ディープターゲットコンバージョンは、OCPC入札モデルに基づいています。システムは、広告主から返されるコンバージョンデータを通じてディープターゲットコンバージョントラフィックの特性を学習し、より多くのディープターゲットトラフィックを獲得することで、リードのコンバージョン意欲を全体的に向上させます。

広告に対するユーザーフィードバックは、表面的なものから深いものへと進む一連のアクションです。コンバージョン行動が深まるほど、最適化担当者にとっての価値は明確になり、マーケティング投資収益率（ROI）の制御が容易になり、パフォーマンス評価の向上につながります。

ディープ ターゲット変換機能を効果的に活用するには、次の 3 つの点に留意することが重要です。

問い合わせ、フォーム、電話の 3 つの主なシナリオでは、意図を 4% 向上させることができる「リード生成」と「フォローアップ - 意図の発見」のコンバージョン目標を選択することをお勧めします。

① ディープターゲットコンバージョンへの直接投資

オプティマイザーはディープターゲットに直接入札することができ、システムはディープリードのコンバージョンコストを直接評価することで、より多くのディープターゲットコンバージョンを獲得します。これは、1日あたり十分なコンバージョン数があり、平均で1日あたり2件以上のリードを獲得しているアカウントに適しています。

パフォーマンスのスムーズな移行を実現するために入札を設定するときは、「深度入札 = 現在の浅い入札 / (実際の浅いコスト / 実際の深めのコスト)」という式を参照することをお勧めします。

② ディープ最適化（3段階）

ディープ最適化（「デュアル入札」とも呼ばれます）を使用すると、最適化担当者はターゲット コンバージョン タイプとディープ最適化ターゲット コンバージョン タイプを同時に指定できます。

システムはまずターゲットのコンバージョン イベントを最適化し、次にデータが蓄積され条件が成熟するにつれて、ディープ最適化で設定されたコンバージョン タイプを最適化します。

ダイレクト広告のディープコンバージョンと比較して、デュアルビディングはデータの希薄性による結果の不安定化を回避します。浅いターゲット最適化により、スムーズかつ着実にディープビディングに到達できるよう誘導します。

ディープ最適化は3段階に分かれています。第3段階では、システムはトラフィックがもたらす可能性のあるディープコンバージョン値をより正確に予測できるため、よりディープなコンバージョンを追求できるだけでなく、コンバージョンコストを比較的安定させることができます。

ディープ最適化は、浅いコンバージョンの量とコストを評価し、より多くのディープコンバージョンを獲得したい最適化スペシャリストに適しています。また、ディープターゲットコンバージョンを試してみたいものの、ダイレクト広告のスケールアップが難しいと懸念している最適化スペシャリストにも活用できます。

① システム識別

システムは音声コンテンツを自動的に認識してディープコンバージョンの手がかりの意図を判断し、それをディープコンバージョンモデルに組み込んで高品質のサンプルを学習します。

② 手作業によるマーキング

システムによる識別は100%成功ではありません。システムの完全な学習を保証し、キャンペーンの安定したパフォーマンスを維持するために十分なデータを確保するため、最適化スペシャリストによる手動タグ設定も推奨されます。

手動でラベル付けを行う場合は、システムが認識できない事態を避けるため、ラベル付けルールに正確に従ってラベル付けを行うようにしてください。同時に、効果的なディープラベルは、可能であれば24時間以内にラベル付けする必要があります。ラベル付けの適時性が高いほど、最適化の効果は高まります。

リード獲得コストの高さとコンバージョンの難しさは、現在の SEM キャンペーンにおける一般的な課題となっています。

真のコスト削減と効率化を実現するためには、最適化の専門家は、リード数やリード獲得方法といった要素に着目するだけでなく、リードの管理やフォローアップにさらに注意を払い、リードの質を向上させることが推奨されます。