因で検索需要が変わるとき学習状態をどう判断すればよいですか

自動入札の設定を変えていないのに配信量やCPAが大きく変化した場合、検索市場そのものが動いている可能性があります。

リスティング広告は検索需要に影響されます。
需要が増える時期もあれば、検索数自体が減る時期もあります。

競合の出稿状況が変われば、同じ設定でもクリック単価や表示機会が変化することがあります。
そのため、学習中という表示だけを見て、自動入札がうまく機能していないと判断するのは早すぎます。

表示回数と検索需要の動きを確認します

季節要因を疑う場合は、まず表示回数がどう変化したかを見ます。

コンバージョンが減っているだけでなく表示回数やクリック数も同じ時期から減っているのであれば、検索需要の低下が関係している可能性があります。

前年同時期のデータがある場合は比較材料になります。
ただし、前年と今年で広告予算、キーワード、入札戦略、コンバージョン設定が違う場合は、その差を考慮する必要があります。

前年データがない場合は、直前数週間だけを基準にせず、可能な範囲で長めの推移を確認します。
特定の曜日や月初月末だけで変動していないかも見ます。

季節変動への反応で設定を動かしすぎないようにします

需要減少でコンバージョン数が落ちたとき、目標CPAを下げたり予算を急減させたりすると、需要が戻った際にも配信を取り戻しにくくなる場合があります。

反対に、一時的な需要増加で成果が良くなったときに大幅な予算増額や目標変更をすると、需要が通常水準へ戻ったあとに成果が悪化したように見えることがあります。

そのため、季節要因が疑われる時期は、設定変更と市場変動を混ぜて評価しないことが大切です。

学習が長引いている場合は、コンバージョン数、配信構造、変更履歴、予算、入札目標、計測設定を順番に確認したうえで、最後に需要環境まで確認します。

複数の原因を一度に直すのではなく、どの条件が学習を妨げている可能性が高いかを切り分け、一つの変更後にデータが蓄積する時間を取ります。

学習期間の日数や必要コンバージョン件数については、固定値を前提にしないでください。
自動入札の仕様や管理画面の表示方法は変更されることがあるため、運用時点のGoogle広告やYahoo!広告の管理画面と公式情報を確認します。

よくある質問

まとめ