コンテンツに​進む

新しい​ Google 広告アカウントを​作成しますか?

新しい​ Google 広告アカウントを​作成しようと​しています。​新しい​アカウントを​作成しなくても、​1 つの​アカウントで​複数の​キャンペーンを​作成できます。

新しい​ Google 広告アカウントを​作成しますか?

新しい​ Google 広告アカウントを​作成しようと​しています。​新しい​アカウントを​作成しなくても、​1 つの​アカウントで​複数の​キャンペーンを​作成できます。

ライオンの​「CausalImpact」​活用:事例で​学ぶキーワード

Think with Google 日本版 編集部

Social Module

共有

企業の​マーケティング事例と​関連する​キーワードを​手軽に​学べる​連載​「事例で​学ぶキーワード」。​今回は、​ライオン株式会社に​よる​「CausalImpact​(コーザルインパクト)」の​活用事例を​基に​紹介します。

事例:ライオンや​サントリーの​クロスメディア検証 —— テレビと​ YouTube の​重複接触、​メディアごとの​効果を​明らかに

従来、​ライオンの​オーラルケアブランド​「クリニカ」は、​テレビ CM を​中心とした​マーケティングで​認知を​獲得してきました。

YouTube 広告は​テレビ CM の​補完と​しての​活用でしたが、​生活者の​メディア接点の​変化を​受けて、​2022 年に​発売した​新商品の​マーケティングでは、​これまでの​同社の​セオリーを​転換。​さらなる​ブランドの​成長に​向けて、​生活の​隅々まで​浸透している​ YouTube が​態度変容を​促せるのか、​検証しました。

テレビ CM に​加えて、​TrueView インストリーム広告と​ 6 秒の​バンパー広告を​配信して​結果を​分析した​ところ、​テレビ CM と​ YouTube 広告に​重複接触した​場合、​非接触者よりも​商品の​特長理解が​ 5 ポイント高いと​いう​結果に。​これは​テレビ CM のみに​接触した​場合と​比べても​高い​数値でした​(*1)。

また​ YouTube 広告で​態度変容を​促すために​必要な​広告への​接触回数は​ 3 回で、​この​事例に​限れば、​態度変容コストも​テレビ CM の​ 3 分の​ 1 に​抑えられました​(*2)。

この​事例で​確認できたのは、​認知や態度変容に​とどまりません。​Google が​開発した​「CausalImpact」と​いう​統計分析の​手法を​用いた​ところ、​売り上げへの​貢献も​明らかに​なりました。

都道府県レベルで​トレンドが​似た​ 2 つの​グループを​作成し、​一方には​テレビ CM、​もう​一方には​テレビ CM と​ YouTube 広告を​配信。​その​結果、​YouTube 広告に​よる​売り上げへの​純増は、​全体では​ 8%、​主な​顧客層である​ 30 代 〜 50 代女性に​限れば​ 11% と​確認できたのです(*3)。

YouTube 広告による売り上げへの貢献。全体では 8% 純増、 30 〜 50 代は女性 11% 純増。

用語解説:CausalImpact

CausalImpactは、​Google が​開発した​「ある​広告施策が​時間の​経過とともに​ KPI に​どのような​影響を​与えるかを​推定」する​手法です。

た​とえば​広告効果の​測定で​よく​用いられる​方​法と​して、​広告施策の​前後に​調査を​行って​その​回答の​差異を​分析する​プレ/ポスト比較が​ありますが、​これには​季節に​よる​トレンドの​変化や​調査対象者の​選定など、​さまざまな​バイアスが​生じる​可能性が​あります。​その​結果、​広告施策に​よる​効果なのか、​それ以外の​要因に​よる​ものなのかを​切り分けるのが​難しく、​KPIへの​貢献度が​不明瞭に​なると​いう​課題が​あるのです。

それに​対して​ CausalImpact は、​施策の​影響を​受けていなかった​場合の​ KPI を​推定する​ことで、​施策の​効果を​明らかにします。

CausalImpact の​手順

  1. 類似データの​準備:施策前の​ KPI 時系列データと、​それに​似た​波形を​持つ​時系列データを​用意する
  2. モデル推定:施策前と​期間中で​トレンドが​変わらないと​いう​仮定のもと、​KPI 時系列データが​施策の​「影響を​受けていなかった​場合」を​推定する
  3. 効果の​可視化:施策期間中の​推定値と​実測値の​差分を、​施策の​効果と​して​可視化する
プレ/ポスト比較と CausalImpact の違いを説明する図。施策前と施策期間中の実測値の差分から計算するプレ/ポスト比較では、季節によるトレンドの変化や調査対象者の選定などの外部要因バイアスが混在してしまう。それに対して、CausalImpact はモデル推定を用いて施策の影響を受けていなかった場合の推定値を算出し、その推定値と実測値の差分を計測することで施策効果の値を高精度で推定可能である。

今回取り上げたライオンの​他にも、​株式会社バンダイナムコエンターテインメント​パーソルキャリア株式会社の​事例でも​活用されています。

452_P-MAXサマリー_Author_220_240409_ver1

Think with Google 日本版 編集部

出典 (3)

*1: マクロミル クロスメディア ブランドリフト調査

*2: Google クロスメディア ユニーク リーチ

*3: CausalImpact を​用いた​配信・非配信エリアを​分けた​地域テスト。​Google が​開発した​キャンペーンが​ KPI にもたらす因果的影響を​時系列から​推定する​ための​パッケージ

ページ​先頭に​戻る