「広告予算の半分が無駄になっていますが、どの半分が無駄なのかわかりません。」

数十年前の小売業界の大物ジョン・ワナメーカー氏のこの言葉は、広告の効果を測定することの難しさを的確に表しています。

実際、経済運営の重要な部分として、広告の効果をどのように測定するかは、業界にとって常に重要な焦点、ホットな話題、そして難しい問題でした。

このトピックを詳しく検討する前に、まず広告効果測定がどのように進化してきたかを確認しましょう。

I. 広告効果測定の長い歴史

近代広告はアメリカ合衆国で生まれ、繁栄しました。1923年、著名なアメリカの広告家クロード・ホプキンスは、広告分野における非常に重要な著書『広告の科学』を出版しました。この本では、パフォーマンス広告に関する彼の見解が体系的に展開されています。

この成果重視の広告専門家は、クーポン、無料サンプル、通信販売カタログ、テストマーケティングなど、一連の最先端の広告手法を非常に現実的な方法で発明しました。

例えば、2つの広告コピーの効果を比較するために、彼は両方のコピーを同じ新聞の同じページに印刷し、無料サンプルの送付先をそれぞれ異なる住所にしました。そして、それぞれのコピーが無料サンプルの申し込みを何件受けたかを数えました。これは、広告業界における効果測定のほぼ最古かつ最も正確な方法でした。

ホプキンスは当時の別の広告の流派であるアートスクールを厳しく批判し、次のように述べた。

「広告業界のプロの中には、責任を放棄している者もいます。彼らは自分がセールスマンであることを忘れ、俳優になってしまったのです。売上ではなく、称賛を追い求め始めたのです。」

彼の思想は、後に有名になる広告界の巨匠デビッド・オグルビーに大きな影響を与えました。オグルビーは『広告マンの告白』の中で、 「私たちは商品を売るために広告をします。そうでなければ、広告をしているとは言えません」という有名な言葉を残しています。

彼の見解では、売上を生み出す能力こそが広告の質を測る基準であり、 「広告の違いは販売力の大きさで測られ、その差は19:1にもなる」という。

ある意味、オグルヴィは当時としては「パフォーマンス広告」を行っていたと言える。

したがって、多くの人が認識しているのとは異なり、従来の広告は創造性、才能、インスピレーションに完全に依存している分野ではありません。それどころか、この分野のリーダーたちは長年にわたり、広告の効果測定に重点を置いてきました。

もちろん、当時の広告効果は事後的に測定されるものであり、広告費用とは直接関係していませんでした。広告効果と広告費が真に結びつくようになったのは、インターネットの時代が到来してからのことでした。

II. インターネット時代における広告効果の測定

インターネットの誕生は、広告業界にとって紛れもなく技術革命でした。広告の課金ルールを変革し、広告の精度を再定義し、広告効果の測定方法に質的な飛躍をもたらしました。

まず、インターネットは広告に変化をもたらしました。それは成果報酬型広告です。なぜ従来の広告ではこれが実現できなかったのでしょうか？その理由は、従来の広告も広告効果に重点を置いていたものの、その効果は比較的曖昧で、実際には定量化が困難だったためです。

インターネットの重要性は、広告プロセス全体をデジタル化することにあります。このデジタル化プロセスにより、広告のあらゆる側面を定量化し、測定することが可能になり、この正確な測定の直接的な結果として、成果報酬型広告が誕生しました。

こうして、パフォーマンスに基づいた最も初期の課金方法である CPC が誕生しました。つまり、ユーザーがクリックした場合にのみ支払いが行われ、クリックされない場合は料金は請求されません。

成果報酬型広告に加えて、入札というまったく新しい広告決済モデルも登場していることに注目してください。

実際、成果報酬型広告と入札は双子のようなものです。つまり、同時に登場したのです。根本的な理由は、成果報酬型広告が広告媒体の利益最大化と本質的に矛盾しているからです。

例えば、広告主が1,000クリックを獲得するために1,000元を費やした場合、クリック1回あたり1元という計算になります。しかし、質の低いクリエイティブを提供した場合、クリック率は非常に低くなります。

1,000回のクリックを達成するには、広告プラットフォームは無制限のトラフィックを提供する必要があります。広告主が入札に基づいてトラフィックを購入しなければ、広告クリエイティブを最適化するインセンティブが失われます。

インターネットのさらなる発展に伴い、成果報酬型広告における「効果」の意味合いは徐々に豊かになってきています。クリックが効果と言えるのであれば、インストール、アクティベーション、あるいは決済も効果と言えるのでしょうか？

答えは「はい」です。広告主がこれらのデータにアクセスできる限り、どちらも可能です。これらの詳細なパフォーマンスデータの一部はプラットフォーム自体が所有していますが、その他は広告主から提出されたデータに依存しています。つまり、インターネット広告はコンバージョンチェーンの最終段階まで、パフォーマンスを測定できるのです。

このデータを使用して、広告プラットフォームが実行できる重要なことの 1 つは、パフォーマンスを最適化することです。

パフォーマンス最適化は、インターネット広告の真髄であり、中核技術です。プラットフォームは、ユーザーが特定の広告にコンバージョンしたことを把握していれば、双方の特性に基づいてシミュレーションと予測を行い、次回も同じ特性を持つユーザーに同じ広告コンテンツをマッチングさせることができます。こうして、広告の精度が向上します。

III. パフォーマンス広告のデータループはどのように構築されるか?

インターネット広告プラットフォームが行う最も基本的なタスクは、CTR 予測、つまりクリックスルー率予測です。これは、プラットフォーム自体がこのデータを取得できるためです。

クリックは重要ですが、広告主にとって目標ではなく、単なる手段です。広告主が重視するのは、その後のコンバージョン経路です。しかし、その後のコンバージョン経路がなければ、広告プラットフォームは適切な最適化を行うことができません。

そのため、パフォーマンス広告の発展に伴い、広告プラットフォームと広告主の間でデータフィードバックのクローズドループを確立することが急務となっています。

では、具体的にどのようにすればよいのでしょうか?

Facebook は最初の試みとして、データを追跡するための「ピクセル」と呼ばれる機能を導入しました。

当時、広告のランディングページは主にH5の形式で表示されていました。Facebookのピクセルは、空白のピクセルと統計レポートコードで構成されていました。広告主は、この「ピクセル」を広告ランディングページの対応する位置に配置する必要がありました。これにより、ユーザーが広告ランディングページにアクセスし、様々な部分をクリックするたびに、Facebookは詳細なインタラクション行動データを取得できました。

これは最も簡単に実装できるソリューションです。結局のところ、広告ランディングページでのインタラクティブな行動は、コンバージョンフィールドにおける浅いコンバージョン行動です。アプリのダウンロード、アクティベーション、決済、あるいはeコマースでのコレクション、決済、リピート購入といったより深い行動をカウントしたい場合、「ピクセル」は効果を発揮しません。

そのため、広告プラットフォームは、コンバージョン データを送り返すためだけに、通常は「コールバック」インターフェイスと呼ばれる専用の API インターフェイスを開発しました。これにより、コンバージョンの種類が非常に多様化しました。

たとえば、前述のダウンロード、インストール、アクティベーション、支払いのほか、お気に入りへの追加、ショッピング カート、支払いなどの電子商取引アクティビティ、店舗への訪問、製品の試用、注文などのオフライン アクティビティもすべて、この統合インターフェイスを通じてレポートできます。

この時点で、「コンバージョンデータは実は非常に重要なので、企業はこのデータを広告プラットフォームに送り返す意思があるのだろうか？」と疑問に思う方もいるかもしれません。確かにこれは懸念事項であり、この状況に対する典型的なプラットフォームソリューションについては後ほど説明します。

ご覧のとおり、ROIは広告主が最終的に重視する中核的な指標であり、他のコンバージョン指標はROIの先行指標です。両者は強い相関関係にありますが、この強い相関関係は不安定で、変化する可能性があります。

したがって、広告プラットフォームがROIを直接最適化できない場合、広告主はコンバージョン指標とROIの関係を自ら把握し、コントロールする必要があります。これは広告主にとって大きな課題であり、広告プラットフォームが目指してきた方向性でもあります。

IV. インターネット広告効果測定の進化

今日、インターネット広告の効果測定はどのような方向へ進化していくのでしょうか?

1 つの方向は、変換に基づくアルゴリズムの最適化です。

インターネット広告の場合、効果は段階的に減少する典型的なコンバージョンファネルです。コンバージョンファネルには短いものもあれば、長いものもあります。例えば、オンラインサービス業界のツール型製品は、比較的長いファネルになる場合があります。

ユーティリティ製品の一般的なコンバージョン プロセスは、広告の表示、広告のクリック、アプリのダウンロード、アプリのインストール、アプリのアクティベーション、収益化広告の閲覧です。

段階ごとに損失の程度は異なります。

理論上は、パフォーマンスに基づいて入札をサポートする今日のテクノロジーでは、入札に使用されるコンバージョン イベントに関係なく、上記の各コンバージョン イベントに個別に入札できます (たとえば、有効なダウンロードには 3 元、有効なアクティベーションには 5 元)。

今日の成熟した広告システムは、ターゲットを絞って最適化することができ、クライアントが許容できる範囲内で、コンバージョンする可能性が最も高いユーザーに広告コンテンツをプッシュすることができます。

しかし、ここに問題があります。広告プラットフォームがコンバージョンイベントを最適化するには、広告主がコンバージョンイベントデータを広告プラットフォームに送り返すことが前提となります。広告プラットフォームは、どのユーザーがコンバージョンする可能性が高いかを特定・予測するために、このコンバージョンデータをシステムにフィードバックする必要があるからです。

しかし、どの広告主にとっても、試聴、発注、リピート購入といったコンバージョンデータは最も重要なデータであり、企業にとって最も重要な資産です。そのため、これらのデータ送信のセキュリティについても懸念を抱いています。

では、この問題をどう解決すればいいのでしょうか?

Tencent Adsのソリューションは検討する価値があるかもしれません。まず、Tencentの広告エコシステムは非常に包括的で、アプリのプロモーションのためのトラフィック購入にはTencent Adsを、アプリトラフィックの収益化プラットフォームには「Youlianghui」を活用できます。そのメリットは明白です。

つまり、Youlianghui はすでに収益データを正確かつリアルタイムで把握しているため、収益データを返送する必要はなく、広告効果を最適化するための非常に有利な運用スペースが提供されます。

では、テンセントは具体的にどのようにこのデータ ループを通じて広告パフォーマンスを最適化するのでしょうか?

その答えは、ROI 推定に基づく入札モデルです。つまり、アプリ広告主は、浅いコンバージョン行動に対するコンバージョン コストと、許容可能な初日収益化 ROI (= 初日の収益化額 / 当日の広告費) を設定できます。

システムは、浅いコンバージョン行動の目標コストを考慮し、推定広告頻度とECPMに基づいてリアルタイムで入札を計算し、広告収益化ROIが広告主が設定した予想ROIを下回らないように制御します。

このアプローチの目的は、ROI を確保しながらボリュームを獲得する能力を向上させることです。

これは、Tencent Adsがこのタイプの広告のパフォーマンスを最適化するために行ったアップグレードです。アップグレード以前は、デュアル入札モデルを用いて初日リテンション率を推定していました。その根底にあるのは、初日リテンションと収益化の間には強い相関関係があり、初日リテンション指標は、ある意味で収益化の効率性を示す指標になり得るという考え方です。

しかし、結局のところ、この2つは同等ではありません。このアプローチは、リテンション率は低いものの、購入意欲は高いユーザーを直接排除してしまうことになります。こうしたユーザーこそ、アプリが本来獲得を目指すべきユーザーなのです。

利点は明らかです:

まず、Youlianghui 自体が収益化データを保存しているため、広告主はすべての収益データを送り返す必要がなく、他のチャネルからの収益を送り返す必要もありません。これにより、データセキュリティに関する広告主の懸念は最大限に解消されます。

第二に、システムは推定収益率に基づいて入札をリアルタイムで自動調整するため、投資家が初日のROIから逆算して目標維持率を計算することで入札を手動で調整する必要がなくなります。また、維持率は低いものの支払意思額が高い顧客を誤って除外してしまうことも回避できます。

さらに、データの継続性により、このソリューションは、一定期間にわたって広告キャンペーンのパフォーマンスが低下するという問題を効果的に回避できます。

ROI 収益化におけるこうした優れた利点があるからこそ、パフォーマンス広告がより複雑な段階に入っても、Tencent Ads は広告主に優れた収益を提供し続けることができるのです。

パフォーマンス広告は成果重視の業界であり、広告主が承認を得るには、十分に優れたROIを達成する必要があります。中国で長年実績のあるパフォーマンス広告プラットフォームであるTencent Adsは、広告効果測定におけるイノベーションの最前線に常に立ってきました。

競合メディアと比較して、Tencent Adsはより柔軟なROI収益化を提供し、広告主に収益の特定の割合を義務付けず、すべてのメディアプラットフォームにわたる収益化データの返却も要求しません。大規模なシリアル方式で単一レイヤーの同時リクエストを使用することで、良好な推定値を得ることができます。

さらに重要なのは、収益化 ROI の使用後 7 日でトラフィックが減少するという広告主の悩みに応えて、Tencent Ads の収益化 ROI 最適化戦略では全体的な LTV 回収曲線を考慮し、LTV を着実に改善し、回収が急落しないようにすることです。

ツール業界の広告主を例に挙げると、テストアカウントは6月に開始され、18日間継続運用されました。トラフィック獲得効果、2日目のリテンション率、初日および7日目の収益化ROIのデータは、いずれも2日目のリテンション率を2倍にしたデュアル入札広告を上回りました。初日のROIは入札額を120%上回り、依然としてトラフィック獲得能力を維持しています。

システム機能の進化により、今日の広告パフォーマンス予測は従来のものとは大きく異なっていることは間違いありません。前述の結果に基づくアルゴリズム最適化に加え、パフォーマンスの定義と理解も常に変化しています。例えば、パフォーマンスを評価する際に、1つの指標を見るべきか、それとも複数の指標を見るべきかといった問題があります。

複数の指標がある場合、どれが優先されますか？他の指標の重み付けは？短期的なパフォーマンス指標と長期的なパフォーマンス指標のどちらに重点を置くべきでしょうか？長期的なパフォーマンス指標に重点を置く場合、アルゴリズムに必要なリアルタイムのデータフィードバックのニーズにどのように対応すればよいでしょうか？

これらはすべて、インターネット時代における広告効果の測定における実際的な問題であり、これらの問題を解決するには、新世代の広告専門家が実践において継続的に探求し、革新していく必要があります。

-終わり-