情報フロー広告とデータ分析における5大混乱を読み解く！

データ マーケティングの時代では、広告を導くためにデータを使用することを受け入れる人が増えています。しかし、データに基づいて広告配信を導くための前提は、データアナリストや広告最適化担当者がデータを正しく解釈できることだということを知らない人が多いのです。

同じデータでも、異なる方法で解釈すると、投資に関する指針が大きく異なる可能性があります。

広告主が KPI をより良く達成できるように支援するためですか?それとも、マーケティングを新たな底なしの深淵へと導くことになるのでしょうか?この記事では、データ分析の観点からさまざまなデータ分析の混乱について説明し、データで不正行為をしないようにする方法を思い出させることを目的としています。

データ分析における5つの大きな混乱

1.データ自体が偽物である

不正行為の最も一般的かつ基本的な形態は、データの改ざんです。

たとえば、広告主に広告効果に満足していただくため、または広告主に広告掲載を継続していただくために、広告主は決算報告書のデータを処理し、露出からクリック、クリック率まですべてを美しく表示して、広告主に広告費が十分に使われたと感じてもらい、広告掲載を継続していただくようにしています。

以前、国内の不動産王が、ある動画プラットフォームでデータ詐欺が暴露されたことを知り、激怒して自分が提携しているオンラインプラットフォームをすべて調べ、各プラットフォームの関係者をパニックに陥れた。何しろ、彼らは1年間で数万ドルもの広告費を投じることができるのだ。データ詐欺で信用ブラックリストに入れられれば、今後彼らと提携することは基本的に不可能になるだろう。

データの改ざんがますます一般的になっているため、より多くの広告主が自社の広告を監視し始めています。

では、広告トラフィックを監視していない広告主は、どのようにしてデータの改ざんを特定できるのでしょうか?

ここでは 2 つの状況があります。

1つは、広告主自身がデータ分析を理解していないことです。この場合、業界の市場状況を理解して分析し、自分のデータのパフォーマンスが同業他社のデータと比較して優れているか、「想像を超えている」かを確認します。

取得したデータが非常に良好な場合は、パブリッシャーに、そのような良好なデータ パフォーマンスを裏付けるのに十分なターゲティング、創造性、その他の理由を提示するよう依頼し、広告を継続するかどうかを決定するのが最善です。

もう 1 つの選択肢は、広告主がデータ分析を理解していることです。キャンペーンのコンテキストと指標間の結合関係を理解することで、データに問題があるかどうかを識別できます。

データ分析の分野では、いわゆるカップリング関係とは、さまざまなデータ指標間の関係を指します。これは孤立したものではありません。たとえば、ランディング ページでの滞在時間が非常に短い場合、ユーザーがランディング ページのメッセージ全体を読んでいないため、ランディング コンバージョン率は通常あまり良くありません。ランディング ページをクリックしてコンバージョン アクションを起こしたユーザーは、基本的に情報フロー広告には表示されません。

結合関係に注目するだけでなく、他の分析方法も参照できます。たとえば、一般的に言えば、特定のデータ指標の値の分布は、特定のパターンに従います。たとえば、一部の広告カテゴリの訪問者のピーク時間は午前10時と午後3時頃であり、夜間の訪問のピーク時間は就寝前の9時または10時頃です。深夜3時にトラフィック量が不可解に増加する場合は、注意してこの異常な現象の原因を分析する必要があります。

2. 指標の異なる定義

指標は、集団の量的な特性を表す概念です。多くの企業は独自のKPI指標システムを持っています。簡単に言えば、いくつかの重要な指標を使用して、企業の広告の成功を測定します。たとえば、クリックスルー率、露出、コンバージョン率、ダウンロード、ROIなどはすべて、情報フロー広告の評価指標です。

通常、指標は、特定の前提条件の下で要約および計算される必要があります。時間、場所、範囲などの条件はすべて、指標統計の前提条件として使用でき、これらは統計の口径と範囲と呼ばれることがよくあります。

例えば、ある会社の2017年の売上を計算したい場合、「売上」が指標となり、「会社」と「2017年」は両方とも統計の前提条件となります。この指標を得るためには、2017年の各月の会社の売上フローを合計する必要があり、最終的に計算された金額が指標値となります。

実際の業務では、指標の定義が明確でないために指標値の誤判定が頻繁に発生します。

たとえば、オフラインサロンで同僚が「当社の平均顧客獲得コストはわずか 120 元です」と話しているのをよく耳にします。

サロンに通っていた友人たちは、これを聞くと、あなたたちはすごいな、と思いました。「顧客獲得に400元もかかるなんて！ 大きな差だ！ 何かアドバイスをもらえますか？」アドバイスを受けた後、顧客獲得コストが400元の人は、実は全員が400元を費やしているのに、120元を費やした人は、実際の注文のコストではなく、セールスリードのコストについて話していたことに突然気づきました。

120元と400元という2つの指標値の差は、実は指標の前提、つまり口径と範囲の不一致によって生じた誤解であり、明確に理解せずに比較すると、比較自体が意味をなさない。

たとえば、eコマース企業はすべて、DAU（1日あたりのアクティブユーザー数）とMAU（月間アクティブユーザー数）という指標を持っていますが、各eコマース企業によって、この2つの指標の定義は異なる場合があります。ログインしている限り顧客をアクティブと見なす企業もあれば、購入した場合にのみアクティブと定義する企業もあります。より厳格な要件では、購入後に受領を確認したユーザーのみをアクティブと見なします。したがって、指標について話すときは、誰もが指標について同じ定義を持っていることを確認する必要があります。そうでないと、そのような比較や議論は無意味になります。

3. 重要な情報を非表示にする

これは通常、誰かが特定の指標を受け入れるように説得しようとしているときに発生します。

例えば、企業の経営者が広告宣伝のKPI指標を設定したい場合、ベンチマーキング（ベンチマーク経営）と呼ばれる手法が使われ始めます。

ベンチマーク管理とも呼ばれるベンチマークとは、本質的には、ベストプラクティスを常に探し、それを継続的な「測定、分析、継続的な改善」のベンチマークとして使用することです。 たとえば、最適化担当者は、ある同業他社の ROI が 1:10 に達する可能性があるとリーダーが言うのをよく耳にしますが、私たちの会社は他社より悪くはなく、製品の品質も他社より優れているので、1:10 を下回ることはない、という考え方で正しいでしょうか。

これは、あることだけを知っていて、他のことは知らないという、盲目的にトレンドを追う典型的な現象だと言えます。

なぜ？なぜなら、私たちの仲間がどのようにして 1:10 の投資を思いついたのか、そしてどのようにフォローアップするのか全く分からないからです。どうやってそれを超えるのか？

ベンチマーク管理を行う際には、少なくとも他社が1:10を達成した理由を知る必要があります。大規模なプロモーションのおかげでしょうか？それとも、複数のメディアを組み合わせて市場を獲得しようとしているのでしょうか?前述のように、マーケティング全体の背景を知らずに、1 つのチャネルの配信結果だけを見てベンチマークを盲目的に追従することはお勧めできません。これも、最適化担当者の作業に大きな困難をもたらします。

この問題は、プロジェクト内で指標を設定するときにも発生する傾向があります。例えば、生鮮食品の電子商取引アプリ会社が顧客に大量のクーポンを発行した場合、情報フロー広告を出稿した後のダウンロード率、登録率、注文転換率は、クーポンを発行していないときよりも当然良くなります。しかし、クーポン発行時の配送指標を使用して最適化担当者の日々の配送作業を評価した場合、データをごまかしていることになります。

なぜ？クーポン発行は主に短期的なマーケティング刺激であるため、刺激が薄れれば、ユーザーの反応確率は当然大幅に低下します。特定の配信指標が自然な成長によって得られず、データ レポートにこれらの指標に影響を与える主要な要因が記載されていない場合、主要な背景を隠す文脈で提示された指標要件は、典型的な不正行為です。

ここで言う自然な成長とは、マーケティング要因による刺激を受けない事業本来の運営を指します。指標に影響を与える主要要因とは、特定の指標の結果に大きな影響を与える要因を指します。たとえば、製品、ブランド、価格、プロモーションなどはすべて、特定の背景条件下では主要な指標となります。

合理的な指標を設定するための基準は自然増であり、促進要因を除外した上で指標を評価することが合理的かつ実行可能であると当社は考えています。

たとえば、先日のダブル11の期間中、Tmallの店舗は1日で600万〜700万の売上を達成し、業績がいかに素晴らしいかを自慢していました。しかし、その後の返品率が25%にも達する可能性があることは伝えていませんでした。

ここでの返品率は重要な指標です。なぜなら、売上高も重要ですが、実際の取引と見なされるためには、購入者が配送した商品を受け入れることを確認する必要があるからです。重要な背景を無視して売上高だけを伝えるという行為も、一種のフーリガン行為です。

私自身が長年Tmallを運営してきた経験から言うと、アクセサリーなどの一部のカテゴリーでは返品率が20%を超えるのは普通です。しかし、知らないと、他の人の素晴らしさを正確に解釈できず、盲目的に追随して「あなたは本当に素晴らしいので、私もTmallストアを開いてもいいかな！」とか「あなたは本当に素晴らしいので、運営を手伝ってくれませんか！」などと言ってしまうかもしれません。

したがって、特に良い指標や悪い指標を示す広告を見たときは、関連する重要な背景情報を明確にする必要があります。そうしないと、誤った判断をして、さらに損失が発生する可能性があります。

4. 因果関係を混乱させる

調査を見てみましょう:

ビッグデータによれば、病院は心臓病と脳血栓症に次いで、人間の死亡原因の第 3 位となっています。

質問させてください。このアンケートを読んだ後でも、あなたはまだ病院に行く勇気がありますか?

実際、病院で亡くなった理由は、これらの人々がすでに病気で、たまたま病院で亡くなったからであるということは、私たち全員が知っています。彼らの死を引き起こしたのは病院ではありません。病院と死は、因果関係ではなく相関関係を確立しました。

したがって、 「病院は心臓病と脳血栓症に次いで、人間の死亡原因の第 3 位である」という結論はばかげています。これは因果関係と相関関係を混同しています。

混乱を招いた古典的な面白い例もあります。

睡眠時間が短いほど収入が増える（だから将来は睡眠をやめるべき）

水泳中に溺れる人が増えるほど、アイスクリームの売り上げは伸びる（実際は暑い天気のせいだ）

…

なぜこの二人の関係に誤解が生じるのでしょうか?

なぜなら、帰属を行う際には、データ内の変化する関係性のみを見て、物事の間の本質的なつながりを無視してしまうからです。特にデータ分析を行う際には、数字だけを見てプロセスを見ないことが多く、ある問題の発生は原因と結果のうちの 1 つによって引き起こされたと信じてしまいます。

因果関係と相関関係を混同すると、それは私たちの判断に直接影響を及ぼし、間違った広告決定につながります。例えば、価格が取引につながるという因果関係の問題は、情報フロー型広告ではよく見られます。

私たちは、ウェディング写真広告を運営する複数の最適化担当者にインタビューし、なぜ全員が「ウェディングドレスの価格はいくらですか？」という独創的なアイデアを使用するのかを尋ねました。彼らの答えは驚くほど一貫しています。 「顧客は価格を気にするからです。彼らは価格について尋ねます。価格が適切であれば、契約を結ぶでしょう！ 」

言い換えれば、最適化担当者や最前線の営業担当者の目には、価格が取引に影響を与える唯一のインセンティブであるため、彼らはマーケティング キャンペーンのクリエイティブな方向性として価格を使用することを選択しています。

それで真実は何でしょうか?

常識から始めると、少し消費経験のある友人は、価格を尋ねることは取引の前に必要なステップであり、価格が適切である場合にのみ次の消費の決定が行われることは事実であることを知っています。しかし、価格のために店に入りますか？お店に行くとき、価格だけを気にしますか?価格が適切だったという理由だけで注文してしまいましたか?

同様に、ウェディングフォトグラフィーに興味のあるターゲット顧客が店舗に来たときや相談の電話に出たときは、価格についてのみ質問するでしょうか?他に質問はありませんか？

あまり。また、撮影スタイル、撮影シーン、服装、メイクなども気にします。しかし、ユーザーのこうした懸念は必ずしも質問という形で表現されるわけではありません。質問しないからといって、気にしていないということではありません。

したがって、最終的な購入決定が価格を尋ねることによって直接引き起こされると単純に考えるのは問題があります。結局のところ、価格は顧客満足の一部に過ぎず、最終的な取引につながる理由は他にもあります。ターゲット顧客の意思決定に影響を与えるさまざまな関連要因を理解し、ターゲットを絞ったアイデアを作成する必要があります。

5. 部分から全体へ

従属変数に影響を与える要因は実際には多数あると言われていますが、分析者はそのうちの 1 つまたは 2 つの要因しか見ず、従属変数の変化が 1 つまたは複数の変数の変化によって引き起こされたと性急に推測することがよくあります。一般的に、このアプローチから得られる結論は一方的です。

例えば、情報フロー広告の配信では、友人から「XXチャンネルの効果は悪く、XXプラットフォームほど良くない」という苦情がよく寄せられ、オンラインになるとすぐに問い合わせが来ます。プラットフォーム自体の違いはさておき、広告配信ルールの観点からこの問題を見ると、効果の評価には複数の要素を考慮する必要があることがわかります。

私が電子商取引のプロジェクトに取り組んでいたとき、上司は、セレブリティ ストアの広告の ROI はダイヤモンド広告やその他の直通列車広告よりも高いので、「他の広告をすべて削除して、すべての資金をセレブリティ ストアに投入してください」と言いました。

では、私たちは素直にすべての広告費を有名人の店に費やすべきなのでしょうか?

例を使って説明しましょう。携帯電話を購入したいとします。

昼休みに会社のパソコンでJD.comのウェブサイトを開き、様々なブランドの携帯電話の紹介を見ました。

帰り道、バス停でバスを待っている間にVIVOのフルスクリーンスマホの広告を見ました。有名人のルハンが宣伝しているのだと気づきました。

バスに乗っているときに、Toutiao でニュースを閲覧していたところ、VIVO の携帯電話のレビューを見つけたので、クリックして見てみました。

レビューを読み終えて間もなく、見出しにVIVOの広告が載っていましたが、時間の制約があったため、クリックして見ることはしませんでした。

ダブル11の前に、タオバオでVIVOフルスクリーンフォンを検索しました。有名人の店の広告入り口からランディングページに入ると、フルスクリーンフォンが販売されていることがわかったので、クリックして注文し、支払いを済ませ、配達を待ちました。

これら 5 つのステップは、典型的な購入プロセスです。興味を喚起し、情報を検索し、代替ブランドを評価し、最終的に購入を決定するまで、私は同時に複数の広告の影響を受けていましたが、有名人の店の広告をクリックして購入するまで、それらにお金を払っていませんでした。では、他の広告は不要でしょうか? BBKエレクトロニクスは、有名人の店舗の広告を除いてすべての広告を削除できますか？

もちろん違います。私が最終的に購入したのは、以前の複数の広告の影響が合わさった結果でした。

これは、マルチチャネル アトリビューション (アトリビューション モデリング) と呼ばれるものでもあり、つまり、消費者の購買決定は、最後のメディア広告によって影響を受けるだけでなく、メディア間には相互関係があるということです。

電子商取引広告を実施した友人のほとんどが、次のような経験をしたことがあるでしょう。ROI が低いと思われるチャネルを削除した後、広告費用を大幅に節約できると思ったのですが、元々 ROI が高かったチャネルがどういうわけかうまくいっていないことに気付きました。これは実際には、各チャネルがユーザーのコンバージョンを誘発する上で異なる役割を果たしているためです。

一部の広告はブランド認知度を高めるために使用されます。

一部の広告はブランド認知度を強化するために使用されます。

一部の広告は、販売リードを促進するように設計されています。

…

どのチャネルが効果的であるかを個別に評価することは、消費者の購買行動パターンに適合しません。

同様に、情報フローを評価しているときに、1 つまたは複数のプラットフォームのパフォーマンスが低い一方で、他のチャネルのパフォーマンスが高いことが判明した場合は、マルチチャネル アトリビューションの観点から包括的に検討し、パフォーマンスの低いプラットフォームが最終的な購入決定のきっかけになっているかどうかを確認します。分析の結果、パフォーマンスの低いプラットフォームがパフォーマンスの向上に役立たないことが判明した場合は、配信をキャンセルするかどうかを検討します。コンバージョン率が低いという理由だけで性急に決定しないでください。

データ分析に関する3つの推奨事項

1. 立場を決めない

データ解釈の最も基本的な要件は、先入観を持たないことです。

よくある例を挙げてみましょう。たとえば、私たちのオフィスに若い女の子が初めて就職活動に来たとき、彼女は私が白い携帯電話を使い、白い車を運転しているのを見て、 「男の子は白が好きなの？　白い携帯電話を使い、白い車を運転している男の子をたくさん見かけるわ」と私に尋ねました。

この少女の結論は、可用性バイアスの典型的な例であると言えます。つまり、一度プリセットポジションを持つと、その考えに関係する物事や物、人に注目せずにはいられなくなります。例えば、この女の子はプリセットポジションを持つと、白い携帯電話を使い、白い車を運転している人が男性かどうか無意識に注目します。男性であれば、自分の想像通りになり、「やっぱり」と自己満足さえします。

実際、このように考えると、データ分析ではすでに方向の偏りが示されています。

さらに厄介なのは、ほとんどの場合、私たちは自分が見たいもの、物体、人だけを見ていることに気付いていないかもしれないということです。

同様に、データ分析を行う際に、事前に設定した立場があれば、カウントしたいものだけをカウントし、それを使用して既存の視点を証明することができます。

しかし、データ分析の本質は、データを使用して既存の見解を証明することではなく、データから洞察を発見し、KPI の成長に向けた方向性と突破口を見つけることです。

データを活用するマーケター、広告最適化担当者、データアナリストとして、厳格で責任ある姿勢を持ち、中立的な立場を維持し、データ分析業務における問題点を客観的に評価する必要があります。

2. 神の視点を有効活用する

データ分析はビジネスの一部であると言われています。マーケティングの観点からデータ分析の役割を見ると、データが何であるかを理解することができます。

たとえば、販売重視の情報フロー広告の多くは、コンバージョン率が低いです。データアナリストが行うべきことは、クリックスルー率や露出などの配信データを直接調べるのではなく、まず現在の広告行動の効果の前提条件が何であるかを特定することです。

よく言われることですが、忙しく働いているときでも空を見上げることを忘れないようにしましょう。

販売のために広告を出すという、よくある第2層の電子商取引マーケティング行為を例に挙げてみましょう。例えば、ある革靴のOEM工場のオーナーは、販売を目的とした情報フロー広告に数万元を投資しました。期間中に何度も最適化しましたが、効果はありませんでした。最終的な販売データは非常に暗いものでした。なぜでしょうか？

打ち上げ自体から判断すると、彼はあらゆる可能性のある状況をテストしたようだが、無駄だった。

しかし、マーケティングの観点から分析すると、この質問への答えは簡単です。

販売重視の広告のほとんどは、商品を消費者の前に出すという 1 つのステップしか行わないと言われています。計画経済が供給ベースだった時代など、生産性が後退していた時代では、商品を消費者の前に出すだけで購入を促すのに十分かもしれません。

しかし、現在、前述の革靴業界など多くの業界では、全体的に供給能力が過剰になっており、商店間の競争の場は棚から消費者の心へと移っており、現時点では、商品を消費者の前に出すだけでは十分ではありません。なぜなら、あなたの競合他社は、あなたが登場する前から、すでに自社の製品を消費者の心に植え付けているからです。言い換えれば、あなたが登場するずっと前に、競合他社はすでに消費者の心の中で事前販売を完了しているのです。消費者はすでに競合他社の製品を購入しているのに、なぜあなたの製品を購入する必要があるのでしょうか?

注:杜江の分配理論

脳への製品流通：ブランドを構築し、心を掴む

手持ちの商品：購入を容易にするチャネルを構築する

口コミで商品を届ける：体験を最適化し、口コミを促進

したがって、流通理論を理解すれば、革靴広告のコンバージョンデータが良くない理由を説明できます。コンバージョンの鍵は現在のマーケティング行動にないからです。経営者がすべきことは、革靴のカテゴリーにどのような差別化の機会があるかを研究・分析し、新しいカテゴリーを創造してリードすることで市場チャンスをつかむことです。

3. 敏感になる

この記事の冒頭で述べたように、データが広告配信を導くことができるという前提は、データ アナリスト/広告最適化担当者がデータを正しく解釈できることです。

特定のデータセットが与えられた場合、データの有効性を制限する主な要因は、アナリストのデータを解釈する能力です。例えば、前回の記事で触れた因果関係と相関関係が混同されている状況や、局所的な視点から全体のパターンを解釈する誤解などが挙げられます。

ですから、私はよく、データ分析をしたいなら、敏感な人になるべきだと言います。データの変化に対して敏感であるべきで、さらにデータの変化の背後にある理由に対して敏感であるべきです。

例えば、大手ネットアプリがプロモーションの初期段階でとんでもない補助金を出すことはよく見かけます。中には、Didiタクシーのように補助金を通じて大量のユーザーを獲得し、ユーザー数が増えるにつれて会社の発展がスムーズになったアプリもあります。しかし、補助金交付後すぐに消えてしまったものもある。その理由は何でしょうか。

プロモーションの初期段階でコンバージョンファネル図のみを分析すると、混乱が増し、得られるものも少なくなります。ファネル図から、ユーザー獲得の初期段階でその後の発展が良好なアプリとその後の発展が不良なアプリの状況が非常に似ていることがわかるからです。

しかし、ユーザーが初めてアプリを使用した後の行動反応を詳しく調べると、より貴重な洞察が得られます。

たとえば、将来的にうまく発展するアプリの場合、そのユーザーの多くが自発的に他のユーザーにそのアプリを紹介し、さらに多くのユーザーがそのアプリを利用するようになります。しかし、将来的にうまく発展しないアプリの場合、紹介やフォローアップの利用は非常に少なくなります。

同業他社よりも先にこの問題を発見できれば、彼らよりも先にデータを分析して、違いの原因と、違いの原因を特定できます。その後、これらの洞察を活用して、その後のマーケティング活動を導き、より効率的な市場浸透を実現できます。

したがって、多くの場合、データ アナリストはシャーロック ホームズのように、敏感な好奇心を持ち続け、あらゆることに対してより多くの質問をします。

なぜこのような結果になるのでしょうか?

なぜその結果はそうならないのでしょうか?

この結果の原因は何でしょうか?

なぜ結果が期待どおりにならないのでしょうか?

…

この方法では、他の人よりも速く正確にブレークスルーポイントを見つけることができ、その後、手がかりをたどってデータの背後にあるビジネスの真実を見つけることができます。

最後に、スティーブ・ジョブズの有名な言葉「ハングリー精神を持ち続け、愚か者であり続けよ」を借りれば、私のようなデータアナリストが真実の追求とビジネスインサイトの発見においてよりスムーズに進歩することを願っています。

出典:情報フロー広告の精密配信 (ID: feed-advertise)