SNS広告の配信先選びをAIで自動化し、管理工数を約75%削減した運用

X広告のターゲティングは、ユーザーの投稿内容や検索キーワード、特定アカウントのフォロワーまで指定できる自由度の高さが特徴です。ところが指定の幅が広いほど管理すべき組み合わせは膨れ上がり、複数の案件を並行して抱える運用担当者にとっては、細かな分析と微調整の連続が重い負担になっていました。手作業での更新は週に1〜2回が限界だったとされています。

編集部の見立てでは、この困りごとの本質は作業量そのものよりも、更新の頻度が人手のペースに縛られていた点にあります。広告の成果は配信しながら日々動くのに、見直しの間隔だけが固定されていれば、その間はずれたターゲットへ配信し続けることになる。しかも扱っているのは顧客から預かった予算であり、設定ミスが許されない緊張感が、思い切って試す動きをためらわせる方向にも働いていたのではないでしょうか。

残すか外すかの判断を、CTRやCV数という配信実績の数値に寄せ切ったことが、自動化の土台になっています。ターゲティングの巧拙はもともと担当者の経験や感覚が入り込みやすい領域ですが、成果指標という共通のものさしに判断を置き換えれば、同じ処理を毎日でも回せます。属人的な勘所ごと機械に覚えさせようとせず、実績で測れる部分だけを切り出して手放した割り切りが効いた、というのが編集部の読み方です。

外すだけで終わらせず、新しいターゲットを探して配信先に加えるところまでを一続きの処理にした設計も見逃せません。成果の低いものを削る自動化だけでは配信先が痩せていく一方ですが、発見と追加が同じサイクルに組み込まれていれば、母集団を保ちながら中身を入れ替えられます。過去の成功パターンから学ぶ方式は、女性向け商材で一見関連の薄いサブカルチャー系アカウントが高いコンバージョン率を示すといった、人の連想からは出てきにくい組み合わせを拾う点でも相性がよいはずです。

仕組みを作って終わりにせず、精度を上げ続ける体制を並走させている点も、この取り組みの性格をよく表しています。成果の良し悪しを比較してクリエイティブの共通点を自動でラベル付けする試みが進み、社内のR&D部門や外部の専門家と連携した改良が続けられています。広告の成果は市場や競合の動きで揺れるため、判定の基準は放っておけば古びる。改善を運用の一部として抱え込んだ構えが、自動化を一度きりの効率化で終わらせない条件になっているのではないでしょうか。

ターゲットの選定や除外を手作業で回していた頃と比べ、ターゲティングの管理工数は約75%削減されました。空いた時間はレポーティングやクリエイティブの選定といった、より戦略寄りの業務に振り向けられています。配信面でも従来の手運用と比べてCV数やCTRの向上が確認され、アプリインストールを目的とした広告では、リターゲティング中心の配信よりCPI（1件の獲得にかかる費用）が安く収まるケースも生まれました。