避けるべきデータを活用した配信設計とは。AudienceOne Connect®想定BADケース

 2019.04.04  デジタル・アドバタイジング・コンソーシアム株式会社

AudienceOne®には、AudienceOne®のデータを配信に活用することが出来る「AudienceOne Connect®」というサービスがあります。このサービスを活用することで、データを活用してAudienceOne®と接続をしている様々なプラットフォームへ配信を行うことが可能です。

多くの方にご活用いただいている「AudienceOne Connect®」ですが、AudienceOne®のデータを有効的に活用できているかを判断するには、最低限満たすべき配信設計の条件があります。
今回はAudienceOne Connect®を利用いただく際に避けるべき配信設計として、「想定BADケース集」をご紹介します。ぜひ配信設計の際の参考にしていただけますと幸いです。

想定BADケース1:AudienceOne®のデータだけで配信する 

1つ目にご紹介する想定BADケースは「初めて広告配信(媒体)を利用する案件において、AudienceOne®データ配信だけで進める」というものです。この場合、効果が悪かった時に比較対象がないため、本当にデータが原因なのか判別ができません。

BADポイント

本来、配信結果が悪かった場合、原因としては「媒体特性との相性」や「運用面」など様々な要因が考えられます。しかし「AudienceOne®」のデータのみで配信をしてしまうと、比較対象がないためAudienceOne®のデータそのものが良くないと決めつけて、原因を正しく特定できない恐れがあります。

改善ポイント

比較のベースとなる、ブロード配信や媒体側データ配信も並行するよう設計しましょう。
効果の相対比較を行うことで、AudienceOne®データの良し悪しを客観的に測ることが出来ます。

Badcase‗1


想定BADケース2:仮説ベースでAudienceOne®データを1つに絞って配信する

2つ目の想定BADケースは「仮説ベースでAudienceOne®データを1つに絞って配信する」です。AudienceOne®では属性・興味関心・地域・キーワードなど、多彩なセグメント切り口がありますが、個々の広告主/商材に対し、どのデータが効果を発揮するのかは、実際に試してみないとわからないため、検証が必要です。

BADポイント

広告主・商材に合ったデータを仮説ベースで1つに絞ってしまうと、AudienceOne®データ間での相対評価ができません。効果が悪かった場合、改善点を見出すことが難しくなります。

改善ポイント

AudienceOne®が保有する属性や興味関心・地域・キーワードなどのデータから複数のデータを選択したうえで配信しましょう。複数のデータを選択することで、セグメント間の効果比較や改善点を見出すことが可能となります。

Badcase‗2


想定BADケース3:過剰に掛け合わせを行い、小さなボリュームで配信する

3つ目の想定BADケースは「過剰に掛け合わせを行い、小さなボリュームで配信する」です。AudienceOne®では様々なセグメント条件の掛け合わせが可能ですが、掛け合わせが過ぎると、配信利用するセグメントサイズが非常に小さくなってしまいます。その結果、十分な配信ボリュームを確保することが出来ず、効果が出せないケースがあります。

BADポイント

AudienceOne®が保有するデータ同士のかけ合わせが過剰になると、配信に利用するデータのボリュームが小さくなりすぎてしまう可能性があります。その結果、落札単価の高騰やフリークエンシー過多という状況が発生し、広告効果が悪化する場合があります。

改善ポイント

ターゲティング条件が細かくなる場合は、AudienceOne®で掛け合わせた後、広告配信プラットフォーム側での拡張(類似)を実施しましょう。
※可能であれば、AudienceOne®で掛け合わせる前に単一セグメント同士で配信し、効果を確認する検証の実施をお勧めします。


Badcase‗3

 

想定BADケース4:仮説で設定したターゲットで配信を継続する

最後にご紹介するBADケースは「仮説で設定したターゲットで配信を継続する」です。「車だから30代以上の男性がコアターゲット」のような仮説設定は配信設計時によく見られますが、仮説に誤りがあった場合、結果の分析から再度設計して改善を目指していくこととなります。

BADポイント

商材から想起されるイメージでターゲットを選ぶ”仮説設計”はよく行われますが、仮説に誤りがあった場合、結果の分析から再度設計して改善を目指す形となり大きく手間と時間がかかります。DACでは、「商材に興味を持っている人」「CVした人」を、実際にAudienceOne®で分析することで、仮説ベースのトライ&エラーを脱し、結果ベースのデータドリブンなセグメント設計をすることを推奨しています。
また、仮説が合っていれば問題ありませんが、仮説設計を継続しているだけでは、新しい顧客(ターゲット)の発見は難しくなります。

改善ポイント

事前に広告主のオウンドサイトや商材ページをAudienceOne®で分析することで、親和性の高い属性や興味関心のカテゴリを発見することが出来ます。また、逆に親和性の低い除外すべきカテゴリも併せて導き出すことも可能ですので、事前に分析したデータを活用することにより、より効果的な配信設計を行うことが出来ます。

Badcase‗4

 

まとめ 

いかがでしたか。今回は配信設計をする際にやりがちな想定BADケースをご紹介させていただきました。ぜひ、配信設計をする際に参考にしていただけますと幸いです。

今回ご紹介させていただきました内容にご興味がございましたら、以下よりお問い合わせください。

参考URL

AudienceOne®サービスサイト
AudienceOne®資料ダウンロードページはこちら

お問い合わせはこちら

RECOMMEND関連記事


RECENT POST「AudienceOne®」の最新記事


この記事が気に入ったらいいねしよう!