オーディエンスターゲティングとリターゲティング

コアオーディエンスは、Metaがユーザーについて保有するデータを使って構築します。年齢、性別、地域などのデモグラフィック、ページへの「いいね」やコンテンツとのインタラクションから推測される興味・関心、購入履歴やデバイスの利用状況などの行動が含まれます。コアオーディエンスは、まだブランドを知らないコールドプロスペクトにリーチするための出発点です。

既存顧客のメールアドレスや電話番号を記載したCSVファイルをMetaにアップロードすると、Metaのプロフィールと照合されたカスタムオーディエンスが作成されます。これにより、離反した顧客を呼び戻すキャンペーン、特定のセグメントへのクロスセルキャンペーン、または新規顧客開拓キャンペーンから既存顧客を除外する設定が可能になります。

Meta PixelはWebサイト上での訪問者の行動を追跡し、訪問した特定のページ、サイトの滞在時間、実行したアクションなどをもとにオーディエンスを構築できます。料金ページを見たものの購入しなかった人によるWebサイトのカスタムオーディエンスは、購入意向の高いリターゲティングセグメントとして優先する価値があります。

Metaでは、プラットフォーム上でコンテンツに反応した人からオーディエンスを構築できます。動画の視聴者、InstagramやFacebookのページに反応した人、リードフォームを開いた人、イベントに反応した人などが対象です。これらのウォームオーディエンスは、すでにブランドをある程度知っているため、コールドオーディエンスよりも低いコストでコンバージョンに至ることがよくあります。

動画を一定以上視聴した人は、関心を示したウォームプロスペクトと考えられます。一般的な完了率のしきい値には25%、50%、75%があります。動画を75%視聴した人からリターゲティングオーディエンスを構築し、直接的なオファーでフォローアップすると、結果単価を抑えながら高いコンバージョン率を得られることがよくあります。

類似オーディエンスを使うと、指定したソースオーディエンス（通常は優良顧客やWebサイトで価値の高い訪問者）と特徴が共通する新しいユーザーをMetaに探させることができます。1%の類似オーディエンスはソースに最も近く、10%の類似オーディエンスはより広範囲です。精度を重視した新規顧客開拓では、まず1〜2%から始めてください。

リターゲティング用のWebサイトカスタムオーディエンスを構築するときは、ユーザーがどのくらい最近訪問したかを指定します。7日間なら購入意向の高い直近の訪問者を捉え、14日間ならより広く網をかけ、30日間なら訪問時期が古くなる代わりに、より大きな母数を捉えられます。期間は、商品を検討する一般的な長さに合わせてください。

オーディエンスの重ね合わせとは、カスタムオーディエンスや類似オーディエンスに興味・関心または行動のレイヤーを追加し、さらに絞り込むことです。たとえば、起業に関心があるという条件にも一致する顧客の類似オーディエンスをターゲットにすると、具体的なオファーに反応する可能性が最も高い層にコールドオーディエンスを絞り込めます。

除外オーディエンスは、広告を表示しない対象をMetaに指定するものです。新規顧客開拓キャンペーンから直近の購入者を除外すれば、予算の無駄を防げます。また、初回購入向けオファーから顧客リスト全体を除外すれば、収益性を維持できます。適切に設定した除外は、Metaアカウントで最も効果の高い最適化になることがよくあります。

非常に絞り込んだオーディエンスはメッセージの関連性を高められますが、Metaが予算を効率よく消化できる十分なユーザーを見つけにくくなります。非常に幅広いオーディエンスでは、Metaがより多くの最適化データを得られる一方、関連性が薄まります。多くのキャンペーンにとって最適な規模は、50万人〜300万人のオーディエンスです。

同じキャンペーン内の複数の広告セットが重複するオーディエンスをターゲットにすると、オークションで互いに競合し、自社のコストが上昇します。開始前にMetaのAudience Overlapツールを使い、主要なオーディエンスがどの程度重複しているかを確認してください。重複が大きい場合は、広告セットを統合するか、広告セット間に除外条件を設定します。

カスタムオーディエンスの種類についての理解度を確認しましょう。

効果的なMetaターゲティングでは、コールドプロスペクトの開拓にコアオーディエンスを使い、顧客リストからカスタムオーディエンスを作成し、Pixelで取得したWebサイトデータ、エンゲージメントをもとにしたウォームオーディエンス、拡張性のある新規顧客獲得に向けた類似オーディエンス、戦略的なリターゲティング期間を組み合わせます。オーディエンスを重ねると精度が高まり、除外によって無駄を防げます。Audience Overlapツールで内部競合をなくし、規模と絞り込みのバランスを取ることで、アルゴリズムが効率よく最適化できるようになります。