このように正確な広告を掲載することによってのみ、実際に料金を支払う顧客に広告を目にしてもらえるようになります。

最小限の広告費用で最大限の利益を得るために、多くの広告主は広告を出す際に「精密配信」、つまり最も購入する可能性の高い人々の前に「正確に」広告を出すことを選択します。しかし、いわゆる「精密配達」は本当に正確なのでしょうか?多くの広告主が失望するのではないかと心配しています。

すべての広告主は、最小限の広告費用で最大限の利益を得ることを望んでいます。

最小限の投資で最大限の利益を得るにはどうすればよいでしょうか?広告主は「正確な配信」に注目しています。

名前が示すように、精密配信とは、購入する可能性が最も高い人々の前に「正確に」広告を配置することを意味します。

ユーザーが広告を見てすぐにクリックして注文できるようになれば最高ですね！

このような期待があるため、「当社ならより正確に広告を掲載できますし、ご希望の方に広告を掲載できます」と言われれば、広告主が誘惑に負けないのは難しいでしょう。

では、自分が投票したい人に投票できるこのような広告はどのようにして実現されるのでしょうか?

一般的な方法は、ビッグデータサプライヤーがユーザーの検索行動やクリック行動などを日々キャプチャし、ユーザーにラベルを作成します。そして、広告主は必要な顧客データを選択してターゲット広告を配信します。

たとえば、今日頭条に掃除機の広告を掲載した友人は、「自宅にカーペットがある人は、カーペットのお手入れに掃除機が必要だ」と考えていました。当然、彼のユーザーには「カーペット」というラベルが付いているはずなので、データベースから過去 6 か月以内にJD.comでカーペットを購入したユーザーを見つけ、そのユーザーをターゲットにして広告を掲載しました。

このように「正確な」ターゲティングを行えば、すぐに「正確な」ユーザーがあなたのところにやってくるはずですよね?

しかし、結果は期待したほど理想的ではありませんでした。

彼は私にこう尋ねずにはいられませんでした。「バックエンド データを見ると、インプレッション数はおろか、クリック数もひどく少ないことがわかります。何が悪かったのでしょうか?」

上記以外にも同様の問題を抱えているケースは数多くあります。

広告主による正確なユーザーの追求と、特定の組織の誇張が相まって、ビッグデータの「精度」に対する期待はますます高まり、人々のビッグデータへの依存も高まっています。

ビッグデータがあれば、広告はより正確で効果的になると思われます。

残念ながら、実際のデータは彼らを失望させるかもしれません。

近年の我が国の調査データによると、2010年頃に広告業界はビッグデータ技術を駆使した広告を実現しました。その後2年間で、GDPに占める広告費の割合は急激に増加しました。その後、人々は明らかにビッグデータの限界に気づき、成長率は低下しましたが、残念ながら割合は依然として高いままです。

簡単に言えば、ビッグデータの精密配信のおかげで、広告の費用対効果は低下しました。

なぜそうなるのか疑問に思うかもしれません。ビッグデータの精度が足りないのでしょうか?

もちろん違います。

ご存知の通り、一流の広告主が制作する広告の投資収益率が高いのは、ユーザーの動機をしっかりと把握しているからです。

ビッグデータについては、ユーザーの行動を正確に捉えて記録し、詳細に分類することができます。しかし、このビッグデータをどのように理解し、活用するかについては、依然として専門の広告主による制御が必要です。

つまり、ビッグデータは、人間の本質を理解している広告主にとっては、より正確な判断を可能にするが、一般の人々にとっては、単なる数字の羅列に過ぎない。

では、一般的な広告主は、専門的な訓練を受けていない状態で、こうしたビッグデータをどのように扱えばよいのでしょうか?

今日は、ビッグデータを活用して配達の精度を高める方法についてお話します。

1. 「有効なタグ」と「関連タグ」

先ほどの友人の掃除機の発売事例のように、彼が「カーペット」というラベルを選んだ理由は、掃除機の使用シナリオの 1 つがカーペットだからです。

彼の意見では、カーペットを購入したら必ず手入れをしなければならず、手入れが必要な場合は道具が必要になる。掃除機はユーザーの手間を省くことができる道具なので、ユーザーはそれを必要とするだろう。そして、彼はカーペットの購入履歴があるユーザーをターゲットにした広告プランを特別に作成した。

それは合理的だと思いますか？データを活用できないとしたら、ビッグデータは役に立たないということでしょうか？

実はそうではありません。

「カーペットを買った人は、それを掃除するために掃除機も買う必要がある」これが商人の認識です。実際、カーペットの掃除は簡単ではなく、掃除機を使うのが最善です。

残念ながら、これはユーザーが考えていることではありません。

商人の認識を見てみましょう。「カーペットは掃除機で掃除すると簡単に掃除できます。」カーペットを持っている人は掃除機を買いたいと思うかもしれませんが、掃除機を買う動機はカーペットを買ったからではなく、掃除が簡単ではないからです。

したがって、正しい解決策は、家の掃除に本当に疲れているユーザーを探すことです。

カーペットのユーザーは誰になるか推測してみましょう。

家を借りたばかりの若者、新居に引っ越した新婚夫婦、あるいは家で座ってショッピングアプリを閲覧している人でさえ、突然ひらめくかもしれません...カーペットの面積は2平方メートル未満です。掃除が難しい場合、これらの衝動的なユーザーは、カーペットを丸めて使用しないことを選択するか、2,000元を超える掃除機を購入する可能性が高くなりますか？

ほとんどの広告主は、単一の直感的に見える属性を使用して、市場内の特定の類似ユーザーを機械的にグループ化することに慣れており、キーワードとユーザー行動の相関関係を因果関係と誤解しています。

アイスクリームの売上が伸びると溺死者数も年々増えるのと同じように、アイスクリームの売れ行きが好調だからといって溺死者が出るわけではありません。むしろ、暑い気候のおかげでアイスクリームの売り上げが伸び、水上スポーツをする人が増えている。ベースとなる数字が増えれば、必然的に溺死者数も比例して増える。

つまり、「カーペットをきれいにするには掃除機をかける必要がある」という場合、「カーペット」と「掃除機」は相関関係にあり、「掃除機」と「より便利できれいな掃除作業」は因果関係にあるということになります。

振り返ってみると、私たちの友人の中で高価な小型家電を買って喜んでいる人たちを観察すると、彼らは新米のお母さんや主婦であることが多いです。

なぜなら、作業負荷を軽減するのに本当に役立つ清掃ツールが必要だからです。

したがって、「カーペットを購入したい」という人ではなく、「掃除を楽にしたい」という人のキーワードを捕捉する必要があります。

キーワードと商品の関係性を明確にすることが、私たちがやらなければならない課題であることがわかります。

2. 消費シグナルを送るユーザーを優先する

エドモンド・ロッカード刑事は、人々が特定の行動をとるとき、必ずさまざまな物質と接触し、交換すると信じていました。

それに応じて、ビッグデータの時代では、ユーザーのあらゆるアクションが、ユーザーが触れた場所にデータを残します。

これらのデータは消費シグナルです。これらのシグナルを分析して整理することで、ユーザーの状態を検出し、ユーザーの行動を予測するのに役立ちます。

もう一度、掃除機の例を見てみましょう。カーペットと掃除機の関係に気づいたら、すぐに「カーペット」というキーワードを起動する必要はありませんが、カーペットと掃除行為の関係を探ります。

まず、「カーペット」というキーワードが効果がない理由についてお話ししましょう。

実店舗でも電子商取引プラットフォームでも、次のものが見つかります。

1. ほとんどのユーザーは、見た目がきれいで家を飾るためにカーペットを購入します。この時点では、掃除についてはあまり考えません。多少の不安があっても、販売員は一言でそれを否定し、お手入れがとても簡単でシンプルであるという印象をユーザーに与えます。
2. 購入時に、将来的に面倒なことになると十分分かっていたら、おそらく購入しないでしょう。
3. 購入してしばらく使用すると、カーペットが汚れやすく、掃除が大変なのに掃除しなければならないことに気づきます。これは多くの場合、いくつかの要因によって引き起こされます。

これらの要因は、「掃除機を購入する」という行動や、「カーペットを捨てる」という行動を引き起こす可能性があります。

「カーペットの掃除が難しいと感じたら、ユーザーは掃除機を購入する」ということを証明するデータはないので、「カーペット」というキーワードは明らかに「正確」ではありません。

信号のキャプチャと分析の正しい状態について説明します。

掃除機を購入したユーザーはどこにいますか?それらを見つける最も簡単な場所は、おそらく電子商取引プラットフォーム上の掃除機製品のレビューページです。電子商取引プラットフォームで人気のある掃除機のアフターレビューを注意深く読むと、次のキーワードが非常に頻繁に出現することがわかります。

1. 人間の髪の毛;
2. スナックのパン粉;
3. 猫/犬の毛。

これらの情報を組み合わせると、ユーザーの購入意欲を掻き立てるのはカーペットではなく、家の床にある掃除しにくい小さなゴミであるという結論に達することができます。オプティマイザーがこの信号を捉えると、それに応じた配信戦略を立てることができます。

例えば、掃除機が求めているユーザーの中には、いつもおやつを買う若い家族、子供がいる家族、猫や犬を飼っている家族、さらには家の装飾スタイルが明るい色を主とする家族（暗い色の床よりも明るい色の床に落ちたゴミを見つけやすい）などもいます。

同様に、JD.com でペットフードの購入を始めたばかりのユーザーや、短期間で淡色の装飾用建材を購入した履歴のあるユーザー、子供のおもちゃやおやつを頻繁に購入するユーザーなどをターゲットに広告を配信することもできます。

3. やる気のあるユーザーと同じ波長を保つように努める

ユーザーの消費動機を理解した上で、商品情報をプッシュすれば商品が売れるということでしょうか？

必ずしもそうではありません。

もちろん、このタイミングで広告を出稿すれば、とっさに「カーペット」などの関連ワードを使うよりも効果は格段に上がります。しかし、それだけでは十分ではありません。製品のレベルがユーザーの消費レベルや習慣と同じレベルであるかどうかもさらに考慮する必要があります。

たとえば、2,000 人民元以上の掃除機を販売する場合、対応するものは次のようになります。

1. どのような消費レベルのユーザーが私たちのターゲットユーザーになるのでしょうか?
2. この種の製品と生活に対する彼らの要件は何ですか?
3. 同じ掃除機でも、最新モデルをユーザーに推奨すべきでしょうか？それとも現在販売中のクラシックモデルをお勧めするべきでしょうか？
4. …

これにはデータの収集と分析が必要です。

ほとんどの場合、ブランドはデータ収集を、顧客の静的データとトランザクションデータの収集と理解しています。

たとえば、静的データとは、名前、住所、連絡先番号、年収などの背景ファイルなどの顧客の静的データ ファイルです。

取引データは流動的で、取引商品の属性や仕様、活動参加データ、顧客サービス記録、商品特性コードなどがあり、価格、原産地、機能説明、口コミデータなど、取引商品自体に関する情報を記録するために使用されます。

これらのデータはもちろん非常に重要であり、ユーザー ポートレートの重要な部分です。

ただし、顧客が取引している商品の中で正確なキーワードを見つけるのは簡単です。同じ期間に類似のユーザーが消費した製品に関する分析に、より価値のある情報を収集しやすくなります。

掃除機を宣伝していた友人は、後にプラットフォームのデータを取得したときに、同じプラットフォームで掃除機を購入したユーザーの多くが、ヘイズリムーバー、空気清浄機、食器洗い機などの消費者向けアップグレード家電も購入していることを知りました。これらの関連製品を分析することで、掃除機のターゲットユーザーの購買力、モデル選択、その他の要件を予測できます。

掃除機を購入するユーザーの多くが、あるブランドのタイプA空気清浄機も購入していることがわかった場合、タイプA空気清浄機がこの掃除機の関連ブランドであると判断できます。

A型浄水器の価格が3,000元であるのに対し、同じプラットフォームで販売されている他のブランドの浄水器の平均価格は1,500元で、プラットフォーム上の類似製品の販売量のわずか28%を占めると仮定します。つまり、このプラットフォームではタイプ A 浄水器は高価な製品です。

これは私たちが推進したい掃除機の関連製品であり、つまり私たちの掃除機のユーザー層はA型空気清浄機のユーザー層と同じであることを意味します。ターゲットユーザーは、購買力が高く、生活の質を追求する人々です。

そのため、広告を展開する際には、消費力が高く生活水準の高いユーザーに焦点を当てるべきであり、クリエイティブやランディングページのスタイルは、そのようなユーザーの特性に合わせる必要があります。

この記事の著者@婷婷は（Qinggua Media）によって編集および出版されています。転載する場合は著者情報と出典を明記してください。

製品プロモーションサービス：APPプロモーションサービス、広告プラットフォーム、Longyou Games