情報フロー広告のデータ分析（常識から始めて、情報フロー広告データ分析の5大混乱を解釈する）

常識に基づいて、情報フロー広告データ分析における5つの主要な混乱を解釈する

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。

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不正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で働く人々にパニックを引き起こした。結局のところ、彼らは年間数万ドルを広告に投資することができます。データ不正により信用ブラックリストに載せられた場合、今後彼らと協力することは基本的に不可能になります。

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。

一つは、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僚のデータと比較して優れているか、または「想像を超えている」かを確認できます。

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。

もう一つの選択肢は、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。

データ分析の分野における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。孤立していません。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、ユーザーは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高くなりません。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では、訪問者のピーク時間は午前 10 時頃と午後 3 時頃、夜間のピーク時間は就寝前の午前 9 時または 10 時頃になることがあります。深夜 3 時にトラフィック量が不可解に増加する場合は、注意してこの異常現象の原因を分析する必要があります。

指標は、集団の量的な特性を表す概念です。多くの企業では独自の KPI 指標システムを導入しています。簡単に言えば、いくつかの主要な指標を使用して、企業の広告の成功を測定します。例えば、クリック率、露出度、コンバージョン率、ダウンロード量、ROIなどは、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する必要があります。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ます。これらは、統計的な能力と範囲と呼ばれるものです。

たとえば、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」はどちらも統計の前提条件となります。この指標を得るには、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です。

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。

それを聞いたサロンに通っていた友人たちは、「すごいね！たった400元で顧客1人を獲得できるなんて！差が激しい！アドバイスをください！」と思ったそうです。

アドバイスを受けて、顧客獲得コストが 400 元の担当者は、実際には全員のコストは 120 元であるが、400 元を請求した担当者は実際の注文コストではなく、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す。よく理解せずに比較すると、比較自体が意味をなさなくなります。

たとえば、eコマース企業はすべて、DAU（1日あたり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、これら2つの指標の定義が異なる場合があります。企業によっては、顧客がログインしている限りアクティブであるとみなすところもあれば、購入した場合にのみアクティブであると定義するところもあります。さらに厳しい要件としては、購入後に受領を確認したユーザーのみがアクティブであるとみなされます。したがって、指標について話すときは、誰もが指標の定義を同じにしていることを確認する必要があります。そうでないと、比較や議論は無意味になります。

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、同じ業界の特定の会社が 1:10 の ROI を達成できるとリーダーが言うのをよく耳にしますが、私たちの会社はその会社より悪くはなく、製品の品質も優れているので、1:10 を下回ることはできません。この考えは正しいでしょうか。

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、同僚がどのようにして 1:10 の投資を思いついたのか全く分からないので、どうやってフォローアップすればいいのでしょうか?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があったからでしょうか？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?前述の通り、マーケティング全体の背景を知らずに、ひとつのチャネルの配信結果だけを見て盲目的にベンチマークを追うのは得策ではありません。これにより、オプティマイザーの作業にも大きな困難が生じます。

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すると、情報フロー広告を掲載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自然に良くなります。しかし、企業がクーポン発行時の配送指標をオプティマイザーの日々の配送作業の評価に利用しているのであれば、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言及されていない場合、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な要因とは、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重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、促進要因を除い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考えています。

例えば、先日のダブル11では、Tmallの店舗が1日で600万〜700万の売上を記録し、業績がいかに素晴らしいかを自慢していました。しかし、その後の返品率は 25% にまで高くなる可能性があることは説明されていませんでした。

ここでの返品率は重要な指標です。なぜなら、売上高は重要ですが、実際の取引と見なされるためには、購入者があなたが届け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！」などと言ってしまうかもしれません。または「あなたは本当に素晴らしいですね。運営を手伝ってくれませんか？」

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。

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位となっている。

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ためだということは、私たち全員が知っています。彼らの死の原因は病院ではなかった。病院と死亡の間には因果関係ではなく相関関係が確立されました。

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。因果関係と相関関係が混同されています。

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（だから私たちはもう寝るべきではない）

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か」というクリエイティブなアイデアを使用するのかを尋ねました。広告を掲載するため。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、彼らは取引をします！」

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。でも、値段を理由にお店に行くんですか？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、撮影スタイルや撮影シーン、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の形で表現されるわけではありません。質問しないということは、相手が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の問い合わせ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、価格は顧客満足度の一部に過ぎず、最終的な取引につながる理由は他にもたくさんあります。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。

具体的には、従属変数に影響を与える要因は実際には多数ありますが、分析者はそのうちの 1 つまたは 2 つだけを見て、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急いで推測します。通常、このアプローチから得られる結論は一方的なものになります。

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

1. 昼休みに会社のパソコンでJD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。

2. 帰り道、バス停でVIVOの携帯電話全画面広告を見ました。そのとき、有名人のルーハンが推薦していることに気づきました。

3. 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。

4. 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、クリックして読むことはしませんでした。

5. ダブル11の前に、TaobaoでVIVOのフルスクリーンフォンを検索しました。セレブのお店の広告入り口からランディングページに入ると、フルスクリーンの携帯電話がセール中であることがわかり、クリックして注文し、支払いを済ませて、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ています。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がわかりました。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促す上で異なる役割を果たすためです。広告には、ブランド認知の基盤を築くために使用されるもの、ブランド認知を強化するための補助として使用されるもの、販売を促進してコンバージョンを導くために使用されるものがあります。どのチャネルが良いか悪いかを単独で評価することは、消費者の購買行動の法則に従わないことになります。

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が、他のチャネルのパフォーマンスは良好であることがわかった場合は、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することができます。分析の結果、パフォーマンスの低いプラットフォームではパフォーマンスの向上に何の役にも立たないと判断された場合は、配信をキャンセルするかどうかを検討してください。コンバージョン率が低いという理由だけで性急な決断を下さないでください。

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。

非常に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初めて就職活動に来た若い女の子が、私が白い電話を使い、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、一度自分の立場を定めてしまうと、自分の考えに関係する物事、物、人に注意を払わざるを得なくなります。例えば、この女の子は、あらかじめ決められた考えを持った後、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するでしょう。男性であれば想像通りで、「やっぱりね」と自己満足することもある。

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。

問題は、ほとんどの場合、私たちは自分が見たいもの、物体、人しか見ていない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。

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くなります。データアナリストが行う必要があるのは、クリックスルー率、露出、その他の配信データを直接調べることではなく、まず現在の広告行動の有効性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。

販売のための広告を掲載するという、一般的な第 2 層の e コマースマーケティング行動を例に挙げてみましょう。例えば、革靴のOEM工場のオーナーは、販売を目的として情報フロー広告に数万元を投資しました。彼はその期間中に何度も最適化を試みたが、役に立たなかった。最終的な売上データは非常に暗いものでした。これはなぜでしょうか?

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 つのステップだけを実行すると言われています。計画経済が供給ベースだった時代のような生産性が後退した時代では、商品を消費者の前に出すだけで購入を促すのに十分だったかもしれない。

しかし、現在では、前述の革靴業界など多くの業界では全体的に過剰生産能力が見られ、商店間の競争の戦場は棚から消費者の心へと移っています。したがって、現時点では、単に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にすでに自社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ます。消費者はすでに競合他社の製品を買っているのに、なぜあなたの製品を買う必要があるのでしょうか?

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のは、コンバージョンの鍵が現在のマーケティング行動にないからだと説明できます。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のかを調査・分析し、新しいカテゴリーを創出してリードすることで市場機会を掴むことです。

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、データ分析をしたいなら、データの変化に敏感で、さらにデータの変化の理由に敏感な人になるべきだと私はよく言います。

たとえば、大手インター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提供しているのをよく見かけます。中には補助金によって大量の利用者を獲得し、滴滴出行タクシーのように利用者が増えるにつれて会社の発展がスムーズになった企業もある。しかし、補助金が支給されてからすぐに姿を消した企業もあった。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チャートだけを分析しても、混乱が増えるだけで、あまり得るものはありません。ファネルチャートから、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は非常に似ているからです。

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、将来的に開発が不十分なアプリの場合、その紹介とフォローアップの使用は非常に不十分です。

同僚よりも先にこの問題を発見した場合は、同僚よりも先にデータを分析して、違いの原因と良い結果をもたらす原因を確認できます。そして、これらの洞察を活用して、その後のマーケティングプロモーションを導き、より効率的な市場浸透を実現できます。

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質問をします。