Meta広告のASC（現：Advantage+セールスキャンペーン）やGoogle広告のデマンドジェネレーション広告は、AIによる最適化の能力が優秀です。

一方で、本当に獲得したいユーザーを増やせるかどうかは運用者による適切な手引きが極めて重要です。

私は、金融業界のリード獲得型商材のアカウントで、両キャンペーンを注力的に運用してきました。媒体が推奨する自動化設定に従うと、管理画面上のCPAは確かに下がりました。しかしその一方で、成約に至らない申込が増え、広告の成果と事業の成果が乖離していきました。

本記事では、この失敗の経緯と、運用者が設定を見直して成果を立て直した過程を、実際の数値とともに公開します。AIを「任せる相手」ではなく「使いこなす道具」に変えるための判断材料として、ぜひお役立てください。

結論：AIは「申込の量」を最大化できるが、「顧客の質」は見分けられない

AI自動化広告は、申込（CV）の獲得効率を高める点では非常に強力です。ただし、どの申込が事業の利益につながるかは判断できません。だからこそ、「何を正解とするか」「どこまで配信を広げるか」「どのユーザーを優先するか」は、人間が設計する必要があります。

AIは強力な「アクセル」です。しかし、ハンドルとブレーキまで手放すと、管理画面のCPAが改善する代わりに、事業の利益を損なうことがあります。これまでの運用で見えた役割分担は、次のとおりです。

領域	AIに任せてよいこと	人間が握るべきこと
目標設定	設定された目標に向けた入札の最適化	何を「正解のCV」とするか（シグナルの設計）
配信先	広い母集団からCVしやすい人を見つけること	配信をどこまで広げるか（配信面・属性の制御）
クリエイティブ	素材の組み合わせとローテーション	誰にクリックしてもらい、誰には遠慮してもらうか（訴求軸の設計）
評価	管理画面上のCPAの改善	成約率やLTVなど、事業成果での評価

検証で見えたAI自動化プロダクトの「得意・苦手」

AIが得意なのは「CVの可能性が高い人を、広い母集団から素早く見つけること」です。
苦手なのは「そのCVが、事業にとって価値があるかを見分けること」です。

前提：媒体の自動化は「選ぶもの」から「標準」になった

この1年で、自動化は特別なオプションではなく、媒体の標準設定になりました。

• Meta広告： Advantage+ショッピングキャンペーン（ASC）は、Advantage+セールスキャンペーンに改称されました。新形式では、カスタムオーディエンスの除外や複数の広告セットが使えるようになり、人間が介入できる余地が増えています。
• Google広告： デマンドジェネレーションは、YouTube、Discover、Gmail、Googleディスプレイネットワークに配信されます。チャネルコントロールを使えば、配信先を選ぶことができます。Googleは、デマンドジェネレーション経由のCVの68%が、直近30日間に同じ企業の検索広告を見ていないユーザーから生まれたと公表しています。

両媒体とも「新しい層への到達力」を強みとして打ち出しています。今回の検証でも、その強みは確かに確認できました。

検証対象の概要

• 商材： 金融系リード獲得型商材
• 期間： 約1.5年間
• 媒体： Meta（Advantage+セールスキャンペーン／旧ASC）、Googleデマンドジェネレーション
• 評価指標： 管理画面上のCPA（Web申込単価）と、その後の成約転換率

重要な前提： 今回のアカウントでは、成約のデータをオフラインCVとして媒体に連携し、キャンペーンの最適化対象に設定することができませんでした。そのため、AIが学習に使えたのはWeb申込です。

AIが得意なこと：圧倒的な推進力

自動化キャンペーンは、広い層の中からWeb申込の可能性が高いユーザーを高速で検知しました。その結果、短期間でWebのCPAを25～30％超まで改善させました。
人間が手動でターゲティングを組み立てるよりも、はるかに速く「申込が取れる層」に到達できます。

AIが苦手なこと：事業成果との乖離

一方でAIは、次の2種類のユーザーを、管理画面上のCVだけでは見分けられませんでした。

• 手軽さに惹かれて申し込む、検討度の低いライト層： 今回の例では若年層が中心でした。
• 成約に進み、継続利用してくれるLTVの高い層： 今回の例では中高年層が中心でした。

AIにとっては、どちらも同じ「1件のCV」です。そのため、より安く、より多く獲れるライト層に予算が流れていきます。
結果として、申込数は急増したものの、成約転換率は約15％ほど低下しました。

これはAIの欠陥ではありません。AIは「与えられた指標を最短距離で最大化する計算機」として、正しく動いたにすぎません。問題は、AIに渡した「正解」の定義にありました。

注意：オフラインCVを最適化対象にできる場合は前提が変わる

ここで紹介した偏りは、「Web申込しか最適化対象にできない」環境で特に起きやすいものです。成約や成約といった後段の成果をオフラインCVとして媒体に返し、最適化対象に設定できている場合は、AIもある程度「質」に基づいて学習します。

• Meta： Conversions API for CRMでCRM上のリードの進捗を連携し、パフォーマンス目標を「コンバージョンリード」に設定すると、リードの量ではなく質に向けた最適化ができます。
• Google： オフラインコンバージョンのインポートや、その発展版であるリードの拡張コンバージョンを使えば、オフラインでの成果を入札の最適化に活かせます。

こうした環境では、本記事で紹介する調整のうち、顧客リストによるシグナルの再投入の重要度は相対的に下がります。一方で、配信範囲の制御やクリエイティブによるフィルターは、引き続き有効です。また、後段の成果は件数が少なく、発生までに時間もかかります。学習に十分なデータ量を確保できるかは、別途確認が必要です。

オフラインCVを設定できる環境であれば、まずはその連携を優先してください。本記事の内容は、それが難しい場合の現実的な打ち手として参考にしていただければと思います。

【検証記録1】Advantage+セールスキャンペーン（旧ASC）の歩留まり低下を改善した方法

Metaでは、「入札」「シグナル」「クリエイティブ」の3点を人間が制御しました。

起きた現象：申込は爆発的に増えたが、若年層に偏った

ASCの配信量を急拡大したところ、キャッチーなクリエイティブとAIの最適化がうまく噛み合いました。キャッチーなクリエイティブとは、利用イメージを手軽に感じさせる訴求のことです。
その結果、Web申込数は爆発的に増えました。

しかし同時に、若年層の流入比率が高まり、成約への転換率は鈍化しました。
AIは「手軽な訴求に反応しやすい層」を効率よく見つけ出し、そこに予算を集中させていたのです。

調整①：入札ロジックとターゲットの制御

単純に日予算を増やす運用をやめ、目標CPAで上限を設けて「枠にはめる」運用に切り替えました。CPAの上限を決めることで、AIが量を追って品質の低い領域まで手を広げることを抑えられます。

あわせて、バリュールールで若年層への入札比率を調整し、若年層への過剰な配信を抑制しました。

調整②：高品質なシグナルの再投入

ASCの自動最適化だけに頼るのをやめました。代わりに、実際に成約まで進んだ顧客のリスト（約10,000件規模）をもとにシグナル化しました。

狙いは、AIに「質の良いユーザー像」を学び直させることです。
Web申込という手前の指標ではなく、成約という事業上の成果からさかのぼってシグナルを渡すことが重要でした。成約をオフラインCVとして最適化対象に設定できない環境だったため、顧客リストを使って間接的に「正解」を伝えた形です。

調整③：クリエイティブによる意図的なフィルター

入口のCPAが安くなりすぎるバナーは、あえて配信を抑えました。代わりに、具体的な数値で示す実績訴求や、中高年のモデルを起用したビジュアルを投入しました。

自動化キャンペーンでは、ターゲティングの大部分をAIに委ねます。
そのため、クリエイティブが実質的なターゲティングの役割を果たします。
「誰に響かせるか」を設計したクリエイティブは、慎重に比較検討する層を引き寄せ、ライト層をふるい落とすフィルターとして機能しました。

結果：介入前後の比較

指標	介入前	介入後
管理画面CPA	25,000～30,000円	16,000～19,000円
成約転換率	–	改善率 30～35％

【検証記録2】デマンドジェネレーションで「最適化されたターゲティング」の暴走を抑えた方法

Googleでは、「配信面」「属性」「アセット」の3点を人間が制御しました。

起きた現象：CPMは急落したが、CVRも急落した

「最適化されたターゲティング」（自動拡張）を完全に開放したところ、CPMが100円未満まで急落しました。インプレッションは激増しましたが、配信は望まないユーザーにも広がりました。
その結果、コンバージョン率が急落しました。

安いインプレッションは、それだけでは成果につながりません。
AIは「安く大量に配信できる場所」を見つける能力に長けていますが、その場所に見込み顧客がいるかどうかまでは保証してくれません。

調整①：配信面のコントロール（YouTubeからDiscoverへ）

配信面ごとの成果を分析しました。その結果、本商材では、YouTubeは初回接触や認知で終わりやすい面でした。一方、Discoverには、検索の一歩手前にいる意欲の高いユーザーが集まっていました。

そこでチャネルコントロールを使い、Discoverの配信を主体としました。
これにより、届けたいユーザーに届きやすくなりました。

調整②：属性・セグメントの除外設計

継続率が低くなりやすい層の流入を防ぐため、2つの除外を設計しました。
1つは世帯収入による除外で、下位層を外しました。もう1つは年齢による除外です。

あわせて、目標CPAは一気に下げず、段階的に引き締めました。急激な変更は、AIの学習をリセットさせてしまうためです。

調整③：「クリック前に伝わる」アセットの配備

ニュース記事風のクリエイティブや、実績訴求のアセットを配置しました。
狙いは、クリックする前の段階で、サービスの本質を伝えることです。

興味本位のクリックが減ると、無駄なコストが抑えられます。
さらに、クリックした人の理解度が高まるため、CVRも上がります。ここでも、クリエイティブが「誰を訴求し、誰を除外するか」のフィルターとして機能しました。

結果：介入前後の比較

指標	介入前	介入後
管理画面CPA	20,000～28,000円	15,000～18,000円
成約転換率	–	改善率 30～40％

両媒体に共通する「3つの介入ポイント」

媒体は違っても、人間が介入すべきポイントは共通しています。「シグナルの設計」「配信範囲の制御」「クリエイティブによるフィルター」の3つです。

介入ポイント	人間が決めること
① シグナルの設計	AIに何を「正解」として教えるか
② 配信範囲の制御	配信をどこまで広げてよいか
③ クリエイティブによるフィルター	誰を招き、誰をふるい落とすか

ポイント①：シグナルの設計

AIは、渡された「正解データ」に対して最適化します。
Web申込だけを正解として渡せば、申込しやすい人を集めます。成約に至った顧客の特徴を渡せば、成約に近い人を探し始めます。最も上流にあり、最も効果の大きいポイントです。

後段の成果をオフラインCVとして最適化対象に設定できるなら、それが最も直接的な方法です。
できない場合は、今回のように、顧客リストをもとにしたシグナルで補います。

ポイント②：配信範囲の制御

自動拡張は、新しい層を見つけるための強力な機能です。
しかし、放置すると「安く配信できる場所」へ流れていきます。配信面や属性の除外は、AIの探索範囲を事業上意味のある範囲にとどめるためのガードレールです。

ポイント③：クリエイティブによるフィルター

ターゲティングの多くをAIに委ねる時代には、クリエイティブが実質的なターゲティングになります。どの訴求で誰を惹きつけるかは、AIではなく、事業と顧客を理解している人間にしか設計できません。

自社アカウントで今すぐ確認すべきチェックリスト

管理画面のCPAが良いのに事業成果につながっていない場合は、次の項目を確認してください。1つでも当てはまれば、AIに渡している「正解」や「範囲」を見直す余地があります。

• 管理画面上のCV（申込）と、事業上の成果（成約・LTV）で、乖離が大きくなっていないか
• 成約などの後段の成果を、媒体にシグナルとして戻せているか（オフラインCVを最適化対象に設定できているか。できない場合は、顧客リストで補えているか）
• 申込者の属性の推移を、月次で確認しているか
• 配信面別（YouTube、Discover、Gmailなど）の成果を確認しているか
• CPMが急落したときに、CVRや申込の質も同時に確認しているか
• クリエイティブごとに、申込の「質」まで評価しているか（CPAだけで勝ち負けを決めていないか）

まとめ：AI時代における「プロ運用者」の価値とは

最新のAI機能を使わない手はありません。ただし、AIは「与えられた目先の指標を最短距離で最大化する計算機」にすぎません。事業の利益まで考えて動くわけではないのです。

これからの運用者に求められるのは、次の3つです。

• 事業のLTVや成約、最終利益を理解したうえで、AIに適切なシグナルを与えること
• 自動拡張の行き過ぎを見極め、ときには配信範囲を絞ること
• クリエイティブによって、狙う層を意図的に調整すること

「AIを使うかどうか」は、もはや論点ではありません。「AIを使いこなしたうえで、人間がどこで介入するか。」それこそが、これからのWeb広告運用で成果を分ける最大のポイントです。