Meta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。

Meta広告の学習期間では何が起きているのですか

Meta広告の広告セットが学習中と表示されているとき、単純に一定期間待てば終わると考えるのは適切ではありません。

学習期間では、設定した最適化イベントを発生させるために、どのユーザーへ、どの配信面で、どのタイミングに広告を表示するとよいかを配信システムが探索しています。

たとえば購入を最適化イベントにしている広告セットであれば、広告表示、クリック、サイト訪問、その後の購入イベントなどのデータを使いながら、購入につながりやすい配信機会を探します。
問い合わせを最適化イベントにしている場合も基本的な考え方は同じです。

学習から抜けない状態を見るときに注意したいのは、経過日数だけを基準にしないことです。
十分な配信量があり、最適化イベントが継続的に発生している広告セットと、ほとんどイベントが発生していない広告セットでは、同じ期間が経過していても学習状況の意味が異なります。

また、学習が完了していないこと自体を、広告成果が悪いことと同義にしてはいけません。
学習中でも目標に近い成果が出ることはあります。
反対に、学習段階を抜けた広告セットであっても、その後の成果が必ず安定するわけではありません。

見るべきなのは学習中という表示だけではなく、その広告セットが学習に必要なデータを継続して得られる構造になっているかです。

学習中と学習をやり直している状態は分けて考える

広告セットが長期間学習中になっているケースと、何度も学習段階へ戻っているケースは原因が異なります。

前者では、最適化イベントの発生量不足、予算不足、オーディエンスの狭さなどを疑います。
後者では、広告セットへの編集が繰り返されていないかを確認します。

管理画面で広告セットの配信ステータスだけを見るのではなく、変更履歴も確認してください。
誰かが予算やターゲティング、最適化条件などを何度も変更している場合、学習が安定しない原因を運用者自身が作っている可能性があります。

Meta広告の学習に関する表示条件、学習へ影響する編集内容、推奨される運用方法は変更されることがあります。
実際に出稿するときは、Metaの広告管理画面と公式ヘルプで最新の仕様を確認してください。

学習が安定しない状態の見分け方

最適化イベントが少ないと学習が終わりにくいのですか

学習が終わらないときに最初に確認したいのが、広告セットごとの最適化イベント発生状況です。

Meta広告では、設定した最適化イベントを基準に配信先が探索されます。
そのため、広告セットが十分に配信されていても、最適化対象としているイベントがほとんど発生していなければ、配信システムにとって学習材料が不足します。

たとえばサイトへの訪問は多数発生している一方、購入を最適化イベントに設定しており、購入がまれにしか起きない状態です。
この場合、広告セットにはクリックや訪問のデータが蓄積されていても、購入最適化に使えるデータは限られます。

ここで注意したいのは、広告アカウント全体のイベント数ではなく、基本的には対象広告セットでどれだけ学習材料を確保できているかを見ることです。

複数の広告セットを運用している場合、アカウント全体では十分なコンバージョンが発生しているように見えても、それぞれへ分散すると一つひとつの広告セットではイベント量が少ないことがあります。

イベント不足は広告費だけで判断しない

予算を増やせば学習が終わると考えるのも危険です。

広告費が増えても、そもそも最適化イベントが発生しにくい構造であれば、消化額だけが増える可能性があります。
確認する順番は、広告セットの消化金額、配信量、最適化イベント数です。

十分に広告が表示されクリックも発生しているのに、最適化イベントだけが少ないのであれば、単純な配信量不足とは別の問題です。
一方で、広告表示そのものが少ない場合は、予算やターゲティングなど配信条件から確認します。

この記事ではCPAやCVRの改善方法そのものには踏み込みません。
学習を安定させるという観点では、現在設定している最適化イベントを広告セットが継続的に獲得できる状態かを確認することが先です。

Metaが学習状態の判定に使う条件や必要なイベント量の考え方は更新される可能性があります。
必要件数を固定値として覚えるのではなく、出稿時点の公式情報と管理画面の表示を確認してください。

広告セットを細かく分けすぎると学習しにくくなるのですか

広告セットを細かく分けるほど管理しやすくなるように見えますが、Meta広告では分割が学習を不安定にすることがあります。

たとえば年齢別、性別、地域別、興味関心別に広告セットを作り、それぞれへ少額ずつ予算を配分しているケースです。
広告セットごとに配信対象が分かれるため、最適化イベントもそれぞれへ分散します。

仮に説明のための値として、一つのキャンペーンで発生するイベントが全体で30件あったとします。
これを一つの広告セットで受け取る場合と、6つの広告セットへ均等に分散する場合では、それぞれの広告セットが得られる学習材料の量が変わります。

もちろん、実際の配信ではイベントが均等に発生するわけではありません。
この数字は構造を説明するための仮の値です。

統合した方がよいかは目的の違いで判断する

広告セットをまとめるべきかどうかは、単純に数だけでは判断できません。

異なる商材を扱っている、地域ごとに予算を厳密に管理する必要がある、配信条件を明確に分ける必要があるといった事情があれば、広告セットを分ける意味があります。

反対に、同じ商品、同じ最適化イベント、ほぼ同じオーディエンスなのに、管理上の都合だけで広告セットを分割している場合は統合を検討できます。

特に、複数の広告セットで同じようなユーザーへ配信している場合は、データが分散するだけでなく、それぞれが独立して学習する構造になります。

広告セット統合を考えるときの判断材料

統合するための統合にしない

学習から抜けない広告セットを見ると、すべてを一つにまとめたくなることがあります。
しかし、配信目的が異なるものまで統合すると、別の問題が起きます。

統合を検討する対象は、本来同じ目的なのに細かく分かれている広告セットです。

まず広告セットごとに、最適化イベント、オーディエンス、地域、予算管理上の制約を書き出します。
違いがほとんどない広告セットが複数存在するのであれば、統合によって学習データを集約できないか検討します。

予算が小さいと学習から抜けにくくなるのですか

予算は学習状態に直接表示される数値ではありませんが、配信量を通じて学習データの量へ影響します。

広告セットの予算が小さければ、獲得できるインプレッション、クリック、最適化イベントも限られます。
特に発生頻度の低いイベントを最適化対象にしている場合、予算との組み合わせによってはイベントデータがほとんど蓄積されません。

ここで確認したいのは、単に日予算の金額だけではありません。
現在の広告セットで、どの程度費用を使うと一回の最適化イベントが発生しているかを見ます。

たとえば説明のための仮の値として、現在の広告セットで一件の最適化イベント発生まで平均8,000円程度かかっているのに、予算が一日2,000円しかないとします。
この場合、一日単位では最適化イベントが発生しない日が多くても不思議ではありません。

この数値は説明用の仮の値であり、Meta広告に共通する基準ではありません。

予算だけを上げる前に構造を見る

学習が終わらないからといって、最初から予算を増額する必要はありません。

広告セットを過剰に分割しているなら、先に統合した方がデータを集中させられる場合があります。
また、最適化イベントが配信規模に対して深すぎる場合は、イベント設定そのものを見直す余地があります。

つまり、予算不足、広告セットの分割、最適化イベントの選択は別々の問題ではありません。
組み合わせて確認する必要があります。

一つの広告セットへ十分な予算を配分できない状況で、多数の広告セットを同時に動かすと、それぞれの広告セットの配信量がさらに薄くなります。

予算を追加できないのであれば、配信構造をシンプルにする方が現実的な場合があります。

反対に、広告セット構成がすでに整理されており、オーディエンスにも十分な広さがあり、計測も正常なのにイベント発生量が不足している場合は、予算と最適化イベントの設定を検討します。

広告セットを編集すると学習をやり直すことがあるのですか

Meta広告で学習が安定しない原因として見落とされやすいのが、運用者による頻繁な編集です。

数字が悪化すると、予算を変更し、ターゲティングを変更し、広告を入れ替え、さらに翌日にもう一度設定を変える運用が起こりがちです。

しかし、配信システムから見ると、条件が次々に変化している状態です。
以前の条件で集めたデータを使いながら配信を安定させようとしている途中で、新しい条件へ変更されるため、探索が繰り返されやすくなります。

編集してよいかは配信条件への影響で考える

すべての編集を禁止する必要はありません。
誤字の修正や運用管理上必要な対応まで止める必要はありません。

一方で、予算、入札、ターゲティング、最適化方法、広告セットの構造など、配信の仕方そのものへ影響する変更は慎重に行います。

どの変更がどの程度学習状態へ影響するかについては、Meta側の仕様変更によって扱いが変わる可能性があります。
出稿時点で広告管理画面に表示される案内とMeta公式ヘルプを確認してください。

学習中の編集を判断するときの考え方

変更履歴を見れば原因が見えることがある

学習が何週間も安定しない場合は、設定画面だけではなく変更履歴を確認します。

複数人で広告アカウントを運用している場合、担当者Aが予算を変更し、担当者Bがターゲティングを変更し、別の担当者が広告を追加していることがあります。

それぞれ単独では小さな変更に見えても、広告セット全体では編集が繰り返されている状態です。

変更前には、この変更は今すぐ必要なのか、同時に他の設定まで変える必要があるのかを確認してください。
学習中に複数箇所を同時に変更すると、変更後に結果が動いても、どの変更が影響したのか分かりにくくなります。

最適化イベントが深すぎると学習しにくくなるのですか

Meta広告では、事業成果に近いイベントを最適化対象にしたくなります。

ECであれば購入、リード獲得であれば問い合わせ完了など、最終成果に近いイベントを設定する考え方自体は自然です。
しかし、現在の広告予算や配信規模に対して、そのイベントがほとんど発生しない場合は学習データが不足します。

その場合、一段上流のイベントへ最適化対象を変更する方法があります。

たとえば購入がほとんど発生しない場合に、購入直前の行動を最適化対象として検討するといった考え方です。
ただし、上流イベントへの変更には副作用があります。

上流イベントへ変えると最終成果を直接学習しなくなる

上流イベントは通常、最終成果より発生頻度が高くなります。
そのため、配信システムは多くの学習材料を得やすくなります。

一方で、広告配信がその上流イベントを起こしやすいユーザーへ最適化される点には注意が必要です。

購入ではなく、その手前の行動を最適化した場合、Metaはその手前の行動を起こしやすいユーザーを探します。
必ずしも最終的な購入者を最も効率よく探すとは限りません。

そのため、学習から抜けるためだけにイベントを上流へ変更するのは避けます。

現在のイベントがどの程度発生しているのかを確認し、広告セットの統合や予算調整を行っても十分なデータが得られない場合に検討します。

イベント変更後にすぐ元へ戻さない

最適化イベントを変更すると、広告セットが探すユーザーの条件そのものが変わります。

数日動かしてすぐ元のイベントへ戻し、その後また別イベントへ変えるような運用をすると、学習条件が安定しません。

変更するのであれば、なぜ今のイベントではデータが足りないのか、上流イベントに変えることで何を増やしたいのかを整理してから実施します。

また、イベントの種類や設定方法、最適化に利用できるイベントはMeta側の仕様によって変わる可能性があります。
広告出稿時点のイベント設定画面と公式情報を確認してください。

オーディエンスや計測の問題でも学習が終わらないのですか

イベント数、予算、広告セット構成に問題が見当たらない場合は、オーディエンスと計測を確認します。

まずオーディエンスです。

ターゲティング条件を細かく重ねるほど、配信可能なユーザーは限定されます。
地域、年齢、属性、興味関心などを狭く設定しすぎると、配信システムが探索できる範囲も狭くなります。

Meta広告では、最適化システムが配信機会を比較しながらイベントにつながりやすいユーザーを探索します。
その候補自体が少なければ、学習に必要なデータを集める速度も落ちやすくなります。

ただし、オーディエンスを広げれば必ず学習が安定するという意味ではありません。
商圏や事業上の条件から対象者を限定する必要がある広告もあります。

問題なのは、事業上必要ではない条件まで追加し、運用者自身が配信範囲を過度に狭くしている状態です。

計測漏れがあると実際の成果を学習へ渡せない

次に確認するのがイベント計測です。

実際にはコンバージョンが発生していても、Meta側へイベントが正常に送信されていなければ、最適化に利用できるデータは不足します。

たとえば特定端末だけイベントが取得できない、完了ページでイベントが発火しない、重複イベントが送信される、設定変更後からイベント数が減っているといった状態です。

広告管理画面だけでなく、イベント計測を確認できる画面や自社側の実件数と照合します。

完全に一致するとは限らないため、単純に件数差があるだけで異常と判断するのではありません。
急に発火しなくなった、特定イベントだけゼロになった、広告管理画面と実際の発生傾向が大きく異なるといった変化を確認します。

計測を直す前に広告設定を触りすぎない

計測異常が疑われるときに、広告セットの予算やオーディエンスまで同時に変えると原因が分からなくなります。

まずイベントが正常に送信されているかを確認します。
計測を修正した後は、その状態で配信データを確認します。

広告配信側と計測側を同時に大きく変更しないことが、原因の切り分けをしやすくします。

学習から抜けない広告セットは停止した方がよいのですか

Meta広告では、学習が完了している状態を運用目的にしてしまうことがあります。

しかし、本来の目的は広告セットを学習済みにすることではありません。
事業に必要な成果を得ることです。

学習状態が続いていても、許容できる水準で安定して成果が発生しているのであれば、表示を消すためだけに設定を変更する必要はありません。

むしろ、学習中という表示を気にして広告セットを統合し、予算を変更し、イベントを変更し続けることで、もともと機能していた配信を崩す可能性があります。

学習中の成果は短期間だけで評価しない

学習中は配信先の探索が続くため、日ごとの成果が動きやすい場合があります。

そのため、一日の数字だけで広告セットを停止したり、翌日に設定変更したりする運用は避けます。

確認したいのは、一定期間の消化金額、最適化イベントの発生状況、成果の変動幅、変更履歴です。

たとえば説明のための仮の値として、月曜はイベントが0件、火曜は3件、水曜は1件という広告セットがあったとします。
一日だけ見れば月曜は極端に悪く見えますが、短期間のばらつきだけでは広告セット全体の状態を判断できません。

これは説明のための仮の数値であり、評価期間を固定する基準ではありません。

必要な確認期間は予算規模、イベント発生頻度、商品特性などによって異なります。
固定した日数だけで判断しないようにします。

学習を終わらせるための変更になっていないか確認する

学習から抜けない広告セットへ手を入れる前に、変更目的を確認してください。

イベント量を集めるために広告セットを統合するのであれば理由があります。
過度に狭いターゲティングを修正するのであれば理由があります。
計測異常を修正するのも必要です。

一方で、学習中と表示されているから何か変更するという判断には根拠がありません。

最適化イベントが継続的に発生しており、事業上許容できる成果を得られているのであれば、そのまま運用する選択肢があります。

反対に、イベントがほとんど発生せず、広告セットが細分化され、少額予算で複数広告セットを動かしているのであれば、学習状態は構造上の問題を知らせる材料として使えます。

学習から抜けないときは、最適化イベント数、広告セット分割、予算、編集履歴、最適化イベントの深さ、オーディエンス、計測の順に確認すると原因を整理しやすくなります。

学習状態の名称、判定方法、学習へ影響する編集内容などMeta広告の仕様は変更されることがあります。
必要イベント数や学習日数を過去の記事に書かれた固定値で判断せず、出稿時点のMeta公式ヘルプと広告管理画面の案内を確認してください。

よくある質問

まとめ