Meta広告のアカウント設計｜機械学習を活かすシンプルな構成の考え方
Meta広告のキャンペーン・広告セット・広告の3階層の役割を整理し、広告セットを分けすぎない理由、機械学習が働きやすいシンプルな構成、予算の持たせ方の考え方を、運用担当者向けに原理から解説します。
Meta広告のアカウントを引き継いだとき、広告セットが何十個も並んでいて、どれが何のために作られたのか分からない。そんな経験をした方は少なくないはずです。年齢別、性別別、興味関心別、配置別と細かく切り分けた結果、1つひとつの広告セットにほとんどデータが貯まっていない状態は、今でもよく見かけます。
検索広告の感覚で「細かく分けて細かく管理する」設計を持ち込むと、Meta広告ではうまくいかないことが多いです。Meta広告は、配信システムの機械学習に判断を任せる比重が大きい媒体だからです。この記事では、3階層それぞれの役割と、学習が働きやすい構成の考え方を整理します。
なお、管理画面の機能名や設定項目は頻繁に変わります。ここでは原理を中心に説明するので、設定時は公式ヘルプで最新の仕様を確認してください。
3階層の役割を整理する
Meta広告のアカウントは、キャンペーン、広告セット、広告の3階層でできています。設計で迷ったときは「この階層で決めるべきことは何か」に立ち返ると整理しやすくなります。
| 階層 | 主に決めること | 設計で考えること |
|---|---|---|
| キャンペーン | 広告の目的(何を成果とするか) | 目的や商材が違うものを分ける単位 |
| 広告セット | 配信対象、配置、最適化するイベント、予算や期間 | 機械学習が学ぶ単位。ここにデータが貯まる |
| 広告 | 画像・動画、テキスト、遷移先 | ユーザーに実際に見える部分。検証の主戦場 |
特に意識したいのは、広告セットが「学習の単位」になっている点です。配信システムは、広告セットごとに「どんな人に、どの面で、どの広告を見せると成果につながりやすいか」を学んでいきます。つまり広告セットを増やすことは、学習する箱を増やし、1箱あたりのデータを薄くすることと同じ意味を持ちます。
FIG.Meta広告の3つの階層
広告セットを分けすぎない理由
データが分散して学習が進みにくくなる
機械学習は、成果データが一定量貯まって初めて精度が上がります。仮に月に100件のコンバージョンが取れるアカウントで、広告セットを10個に分けたとします。単純計算で1セットあたり月10件です。これでは、どの広告セットも「誰に出せばよいか」を十分に学べないまま、配信が不安定な状態が続きやすくなります。
同じ人を奪い合う
配信対象が重なる広告セットを複数走らせると、同じユーザーに対して自分の広告セット同士が競合します。興味関心Aと興味関心Bで分けたつもりでも、両方に該当する人は相当数います。重複が大きいほど、配信の偏りや単価の上昇につながりやすくなります。
人の判断がノイズになる
細かく分けると、運用者は「この広告セットは悪いから止める」「こちらは良いから予算を増やす」と頻繁に手を入れたくなります。しかしデータ量の少ない広告セット同士の差は、偶然のばらつきであることが多いです。ばらつきに反応して編集を繰り返すと、学習がそのたびにやり直しに近い状態となり、かえって成果が安定しません。
シンプルな構成の基本形
では、どこまでまとめればよいのでしょうか。私たちが設計するときは、次の順で考えます。
- キャンペーンは「目的」と「商材」で分ける。購入を取りたいキャンペーンと、認知を広げたいキャンペーンは最適化の方向が違うので分けます。商材やLPがまったく異なる場合も分けます。
- 広告セットは「分ける理由を説明できるもの」だけ分ける。新規向けと既存接触者向け(リターゲティング)のように、伝えるメッセージも許容できる獲得単価も違う場合は分ける意味があります。年齢を10歳刻みで分ける、といった分け方は、明確な理由がない限り統合します。
- 配置は原則まとめる。フィード、ストーリーズ、リールなどの配置を広告セットで分けると、データが分散します。配置ごとの最適な比率は配信システムに任せ、運用者は各配置に合ったサイズのクリエイティブを用意することに力を使います。
- 広告は1つの広告セットに複数本入れる。訴求の異なるクリエイティブを数本入れ、配信結果を見ながら入れ替えます。本数が多すぎると1本あたりの配信量が減るため、検証できる本数にとどめます。
- 分けたくなったら「その差で打ち手が変わるか」を自問する。分けた結果を見ても何も判断を変えないなら、その分割は不要です。
予算の持たせ方の考え方
予算は、キャンペーン単位で持たせて配下の広告セットへ自動配分させる方法と、広告セット単位で個別に持たせる方法があります(機能の名称や細かな挙動は変わるため、公式ヘルプで確認してください)。どちらが正解というより、目的で使い分けます。
| 持たせ方 | 向いている場面 | 注意点 |
|---|---|---|
| キャンペーン単位で自動配分 | 配下の広告セットの目的や許容単価がほぼ同じで、全体の成果を最大化したいとき | 対象規模の大きい広告セットに配信が寄りやすい。リターゲティングのような小さな対象と混ぜると偏りやすい |
| 広告セット単位で個別設定 | 新規とリターゲティングなど、役割ごとに使う金額を決めておきたいとき。検証用に一定額を確保したいとき | 配分の調整は運用者の仕事になる。頻繁な予算変更は学習に影響する |
もう1つ大切なのは、1つの広告セットに「学習が進むだけの予算」を持たせることです。仮に目標の獲得単価が5,000円なのに、広告セットの日予算が2,000円だとすると、コンバージョンが発生しない日のほうが多くなり、システムが学ぶ材料が足りません。予算が限られているなら、広告セットの数を減らして1つに集めるほうが合理的です。学習に必要なデータ量の目安は媒体の公式ヘルプに記載があるので、設計前に確認しておきましょう。
設計を見直すときのチェックポイント
既存アカウントを整理するときは、次の観点で広告セットを1つずつ確認します。
- 直近の一定期間で、コンバージョンがほとんど発生していない広告セットはないか
- 配信対象が大きく重なっている広告セットが並走していないか
- 分けている理由を、チームの誰かが説明できるか
- 最適化するイベントが、実際に追いたい成果と合っているか
統合は、成果の出ている広告セットを軸に残し、周辺の小さなものから止めていくと、急な落ち込みを避けやすくなります。
まとめ
Meta広告のアカウント設計は、「広告セットは機械学習が学ぶ単位である」という前提から考えると判断がぶれにくくなります。分けるほど管理している実感は得られますが、データは薄まり、自社の広告同士が競合し、偶然の差に振り回される場面が増えます。
キャンペーンは目的と商材で分け、広告セットは説明できる理由があるものだけを残し、予算は学習が進むだけの額を1か所に集める。そのうえで、運用者の時間はクリエイティブの検証に使う。機能名や推奨設定が変わっても、この考え方は応用が利きます。仕様の細部は公式ヘルプで確認しつつ、構成そのものはできるだけシンプルに保つことをおすすめします。
この記事へのリンクと、出典を明記した引用は自由です。連絡も不要です。くわしくは引用・転載についてをご覧ください。