媒体の自動最適化に任せるか、第三者計測で予算配分を決めるか｜失敗しにくいのはどっち？

【結論】どちらか一方が失敗しにくい、という答えはない。判断の層で任せ先が違う

媒体の自動最適化と第三者計測のアトリビューションは、同じ判断を奪い合う二択ではありません。自動最適化が受け持てるのは「その媒体の中で、どの枠に・誰に・いくらで出すか」という判断まで。媒体をまたいで予算をどう割り振るかは自動最適化の範囲の外にあり、第三者計測はその媒体をまたぐ比較のための共通の基準を提供します——ただし提供するのは判断材料までで、配分を決めてくれるわけではありません。

冒頭の質問——どちらが失敗しにくいか——への実務的な答えは、次のようになります。媒体の中の入札・配信の調整は、自動最適化に任せたほうが失敗しにくい。媒体をまたぐ予算配分を媒体任せにすると、失敗しても気づけない。

両者の違いを6つの軸で整理すると、次のようになります。

以下、それぞれのメリット・デメリットを順に見ていきます。

媒体の自動最適化に任せるメリット・デメリット

媒体の中の調整は、いまや自動最適化のほうが人より確実です。ただしその最適化は、「その媒体の広告枠の中」で、「媒体自身が数えた成果」に向かって働きます。この2つの限定が、そのまま予算配分におけるデメリットになります。

メリット：オークション単位の入札調整は、手動では再現できない

Google広告のスマート自動入札は、「オークションごとの自動入札」と呼ばれるとおり、広告が表示される機会の1回1回について入札単価を調整します。デバイス・地域・時間帯・ユーザーの行動履歴といった組み合わせをその都度評価して入札額を変える作業は、人が管理画面から手動で行える粒度ではありません。

媒体の中の配分も同じです。GoogleのP-MAXキャンペーンは、YouTube・ディスプレイ・検索・Discover・Gmail・マップというGoogleのチャネルへの配信を、指定したコンバージョン目標に向けて自動で調整します。Meta広告にも、キャンペーンの予算を広告セットの間で自動配分する仕組みがあります。「この媒体の中で、どの枠に・誰に・いくらで出すか」という判断は、任せたほうが失敗しにくい領域です。

デメリット①：最適化の範囲は、その媒体の広告枠の中で終わる

一方で、自動最適化の範囲には明確な境界があります。P-MAXが配分を調整するのは、Googleのチャネルの間までです。Metaの自動化はMetaの広告枠の中で働きます。「GoogleとMetaとLINEの間で予算をどう割るか」を最適化してくれる自動入札は、どの媒体にも存在しません。各媒体は他媒体の配信データを持っていないため、機能の進化を待てば解決する話ではなく、構造として越えられない境界です。

つまり、広告費全体で見たときに最も金額の大きい判断——媒体をまたぐ配分と総額——だけが、自動化の外に残ります。「配分は自動最適化に任せている」と言うとき、実際に任せられているのは各媒体の内側の配分だけで、媒体間の比率は前年の割合のまま据え置かれている、という状態が起こりやすいのです。

デメリット②：成果は媒体ごとに数えるため、管理画面の合計は実際の件数を超えうる

自動最適化が向かっていく先の「成果」も、媒体ごとに数えられています。1人のユーザーがMetaの広告を見て、後日Googleの検索広告をクリックして購入した場合、双方の計測条件を満たしていれば、MetaとGoogleの管理画面にそれぞれ1件ずつコンバージョンが記録されます。実際の購入は1件なのに、媒体別のコンバージョン数を合計すると2件になる。媒体の管理画面には、媒体をまたいだ重複を差し引く仕組みがありません。媒体が意図的に多く数えているのではなく、各媒体は自媒体の接点しか見えない、という設計上の制約です。

同じGoogleのプロダクト同士でも、集計の仕組みが違えばコンバージョン数は一致しません。Google広告とGoogleアナリティクス（GA4）の間ですら、アトリビューションの考え方や集計タイミングの違いで数字がずれることをGoogle自身がヘルプで説明し、差異を小さくするための設定手順を用意しているほどです。「数える仕組みが違えば、同じ成果でも数字は変わる」——媒体別の管理画面を横に並べて配分を判断することの危うさは、ここにあります。

デメリット③：広告がなくても買っていた人も、成果に数えられる

管理画面のコンバージョンには、広告がなくても買っていた人が含まれます。たとえば社名やサービス名で検索する人は、広告が出ていてもいなくても、その多くがサイトにたどり着きます。そして、コンバージョンしそうな人に入札を強めるのが自動入札の仕組みそのものなので、購入の見込みが高い人への配信は自然に厚くなります。その結果、媒体内の目標CPAは改善して見えるのに、売上の増えた分はそれほど大きくない、という形の失敗が起こります。広告による「増えた分」を確かめる方法は、インクリメンタリティテストの記事で詳しく解説しています。

第三者計測でアトリビューションを見るメリット・デメリット

第三者計測の価値は、媒体をまたいで「1件を1件と数える」共通の基準ができることです。弱点は、計測タグとCookieが働く経路の外を測れないこと。そして、数字が出たあとの配分の判断は、変わらず人に残ることです。

メリット：媒体をまたいで、同じ基準で比べられる

第三者計測（広告効果測定ツールなど、媒体から独立した計測基盤）では、自社サイトに設置した計測タグを基準にコンバージョンを数えます。1件の購入は、経由した媒体が何であれ1件です。媒体別の重複がなくなるので、「管理画面の合計が実際の件数を超える」問題が解消し、媒体同士を同じ基準で比較できるようになります。

さらに、最後にクリックされた広告だけでなく、経路の途中の接点——最初に接触したディスプレイ広告、比較検討中に読まれた記事——にも貢献を割り振るのがアトリビューション分析です。「購入直前の検索広告ばかりが評価され、入口の施策の貢献が0件と数えられる」という、ラストクリック評価の偏りを補正できます。

デメリット①：測れるのは、タグとCookieが届く範囲だけ

第三者計測の分母に入るのは、計測タグが捕捉できた接点だけです。クリックが発生しないテレビCM・交通広告・店頭販促は経路に入りません。またブラウザ側の制約（SafariのITPなど）で、長い検討期間をまたぐ経路は途中で切れます。Cookie規制の現状と影響はMMMとアトリビューション分析の違いの記事で事実関係を整理しています。

ここで注意したいのは、測れない施策が「効果の低い施策」として表示されるのではなく、最初から比較の表に出てこないことです。基準に乗らない施策は、存在しないものとして扱われます。

デメリット②：モデルの選び方で数字が変わり、配分の判断は人に残る

同じ経路データでも、貢献の割り振り方（アトリビューションモデル）を変えると、各施策の評価は変わります。GoogleアナリティクスがGA4の既定をデータドリブンアトリビューションにしているように、割り振りには複数の考え方があり、唯一の正解と呼べるモデルはありません。

そして、モデルを決めて数字が出ても、その数字が示すのは「過去の経路で、各接点がどう貢献したか」であって、「来月、どの媒体にいくら置くべきか」ではありません。予算を動かした場合の変化を見積もり、配分を決める作業は、人の仕事として残ります。自動最適化と違い、第三者計測は「見る」までを担当し、「動かす」は担当しないのです。

失敗パターンで比べる｜任せる層を間違えたときに何が起きるか

失敗しにくさを分けるのは手法の優劣ではなく、どの判断をどちらに任せたかです。実際の失敗は、任せる層の間違いから生まれます。

媒体任せの典型的な失敗は、こう進みます。各媒体の目標CPA・目標ROASはおおむね達成している。だから各媒体の予算を少しずつ増やす。それでも全体の売上は思ったほど伸びず、売上に対する広告費の比率だけが上がっていく——。原因は前の章で見た2つの構造です。媒体別の成果には媒体間の重複と「広告がなくても買っていた人」が含まれているため、管理画面上の好成績と、売上の増えた分は別物だからです。しかも各媒体の報告は、各媒体の数え方の中では正しい数字なので、どこにも明確な誤りがなく、担当者の誰かが疑わない限り異常として検出されません。

第三者計測任せの典型的な失敗は、逆向きです。計測できる施策だけを並べて配分を最適化した結果、経路に出てこない施策——テレビCM、純広告、認知目的の動画——が「貢献の見えない予算」として削られていきます。削った影響は数ヶ月遅れて指名検索の件数や広告なしで立つ売上に表れますが、その因果はアトリビューションの画面には写りません。

この2つの失敗を並べると、任せ方の原則が見えてきます。

二択の外にある基準｜オフラインも含めて比べるには

表の3層目——テレビCMやオフライン施策も含めた全体の配分——には、自動最適化も、経路ベースのアトリビューションも届きません。この層で使われているのが、MMM（マーケティングミックスモデリング）と、増分を実験で確かめるインクリメンタリティテストです。

MMMは、個人の行動経路を追いかける代わりに、期間ごとに集計した売上と各施策の投下量から、統計モデルで各施策の売上貢献を推定します。個人単位の計測に依存しないため、テレビCMもオフライン販促も同じ表に乗り、Cookie規制の影響も受けにくい、という位置づけの手法です。仕組みはMMMとは？の記事で、経路ベースのアトリビューション分析との詳しい違いはMMMとアトリビューション分析の違いの記事で解説しています。

MMMにも限界はあります。統計モデルである以上、推定の確からしさはデータの質と量に依存します（MMMのデメリットと限界の記事で正直に線引きしています）。特定の施策について増分を厳密に証明したい場合は、広告を配信する地域と配信しない地域を分けて比べる実験——インクリメンタリティテスト——が最も確かな方法です。

媒体の報告を疑うのでも、鵜呑みにするのでもなく、媒体の外に自分の基準を1本持つことが、この記事で見てきた2種類の失敗の両方への備えになります。予算配分の決め方の手順そのものは広告予算の配分の記事にまとめています。

DOREGAの場合｜媒体から独立した基準を15万円から

TAMKOのMMM分析サービス「DOREGA」は、Googleが公開しているMMMフレームワーク「Meridian」を分析エンジンに使い、前後の工程を標準化することで、MMM分析を15万円から提供しています。媒体別の広告費と売上のデータから、各施策の売上貢献の推定と、予算を動かした場合のシミュレーションまでを出します。「媒体の報告とは別に、媒体をまたいだ配分の根拠がほしい」という場面で、媒体から独立した基準として使えます。手元のデータで分析が成立するかどうかは、無料の事前診断で確認できます。

よくある質問（FAQ）

媒体の中は任せて、媒体をまたぐ配分は自分の基準で決める｜まとめ

「媒体の自動最適化に任せるのと、第三者計測でアトリビューションを見て配分するの、どちらが失敗しにくいか」——この質問への答えは、二択のどちらかではなく、判断の層ごとの役割分担でした。媒体の中の入札・配信は自動最適化に任せる。媒体をまたぐデジタルの配分は、第三者計測の数字を材料に人が決める。テレビCMやオフラインを含む全体の配分と総額は、MMMやインクリメンタリティテストという媒体の外の基準で確かめる。この分担を崩して、上の層の判断まで下の層の仕組みに預けたときに、気づけない失敗が生まれます。

この記事のポイント

• 媒体の自動最適化と第三者計測のアトリビューションは、同じ判断を奪い合う二択ではなく、担当できる判断の層が違う。
• 媒体の中の入札・配信の調整は、自動最適化に任せたほうが失敗しにくい。
• 自動最適化の範囲はその媒体の広告枠の中で終わり、媒体をまたぐ予算配分を最適化する自動入札はどの媒体にも存在しない。
• 媒体の管理画面のコンバージョンは媒体ごとに数えられ、合計すると実際の件数を超えうる。第三者計測はこの重複をなくすが、タグの届かない施策は測れない。
• テレビCMやオフラインを含む全体の配分には、MMMやインクリメンタリティテストという媒体の外の基準を使う。