おすすめ検索キーワード
広告の総運用型は企業のマーケティング力を高めるのか【アドテック東京2022レポート】
PLANNING

広告の総運用型は企業のマーケティング力を高めるのか【アドテック東京2022レポート】

マーケティングDXによりCMの運用型サービスが普及し始め、ネット広告はAIで自動的に運用できるようになってきました。一方で、AIとの共存はどのような形で行われるべきか、顧客は置き去りにされていないか、その中でマーケターは何をすべきなのかといった新たな問いも出てきています。
広告施策の総運用型が持つ可能性や、企業が自社内にマーケティングの知見を蓄積し、マーケター個人としても力をつけるために必要なことなどを、様々な立場の関係者で議論していきます。

本稿では10月20日、21日に開催されたアドテック東京2022のセッション「広告の総運用型は企業のマーケティング力を高めるのか」の模様をお届けします。

モデレーター
友澤 大輔
イーデザイン損害保険株式会社
CMO

中村 淳一
Meta
マーケティングサイエンス ノースイーストアジア地域統括

武田 明子
ヤフー株式会社
マーケティング本部 マーケティング企画2部 部長

飯塚 隆博
株式会社博報堂DYメディアパートナーズ
AaaSビジネス戦略局 局長

フルファネルで人が寄り添いKPIをアジャイルに改善し続けることで、広告マーケティングDXを推進していく

友澤
本セッションのテーマは大きく2つ、広告の総運用とマーケティング力となりますが、今日一番皆さんに持ち帰っていただきたいのは、こういう時代にどんなマーケティング力、あるいは人材が求められるかということです。
まずはそれぞれの立場から、広告の総運用についてのお考えをお話しいただけますか。
武田
私は現在、コミュニケーション設計と実行を担当しており、デジタル広告からマス、OOHなど広告を組み合わせて実行しています。
自分なりに広告総運用のプロセスを分解すると、まずベースにあるべきはあくまでも①顧客のジャーニーの設計(仮説)で、そのうえで②広範な広告媒体の特性・仕様を理解し、③各広告のKPI・評価設計を適切に設定・実行する。そして④高頻度でデータを蓄積・可視化させ、⑤データ・数値を解釈し、さらに⑥改善アクションを実施、そのうえで⑦PDCAを高速で回し、最終的に投資対効果の最大化を目指すものだと解釈しています。

まず起点となる顧客の理解やジャーニー設計が間違っていると、その後のプロセスも全部間違ってしまいます。特に大きな組織でマーケティングする際は、ジャーニー設計も組織横断することになる。そのためなおさら正しいジャーニー設計が重要です。また広告媒体の特性理解という意味では、いかにデジマス両方に精通した人を育成できるかも重要ですし、広告のKPI設定をきちんとできるかも大切です。たとえばサービスの内容理解を高めていきたいとき、単純に動画広告の視聴完了をKPIとしがちですが、途中で離脱してもLPに転移した後でしっかり理解してもらえばいいこともある。また媒体によってIMPでもリーチでも定義が異なることもあるので、そうした広告媒体の理解がなければ適切な評価設計自体難しくなります。さらに、いま見ているデータが十分なのか、正確なのかという理解も前提として必要です。そのうえでデータを正しく解釈することは、統計の知識も必要になるのでナレッジは大事だと思います。

飯塚
私は博報堂DYメディアパートナーズでAaaSというメディアDXのソリューションを推進しています。メディアプラニングに13年ほど、テレビを中心としたバイイングを合わせて10年ほど経験し、その後データ開発やDXソリューションに関わっています。私が思う広告総運用は、広告主のKPIを最大化するために、①システム/ソリューションと、コンサルタント(人)をベースに、②プラニングからエグゼキューションまでを常時接続的にフルファネルで寄り添い、③キャンペーン内でもしっかりアジャイルにKPIを改善し続けること。こうした一連の動きで広告マーケティングDXを推進することだと定義しています。

中村
私はMetaに入って5年目で、その前は15年ほどP&Gにいました。P&Gはコンシューマー・イズ・ボスといった考え方でしたが、Metaはどちらかというと機械学習や人工知能に寄った会社です。顧客起点の考え方と人工知能の活用をどういうバランスで両立させるか、正直悩んでいるところです。顧客起点は言わば心理学、脳科学の範疇になるので、これは突き詰めれば脳科学と人工知能をどうつなげるかという話になる。テーマとしてはすごく面白いんですが、ジレンマも感じているというのが現状です。

そんななか、「広告総運用」という言葉の定義から考えると、おそらく“広く告げる手段すべて(広告)をよく知って、それを最大活用する”ということになると思います。ただこの総運用も、アルゴリズムの違いだったり、ディープライズして理解しなければならないことがあったり、実現するための条件はいくつもあるという認識です。

機械学習が得意なこととマーケター/人が介在すべきこと

友澤
ではそれぞれのプレイヤーがいまどのように広告総運用を実践されているか、説明していただけますか。
飯塚
我々はAaaS(アドバタイジング・アズ・ア・サービス)という考え方を導入しており、これを広告ビジネスのDXであると標榜しています。背景にあるのは、購買行動やメディア接触環境の変化に生活者が置かれているなか、やはり広告/マーケティング活動の効果を可視化する必要性が問われていたこと。
一方でクライアント側にも、適切なKPI設定ができているかわからないという課題がありました。そこに対し、データの充実やAIの進化、ダッシュボードによる効果の可視化、業務効率化などをトータルで活用しながら、広告業界に産業革命を起こしていこうというものです。
クライアントにとっても、DXによるメディア投資効果を最大化することで、最終的な事業成長に貢献することができます。

たとえば現状ではテレビとデジタルという2大メディアでも評価指標が違いますし、メディアの持つデータとクライアントのKPI、マーケティングデータも分断しています。そのように散在しているデータを集約し統合することで、メディア間での指標統一、メディアと広告主KPIの常時連携を実現し、結果的にメディア広告ビジネスのPDCAを高速で回すことができるようになるというソリューションなのです。
基本サービスとしては、モニタリング、プラニング、バイイングなどをデイリーで回せるダッシュボードを提供します。当然システムやソリューションだけでは難しい課題もあるので、そこに対してはコンサルタントがしっかりと寄り添い付加価値サービスとして課題解決していきます。

友澤
こうしたサービスの出現は、広告主と直接やり取りをしていた媒体社、プラットフォーマー側としてはどうですか。
中村
いまはクッキーやIDFAなどの問題があって、各プラットフォーマーは横のデータ連携ができないですよね。そこを、横並びで見られる仕組みをつくっていただいているという印象。これは広告会社さんしかできないことかなと思います。ただこのサービスがあったとしても、たとえば弊社のInstagramのパフォーマンスが悪いねとなったら、さらに向上させるためにどうするかというところで、直接うちが入っていくことになるとは思います。
飯塚
さらにAaaSでは、役割ごとに異なる4つのソリューションを用意しており、これらを一気通貫で、マーケティングからエグゼキューションまでフルファネル領域に対応するようにつなげていくことが可能です。

友澤さんのいるイーデザイン損保で、具体的にどう活用されているかを少しご紹介させてください。
友澤さんの言葉を借りると、「視える化・言える化・直せる化」――つまり効果を可視化したら因果関係を明らかにし、さらに直せるところまでつなげる――というところにイーデザイン損保では課題を持たれていて、MMMを導入してもうまく使いこなせなかったり、マーケティング活動に活かせていなかったりしていました。
そこでAaaSを導入いただき、4つのソリューションのうち戦略の最適化を図るAnalytics AaaSと、それを具現化するTele-Digi AaaSを、現在最適化の実行フェーズで活用いただいています。なおこれらはソリューションだけではなく、コンサルタントが紐づいていて、10人近くの人間が友澤さんと常時仕事をしている状態です。Analytics AaaSでは、KPIが正しいかどうかの分析を実行しました。いままでKPIだと思っていたものが、コロナの影響などをからめるとちょっと違うデータになる。それに応じて、KPIを変え、メディア配分もTele-Digi AaaSによって最適化する、というふうに活用いただいています。

中村
ここには統計モデルは使われていますか?いまマーケターにとって統計が必要なのかどうかに興味があります。
飯塚
やはり、過去のデータを見て相関関係を視える化するには、統計をベースにするのがもっとも効率がいいと考えています。

イーデザイン損保も、かつてはおそらく線形モデルのようなもので運用を回されていたと思いますが、いろいろな要素、つなぎ方で見てみるとまた違った結果が出る。Tele-Digi AaaSのダッシュボードがあれば、メディアの出稿データとコンバージョンデータなどを紐づけて、関係するスタッフが全員デイリーで確認することができます。さらには、マスメディアの場合なかなかキャンペーン中にアジャイルで直すことが難しかったりしますが、ある程度の期間のキャンペーン前半でどの枠でコンバージョンが効いているかなどを分析し、キャンペーン後半で枠、素材ともに入れ替え、さらに枠があったら買い足すといったことまで、友澤さんと取り組みました。こうした戦略の最適化とエグゼキューションの実行により、KPIを大きく改善することができました。

武田
もし実績や直感と違う結果が出た場合、どう適切な判断をされるんでしょうか。
友澤
私はもうAIを信じると決めているので、一回は回してみて、もし違ったら変えます。
中村
モデリングの結果100動かせと言われても、15とか25とかで動かして、大丈夫そうだと思ったらまた次25動かすというように、フェーズアプローチをすると、リスクは少ないでしょうね。
友澤
そうですね。本来そこも含めての運用ということだと思います。運用を機械だけがやることとらえてはいけませんね。
中村
私からは、機械学習・AIが基本的にどこまでできるかの話から、それを踏まえて広告主として人が介在すべき点についてお話できればと思います。

まず、機械学習やAIのシステムは、複雑そうで実は非常にシンプル。大量のデータをモデルに入れてトレーニングした結果、それがモデル化されるので、予測を立てられるようにし、最終的にモデルを検証するというのが基本プロセスです。で、検証の結果を戻し、モデルを直していくことで、だんだん正確性を上げていくわけです。
よいシステムをつくるために大事な3つのポイントは、データの質、データの量、そしてモデルの検証とフィードバックのスピードです。
このサイクルをいかに自動化して回すかが重要です。
弊社の場合は、全世界のユーザー30億人分の圧倒的データ量があり、人ベースでデータの質を管理している。そもそもいまは皆さん一人2台携帯を持ち、さらに2台のPCを持ち、さらにブラウザーを何種類か使っていたりしますよね。そうするとクッキーだけで一人8個くらい持っていることになる。ですからクッキーをベースにインプレッション数でユニークリーチを計算してしまうと、まったく意味の違う数字が出てしまいます。そうしたデータの質を、人がチェックすることで担保しているのが弊社の強みです。さらには世界中で毎秒正解データが送られてきて、モデルがアップデートされ続けますから、アルゴリズムとしても非常に質が高いと思います。

こうした機械学習が何をしてくれるかというと、たとえば広めのリーチをするとなったら、その広告を見たときにより反応がいい人を機械学習が探してきてくれて、何秒見たかなどをまた機械学習に戻して正解データを得ていく。ユーザーにとっても広告主にとっても価値のある情報のために機械学習がパーソナライズしてくれるんです。
機械学習・AIのいいところを一言でいうと、つねに進化し続けることともいえます。
たとえば我々の自動化ソリューションを使うと、ダイナミック広告やキャンペーン、自動配信、自動オーディエンス、ダイナミッククリエイティブなどを入れて、ユーザーのもっとも反応がよさそうな人たちにクリエイティブを出し、またその反応をモデルが学んでいく。Advantage+ショッピングキャンペーンと言われているものは、すべてこれで運用されていて、結果も出ています。つまり、データがたくさんあって、モデリングをつくってしまい、正解データが回せる状況さえつくれば、あとは勝手にやってくれるんです。いま足りないものでも、人が判断してそこにデータを入れるようにすると、ビジネスができていく。これが機械学習・AIの強みだと思います。

そのうえで、人の判断が必要だという点もあります。
3つにまとめると、①Garbage in Garbage Out(GIGO)、②シグナルロスによる全媒体計測の課題、③Customer(WHO)への共感、となります。
①は、ごみを入れたらごみがアウトプットされるということ。そもそものデータが間違っていたら意味がありませんから、まずチェックすべきは、何のデータをどうとってどう突っ込んでいるか。②は、それこそiOSのオプトインユーザーはどこも取れないので、各媒体をモデリングする。ほかのデータで予測する形で不足分を補足します。でも各プラットフォーム、各メディアによってモデリングの仕方が違うので、結果も横横では比較できない。MMMじゃないですが、別の物差しをつくって見ていくことが必要ということになります。③は、マーケティングで一番大事なのは結局人ですよね。顧客への共感は人にしかできないことなので、最初のクリエイティブが人の共感に寄り添っていなければヒットしない。こういうことが大事なのではないかと思います。

これからのマーケターに問われていく、AIを使いこなすナレッジとスキル、決断力、そしてデザイン力

友澤
では、武田さんが社内で行ったアンケートから、事業会社として広告総運用にどう向き合っているのか、社員の方の受け止めを紹介してくれますか。
武田
はい。社内で広告運用に携わる20人くらいを対象にアンケートを取った結果です。
まずAIを活用してよかった点として、自動化や可視化により工数が削減された、あるいは最適化や仮説出しの示唆に役立っているという声がありました。一方で、AIの学習が正しいのかどうかは人がチェックしなければならない点、結局はデータの条件や設計の正確性の理解など、使う人のスキルによって活用度が決まってしまう点、あるいはデータ抽出に関しても、ツールや処理のナレッジが必要だという点が課題に感じるという声がありました。
また、データがマーケターの直感に相反したとしても、その理由がブラックボックスになってしまい、関係者間で合意しにくいということや、事業ドメイン知識とデータ・AIの専門性を持つ人が異なるため、議論がどちらかに偏ってしまう事があるという声も出ていました。

そのうえで今後は、どんなデータを集めて、どんなモデルで計算したら何が実現できるかをデザインできる、もしくは専門職に相談しながら形にできるだけの基礎知識が、マーケ・企画職にも必要だという意見が多数ありました。直接の出稿運用担当だけでなくクリエイティブ制作担当からも、そうした知識がこれから必須になるだろうと認識されているのは面白かったです。

友澤
パフォーマンスを上げるにはもうひとつ大きい要素のクリエイティブが必要で、そこを人とAIがそれぞれどこまでやれるかを見極める力がマーケターにも必要なんじゃないかという話もありましたよね。マーケターがどこまでやるべきなのかは大事な議論のポイントかと思いますが、中村さんいかがですか。
中村
アドブロックがはやっているように、事実として広告は嫌われ者になりつつあります。本来重要なはずの広告のエクスペリエンスを顧みずに機械学習を運用してしまうと、ユーザー側も疲弊するし、クライアント側からすればどんどんCPAが悪くなるという話になる。広告は、コンテンツやクリエイティブがよければ逆に広く届けることで誰もがハッピーになるはず、というのが本質なはずです。それを忘れて総運用しようとすると、効率化はできても産業としては先細りしてしまうでしょう。両方が必要なのだと思います。

エクスペリエンス、広告を含めたタッチポイント、ブランドのエクスペリエンスのデザイン、機械学習・AIのデザイン、計測や統計のデザインなど、さまざまなところでのデザイン力がいま問われていて、それを考えるのが今後マーケターには必須だと思うんです。逆に、だからこそ、最大公約数的な答えじゃなく、自分たちでデザインしてつくりだしていくという面白さもある。その一つのツールが広告総運用なのかなと思います。

友澤
飯塚さん、武田さんはいかがですか。
飯塚
これまでは、多くの人が、過去のデータをベースにプラニングするのが基本的なマーケターの仕事だという認識だったと思いますが、今後はそれだけではなく、常時現状を把握しながら未来を予測していくことも必要です。
いけすにいる魚をどう取るかだけを考えていてもいずれは枯渇しますから、そこからジャンプして、ほかの領域から魚をつれてくるということが求められてきます。そのつど、「こういうプランを立てたらこういう結果が出たので、次はこうしましょう」と言える、判断力、決断力を持ったマーケターがこれからますます必要とされるのだろうと思います。
武田
広告総運用の時代においても、結局マーケターの役割にあまり変わりはないなと改めて思いました。やはりいかに顧客を理解して、価値を最大化して届けるか。その範囲で、データやAIを活用したソリューションが発達してきているので、それをうまく使いこなすことが、マーケターの今後必要なスキルであり、重要な経験になっていくのかなと思いました。
中村
もう一つ付け加えると、AIや機械学習を自分のチームメンバーととらえるのも大切です。こういう強みを持つメンバーがいたとして、それを踏まえてどうチーム設計をするか。クリエイティブやデザインに関わる人もそれを理解していくべきかなと思います。
友澤
広告総運用を生かすも殺すも人だし、設計するのも人だし、何を選ぶかも人だと思います。まずは一度試してもらって、AIを友達のような形でうまく使いこなしていただくといいのかもしれません。

以上となります。今日は皆さんありがとうございました!

sending

この記事はいかがでしたか?

送信
  • 友澤 大輔
    友澤 大輔
    イーデザイン損害保険株式会社
    CMO
    1994年にベネッセコーポレーションに入社。その後、ニフティ、リクルート、楽天などを経て、2012年にヤフーに入社。マーケティングコミュニケーション本部を新設。2018年10月にパーソルホールディングスへ転じ、2019年4月よりCDO兼グループデジタル変革推進本部 本部長。グループ全体のデジタル変革を推進するために中期事業計画策定から各社協働PJなどを推進。2021年4月に東京海上ホールディングスデジタル戦略部のシニアデジタルエキスパート兼イーデザイン損害保険CMOに就任。
  • 中村 淳一
    中村 淳一
    Meta
    マーケティングサイエンス ノースイーストアジア地域統括
    慶応義塾大学経済学部卒。2002年に消費財メーカー、プロクター・アンド・ギャンブル(P&G) 入社、消費者市場戦略本部に所属。柔軟剤ブランド「レノア」の日本立ち上げのコアメンバーや、かみそりブランド「ジレット」、店舗営業チャネルシニアマネージャーを経たのち、13年からシンガポールにてグローバルメディア、アジア地域ビッグデータ担当のアソシエイトディレクターに着任。17年6月にMeta(フェイスブック ジャパン)入社
  • 武田 明子
    武田 明子
    ヤフー株式会社
    マーケティング本部 マーケティング企画2部 部長
    2002年東洋ビジネスエンジニアリング入社。製造業向けEPPソフトのブランド立ち上げ段階からマーケティング活動を推進。2009年ヤフー入社。主に広告、メディアサービスのマーケティングを担当後、2019年4月より現職。全社横断のマーケティング推進部門のプロジェクトおよび組織育成を推進。
  • 株式会社博報堂DYメディアパートナーズ
    AaaSビジネス戦略局 局長
    1995年博報堂入社。初任はテレビスポット。その後13年メディアプラニングとプロデュースに携わり、約200社のクライアントのメディア・コンテンツ業務に関わる。 その後、テレビスポットと動画を6年、さらにデータソリューションの開発/実装を3年経験し、2021年度から博報堂DYグループのメディアDXソリューションであるAaaSの導入推進を担当。