Moloco Adsは独立系アプリ面で新規獲得と再獲得を一体で回せるか
アプリの広告予算は、気づけば大手プラットフォームの二社か三社に集中しています。管理が楽で成果も安定しているため、そこから動かす理由が見当たらないというのが実情でしょう。ただ、その状態が続くと獲得できるユーザーの層は徐々に固定され、成長が頭打ちになります。
この行き詰まりに対する選択肢のひとつが、独立系のアプリ面を束ねて配信する仕組みです。Molocoが提供するMoloco Adsは、公式によれば300万を超えるブランドセーフな独立系アプリ、1日あたり20億を超えるアクティブユーザーへの配信を、単一のプラットフォームから扱えると説明されています。
この記事では、Moloco Adsの構造と運用ロジックを公式情報から整理したうえで、大手プラットフォームでは拾いにくい在庫にどう予算を配分するか、新規獲得と再獲得のコストをどう並べて評価するかを実務の観点でまとめます。DSPの選定比較ではなく、独立系アプリ面で成果を出すための考え方を扱う内容です。記載内容は2026年8月時点の公開情報にもとづきます。
この記事の要点
- Moloco Adsは300万を超える独立系アプリ面と、1日20億を超えるアクティブユーザーへの配信を単一の基盤で扱う
- 新規獲得と再エンゲージメントを別々のツールではなく同じAI基盤で運用できる構造になっている
- 広告主の自社データをアップロードして最適化に使える設計で、全体の支出の九割がROASとCPAの目標に対して最適化されると公表されている
- インクリメンタリティ検証とA/Bテストに対応し、掲載先やクリエイティブ単位の実績を確認できる
- 再エンゲージメントは新規獲得より3.4倍安く、ROASは685%高いという数値が公表されている
Moloco Adsとは何か
Moloco Adsとは、独立系のアプリ面を対象にした運用型広告のプラットフォームです。公式の説明では、300万を超える高品質でブランドセーフな独立系アプリに単一の基盤からアクセスでき、到達するアクティブユーザーは1日あたり20億を超えるとされています。規模としては、大手プラットフォームと並べても見劣りしない水準です。
独立系という言葉が指すのは、大手プラットフォームが自社で保有していないアプリ面のことです。ゲーム、ユーティリティ、ニュース、天気といった多様なカテゴリのアプリが該当します。大手の枠の外にある在庫にまとめてアクセスできる点が、このプラットフォームの基本的な価値になります。
運用の中心にあるのは機械学習による最適化です。公式は、全体の支出の九割がROASとCPAの目標に対して最適化されていると述べており、目標値を設定して配信を任せる形が基本になります。手動での細かい調整を積み重ねる運用とは設計思想が異なります。
対応している目標には、インストール、アプリ内イベント、ROAS、継続率が挙げられています。インストール数だけを追う設計から、事業の成果に近い指標へ最適化を寄せられる構成になっているのが特徴です。
大手プラットフォームとの違いは在庫の性質にある
大手プラットフォームの強みは、自社サービスの利用者データを使った精緻なターゲティングにあります。一方で、配信できる面は自社の保有する範囲に限られます。ユーザーがその面に滞在していない時間には届きません。
独立系アプリ面の強みは、ユーザーが日常的に使う多様なアプリのなかに接点を作れることです。ゲームをしている時間、天気を確認する時間、ニュースを読む時間といった、大手の面に滞在していない時間を押さえられます。接触できる時間帯そのものが広がるのが構造的な違いです。
自社データを最適化に使う設計
公式は、広告主が自社の顧客データをアップロードでき、そのデータが最適化の学習に使われると説明しています。既存ユーザーの行動特性を学習の材料にできるため、価値の高いユーザーに似た層へ配信を寄せやすくなります。
データを渡す運用を始める前に、社内の情報管理ルールとの整合を確認しておいてください。顧客データを外部の広告基盤に渡す以上、扱う範囲と保持期間の取り決めが必要になります。技術的には簡単でも、社内手続きに時間がかかる部分です。
この仕組みを活かすには、渡すデータの質が重要になります。単純なインストール済みユーザーの一覧よりも、課金額や継続日数といった価値の指標が付いたデータのほうが学習の精度は上がります。データの整備状況が成果を左右する点は、他の媒体と共通する原則です。
新規獲得と再獲得を同じ基盤で回す意味
Moloco Adsの特徴として公式が挙げているのが、新規獲得と再エンゲージメントを別々のツールではなく同じAI基盤で扱える点です。多くのアプリ事業者は、新規獲得を広告プラットフォームで、再獲得を別のツールやプッシュ通知で行っており、両者の評価が分断されています。
分断されていると、予算配分の判断ができません。新規獲得の担当者は獲得単価の改善を追い、再獲得の担当者は復帰率を追うため、どちらに追加予算を入れるべきかを比較する土台がないからです。同じ基盤で回せば同じ物差しで比較できるようになります。
公式が示している数値は明確です。再エンゲージメントのキャンペーンは新規獲得より3.4倍安く、ROASは685%高いとされています。この差が事実であれば、多くの事業者にとって再獲得への配分は不足していることになります。
| 観点 | 新規獲得 | 再エンゲージメント |
|---|---|---|
| 対象 | 未インストールのユーザー | インストール済みで休眠したユーザー |
| 公表されている相対コスト | 基準 | 3.4倍安い |
| 公表されているROAS | 基準 | 685%高い |
| 成果が出るまでの期間 | 初回起動から定着まで時間がかかる | 既に利用経験があり短い |
| 上限 | 市場規模まで拡張できる | 既存ユーザー数に制約される |
| 役割 | 母数を増やす | 母数から得られる価値を高める |
再獲得には上限があることを忘れない
効率が良いからといって再獲得に予算を寄せ続けると、対象となる休眠ユーザーを使い切ります。再獲得の母数は既存のインストール数に制約されるため、新規獲得を止めれば再獲得の余地も先細りします。両者は競合ではなく順序の関係にあります。
再獲得の余地がどれだけ残っているかは、休眠ユーザー数の推移で把握できます。この数が減り続けているなら、再獲得への追加投資の効果は逓減していきます。月次で休眠ユーザー数を確認する習慣をつけておくと、配分の見直し時期を逃しません。
実務では、再獲得で得られた効率の改善分を新規獲得の予算に回すという循環を作るのが理想的です。全体の獲得単価が下がれば、同じ予算でより多くの新規を取れるようになります。
休眠の定義を先に決める
再獲得の設計で最初に決めるべきなのが、何日使われていなければ休眠と見なすかという基準です。アプリの性質によって適切な日数はまったく異なります。毎日使うことが前提のアプリと、月に数回の利用が想定されるアプリでは、同じ日数を当てはめても意味がありません。
目安としては、既存ユーザーの利用間隔の分布を見て、上位の層が戻ってこなくなる境界を探します。データから決めた基準でなければ再獲得の効率は上がりません。感覚で30日と置くのは避けてください。
掲載先の透明性をどう活用するか
公式は、広告がどこで配信されているか、どのクリエイティブと掲載面とパブリッシャーが成果に寄与しているかを完全に可視化できると説明しています。この透明性は、独立系の在庫を扱ううえで実務的に重要な要素です。
大手プラットフォームの自動配信では、掲載先の内訳が限定的にしか開示されないことがあります。成果が悪化したときに、原因が在庫の質にあるのかクリエイティブにあるのかを切り分けられません。掲載先が見えれば原因の切り分けができるようになります。
可視化されたデータの使い方としては、まず成果の良いパブリッシャーと悪いパブリッシャーの傾向を把握します。カテゴリ、アプリの規模、掲載面の種類といった軸で分類すると、共通する特徴が見えてきます。
掲載先データで確認する項目
- カテゴリ別の実績：どのジャンルのアプリで成果が出ているか
- 掲載面の種類：インタースティシャル、リワード、バナーの傾向差
- クリエイティブとの相性：同じ素材でも面によって差が出ていないか
- 継続率への影響：獲得単価が良い面のユーザーが定着しているか
- ブランド適合性：自社の商材と並んで問題のない面か
リワード面の扱いには注意が必要
報酬と引き換えに広告を視聴させるリワード面は、インストール数が伸びやすい一方で、定着しにくいユーザーが混ざりやすい面でもあります。獲得単価だけを見て良好と判断すると、継続率が低いユーザーを大量に獲得することになります。
対策としては、最適化の目標をインストールではなくアプリ内イベントや継続率に置くことです。目標を事業の成果に近づけるほど、この種の偏りは自動的に補正されます。
インストール数ではなく継続率で見る配信設計については、以下の記事で具体的な手順を扱っています。
除外リストは作りすぎない
成果の悪い掲載先を除外していくと、配信できる在庫が徐々に狭まります。除外を積み重ねた結果、機械学習が探索できる範囲が縮小し、かえって成果が落ちることがあります。除外は明らかに不適切な面に限定してください。
成果の良し悪しは、クリエイティブや時期によっても変動します。一度の実績で恒久的に除外しないという運用ルールにしておくと、機会損失を防げます。
インクリメンタリティ検証をどう組むか
公式はインクリメンタリティ検証とA/Bテストへの対応を明示しています。アプリ広告では、広告がなくても起きたはずのインストールや起動が成果として計上される問題が起きやすく、この検証の有無が投資判断の質を大きく変えます。
特に再エンゲージメントでは注意が必要です。休眠ユーザーは一定の割合で自然に戻ってきます。広告を当てた層の復帰だけを見て効果があったと判断すると、自然復帰分まで成果に数えてしまいます。比較対象を持たない再獲得の数値は過大評価になると考えてください。
検証の基本形は、対象となるユーザーをランダムに二群に分け、片方にだけ広告を配信して復帰率の差を見る方法です。差が有意であれば、広告による増分が確認できます。
検証にかかるコストをどう見るか
広告を当てない群を作るということは、その分の機会を放棄することを意味します。短期的には損失に見えますが、正しい投資判断ができるようになる価値のほうがはるかに大きいのが実情です。予算全体の一割程度を検証に充てる想定で計画してください。
検証を実施する時期にも配慮が必要です。需要が大きく動く時期に実施すると、外部要因が結果に混ざります。需要が安定している時期を選んで検証するほうが、得られる結論の信頼性は高くなります。年末や大型連休の前後は避けるのが無難です。
検証の設計と読み方については、以下の記事で手法と実務の流れを整理しています。
アトリビューションの枠組みを揃える
複数のアトリビューションの枠組みに対応していることは柔軟性の面では利点ですが、媒体ごとに異なる設定を使うと比較ができなくなります。計測パートナーを含めて、判定の窓と優先順位を統一しておいてください。
統一の作業は導入前に済ませるべきものです。配信を始めてから変更すると、前後の数値が比較できなくなり、判断の材料を失います。
どんなアプリ事業者に向いているか
向いているのは、すでに大手プラットフォームで一定の成果を出していて、そこからの拡張に限界を感じている事業者です。既存の獲得手段が機能していない段階で独立系の在庫に手を出しても、原因の切り分けが難しくなります。
もう一つの条件が、アプリ内の行動データが整備されていることです。インストール後の行動が計測できていなければ、ROASや継続率を目標にした最適化が機能しません。計測が整っていないアプリでは機械学習の利点が出ないという点は、導入前に確認すべき前提です。
逆に向かないのは、インストール数そのものが目的で、その後の行動を追う仕組みがない場合です。この状態では、獲得単価は安く見えても事業の成果につながらないユーザーが積み上がります。
導入前に整えておく前提
- アプリ内イベントの計測：主要な行動が正しく送信されているか
- ユーザーの価値指標：課金額や継続日数を把握できているか
- 休眠の定義：再獲得の対象を判定する基準が決まっているか
- 検証の予算：インクリメンタリティ検証に充てる枠を確保しているか
- アトリビューション：判定の窓と優先順位が媒体間で揃っているか
予算規模の目安
機械学習による最適化を前提とする以上、学習に必要な量のデータが集まる規模が必要です。日次のコンバージョンが数件しか発生しない予算では、最適化が進む前に判断の時期を迎えます。目標とするイベントが一日に数十件は発生する規模を確保してください。
上流のイベントに目標を置き換える場合は、そのイベントと最終的な成果の相関を事前に確認してください。相関の弱いイベントを目標にすると、学習は進んでも事業の成果につながりません。過去のデータで、そのイベントを通過したユーザーの課金率を確認するだけで判断できます。
規模を確保できない場合は、目標とするイベントをより上流に置く方法があります。課金ではなくチュートリアル完了を目標にすれば、発生件数が増え、学習が進みやすくなります。
既存の配信との役割分担
大手プラットフォームの配信を止める必要はありません。むしろ、既存の配信を維持したまま追加の在庫として使うのが基本的な使い方になります。役割としては、既存で届いていない層への拡張と、再獲得の効率化の二つです。
独立系のプラットフォームを選定する際の考え方については、以下の記事で判断の軸を整理しています。
クリエイティブ設計で独立系面に合わせる
独立系のアプリ面では、掲載される環境が大手プラットフォームとは大きく異なります。ゲームのプレイ中に挟まる全画面の広告、記事の合間に置かれるバナー、報酬と引き換えに視聴する動画といった具合に、ユーザーの状態も期待も面ごとに違います。同じ素材を全面に配ると、どこかで必ず噛み合わなくなります。
全画面で表示される面では、視認できる面積が大きいぶん情報量を増やせます。一方でユーザーは何かの操作を中断されている状態にあるため、価値が伝わらなければ即座に閉じられます。最初の一秒で得られるものを示す構成にすることが、この種の面では特に重要になります。
報酬と引き換えに視聴する面では、視聴が完了することが前提になります。最後まで見られる可能性が高いぶん、丁寧に説明する構成が成立します。ただし視聴の動機は報酬にあるため、内容への関心は高くありません。記憶に残すには、繰り返し見せる設計が必要になります。
素材の本数と更新頻度
機械学習による最適化を使う場合、素材の本数は探索の幅に直結します。一本だけで配信すると、その素材が合わない面には配信されず、在庫の広さを活かせません。訴求の異なる素材を複数用意し、機械側に選ばせる形が基本になります。
本数の目安は、静止画と動画を合わせて十本前後です。多ければよいわけではなく、それぞれが異なる訴求を担っていることが条件になります。似た素材を並べても、探索の幅は広がりません。
更新の頻度については、成果が落ち始めたタイミングで入れ替えるのが実務的です。配信量が同じなのに成果が下がったら素材の疲弊を疑うという判断基準を持っておくと、対応が遅れません。
言語と地域の扱い
独立系のアプリ面は国境をまたいで存在するため、配信地域の設定を誤ると意図しない市場に配信されます。日本語の素材が海外の面に配信されても成果にはつながりません。地域設定は導入時に必ず確認してください。
市場ごとに分ける場合は、目標値も市場ごとに設定します。単価の水準は市場によって数倍の開きがあるため、統一した目標では配信が偏ります。市場別の実績が溜まるまでは、それぞれ広めの目標から始めてください。
複数の市場に展開している場合は、市場ごとにキャンペーンを分けるほうが管理しやすくなります。市場によってアプリの利用習慣も競合環境も違うため、同じ目標値を当てはめると判断を誤ります。
運用開始後の見方と調整の順番
配信を始めてから最初に確認するのは、消化と学習が進んでいるかどうかです。予算が消化されていなければ、目標値が厳しすぎるか、対象の設定が狭すぎる可能性があります。成果の善し悪しを議論する前に、この点を確認してください。
消化が進んでいるのに成果が目標に届かない場合は、目標値の設定を段階的に緩めるか、目標とするイベントを上流に変更します。いきなり大きく動かすと学習がやり直しになるため、変更は一度に一項目に絞ってください。複数の項目を同時に変えると原因が特定できなくなります。
成果が安定してきたら、掲載先の内訳とクリエイティブ別の実績を確認します。この段階で初めて、除外や素材の入れ替えといった細かい調整に意味が出てきます。順番を飛ばして細部から手をつけると、全体の傾向を見誤ります。
学習期間の扱い方
機械学習を使う配信では、設定変更のたびに学習がリセットされます。頻繁に触ると、常に学習中の状態が続き、本来の成果が出ません。変更の間隔は最低でも一週間、できれば二週間を空けるのが望ましい運用です。
この期間中に数値が悪くても、そこで判断しないという合意を関係者と取っておいてください。学習期間の数値をもとに停止の判断が出るのは、アプリ広告で最もよくある失敗のひとつです。
季節性と競合の影響を切り分ける
アプリ広告の単価は、競合の出稿量に大きく影響されます。年末や大型連休、競合アプリの大型アップデートといった要因で、設定を変えていなくても単価は動きます。自社の設定変更の効果と外部要因を切り分けるには、変更していない期間の推移を基準として持っておく必要があります。
基準を持つには、あえて設定を動かさない期間を作ることです。触らない期間が判断の基準を作るという考え方は、機械学習を前提とした運用では特に有効に働きます。
社内の評価体制をどう整えるか
アプリ広告の成果は、獲得したユーザーがその後どう振る舞うかまで見ないと評価できません。ところが多くの組織では、広告の担当者はインストールまでを見て、その後の行動はプロダクトの担当者が見るという分業になっています。この分断が、獲得の質を軽視した運用を生みます。
解決には、広告の担当者が獲得後の指標まで見る体制にするのが最も確実です。獲得したユーザーの継続率や課金額を広告側の評価指標に含めれば、単価の安さだけを追う動機はなくなります。評価される指標が行動を決めるという原則はここでも成り立ちます。
体制の変更が難しい場合でも、月次の振り返りを共同で行うだけで改善します。獲得したユーザーの質を両者が同じ場で確認すれば、次の打ち手の議論が噛み合います。
コホートで見る習慣をつける
獲得したユーザーの評価は、獲得した月ごとのまとまりで追うのが基本です。全体の平均で見ると、過去に獲得した優良なユーザーが数値を押し上げ、直近の獲得の質の低下が見えません。獲得月ごとに継続率と課金額の推移を並べてください。
コホートの粒度は、獲得量が多ければ週次、少なければ月次で構いません。粒度を細かくしすぎると各群の人数が減り、数値が安定しなくなります。判断に必要な人数が確保できる粒度を選んでください。
この見方をしていれば、配信の変更が獲得の質にどう影響したかを後から確認できます。変更の記録とコホートの推移を並べて見られる状態を作っておくことが、長期的な改善の基盤になります。
代理店に委託する場合の評価基準
委託先の評価を獲得単価だけで行うと、安く取れる面に配信が偏ります。契約時に、獲得後の指標を評価に含めることを明示してください。継続率や課金額を含めた評価にすれば、委託先の運用も自然と質を重視する方向に向かいます。
あわせて、掲載先の内訳を定期的に共有してもらう取り決めをしておくと安心です。掲載先が見えない運用は改善の余地も見えません。透明性のあるプラットフォームを使う利点を、委託していても活かせる形にしてください。
他の獲得手段と並べたときの位置づけ
アプリの獲得手段には、大手プラットフォームの運用型広告、アプリストア内の検索広告、独立系の在庫、そしてインフルエンサーや口コミといった非広告の手段があります。それぞれ届く層と単価の水準が異なるため、単一の手段に依存すると成長が止まります。
アプリストア内の検索広告は、すでにアプリを探している層に届く点で獲得意図が最も高い手段です。一方で母数はストア内の検索数に制約されます。独立系の在庫は逆に、探していない層に接触して需要そのものを作る役割を担います。
この整理をすると、どこに追加投資すべきかが見えてきます。獲得意図の高い層を取り切れていなければストア内から、取り切っているなら独立系の在庫を広げるという順番です。取り切れているかどうかの確認が投資判断の起点になります。
ストア内の訴求面も同時に整える
広告で流入を増やしても、ストアの掲載ページで離脱すればインストールにつながりません。スクリーンショットや説明文が広告の訴求と一致しているかを確認してください。広告で伝えた価値がストアのページで裏切られると、費用だけが消えます。
広告からストアへの遷移では、離脱率がそのまま獲得単価に跳ね返ります。クリックからインストールまでの率は改善余地が大きい領域であり、広告側の調整より効果が出やすい場面も少なくありません。広告の数値が伸び悩んだときの確認先として覚えておいてください。
訴求ごとにストアの掲載面を切り替える運用については、以下の記事で実装の設計を扱っています。
非広告の流入と混ざらないようにする
オーガニックのインストールと広告経由のインストールが正しく分離できていないと、広告の成果が過大にも過小にも見えます。計測パートナーの設定を確認し、判定のルールを把握しておいてください。
特に、テレビや屋外といったデジタル以外の施策を並行して実施している場合は、その影響がオーガニックとして計上されます。施策の実施期間を記録しておくと、数値の変動を説明できるようになります。
独立系在庫のブランド安全性をどう担保するか
独立系のアプリ面を使う際に必ず議論になるのが、どんなアプリに広告が出るのかという点です。公式はブランドセーフな在庫であることを明示していますが、事業者側としても自社の基準で確認できる体制を持っておくべきです。掲載先が可視化されている以上、確認は現実的に可能です。
確認の観点は三つあります。アプリのカテゴリが自社の基準に反していないか、掲載面の見せ方が過度に押し付けがましくないか、そして誤タップを誘発する配置になっていないかです。誤タップは短期的にはクリック数を押し上げますが、獲得したユーザーは定着しません。
誤タップの多い面は、インストール率とその後の継続率の落差で判別できます。クリックは多いのにインストールが伸びない面は配置を疑うという見方をすると、データから機械的に見つけられます。
社内の掲載基準を先に文書化する
ブランド安全性の議論は、基準がないまま始めると個人の感覚に依存します。どのカテゴリを許容し、どれを除外するかを事前に文書化しておけば、担当者が変わっても判断がぶれません。広報や法務の担当者を巻き込んで作るのが確実です。
文書化しておくと、委託先への指示も明確になります。口頭で「変なところに出さないように」と伝えるだけでは、認識のずれが必ず生じます。基準を文書で渡すことが認識のずれを防ぐ最短の方法です。
基準は細かくしすぎないほうが運用しやすくなります。除外すべきカテゴリを列挙する形にし、それ以外は許容するという構成にすると、判断に迷う場面が減ります。
定期的な棚卸しを予定に入れる
掲載先の顔ぶれは時間とともに変わります。導入時に確認して終わりにせず、四半期に一度は上位の掲載先を見直す運用にしてください。確認するのは配信量の多い上位数十件で十分です。
棚卸しの結果として除外を追加する場合も、機械学習の探索範囲を狭めすぎないよう、明確に基準に反する面に限定してください。
予算計画と成果の見通しの立て方
導入の稟議を通すには、どの程度の予算でどの程度の成果が見込めるかを示す必要があります。ただし新しい在庫での実績が手元にない段階では、正確な見通しは立てられません。ここで無理に楽観的な数値を置くと、あとで説明に窮します。
現実的なのは、検証期間と本格運用期間を分けて計画することです。検証期間は成果の目標ではなく、学習が進むかどうか、掲載先の傾向が把握できるかどうかを目的に置きます。検証期間の目的を成果以外に置くことで、短期の数値に振り回されずに済みます。
検証期間の長さは一か月から二か月が目安です。この期間で得られた獲得単価と継続率をもとに、本格運用時の見通しを立てます。既存の配信の数値を出発点にして、そこからどの程度の乖離が許容できるかを決めておくと判断が早くなります。
段階的に予算を増やす
成果が確認できたあとも、予算を一度に大きく増やすのは避けてください。配信量が急増すると、機械学習が探索する範囲が変わり、単価の水準が動きます。二週間ごとに二割から三割ずつ増やす進め方が、成果を保ちながら拡大する実務的な方法です。
増やす過程で単価が悪化した場合は、その水準が拡張の限界を示しています。そこで止めるか、目標値を見直して受け入れるかの判断になります。
撤退の基準も決めておく
新しい在庫を試すときは、続ける基準と同じくらい、やめる基準を決めておくことが重要です。基準がないと、成果が出ないまま惰性で予算が消えるか、逆に判断が早すぎて可能性を捨てることになります。
基準を決める際は、判断の時期も同時に決めておきます。いつ判断するかが曖昧だと、悪い数値が出るたびに議論が蒸し返されます。検証期間の終了日を判断日として設定し、それまでは動かさないという合意を取ってください。
撤退の基準としては、検証期間の終了時点で獲得単価が既存の一定倍率を超えている場合、あるいは継続率が既存を大きく下回っている場合といった形で、数値で決めておきます。数値で決めておけば議論が感情的になりません。
データ連携の実務と社内調整
自社の顧客データを最適化に使う設計を活かすには、データを渡す仕組みを作る必要があります。ここで多くの事業者がつまずくのは、技術的な難しさではなく社内の調整です。顧客データを外部に渡すことへの合意、扱う範囲の確定、そして継続的な更新の担当者を決めるという三つが論点になります。
合意を得るには、渡すデータの粒度を具体的に示すことが有効です。個人を特定できる情報をそのまま渡すのか、ハッシュ化した識別子だけを渡すのかで、議論の性質はまったく変わります。技術仕様を先に確認してから社内の議論に持ち込むと、余計な懸念で止まる事態を避けられます。
更新の担当については、広告の担当者が手作業で行う運用は長続きしません。データ基盤側で定期的に出力する仕組みを作り、担当者が変わっても継続する形にしてください。手作業に依存した連携は、担当者の異動とともに止まります。
渡すデータの設計
渡すべきなのは、ユーザーの識別子と価値を示す指標です。価値の指標は、累計課金額、直近の利用日、利用頻度といったものが基本になります。これらが揃っていれば、優良ユーザーに似た層を探す学習が機能します。
逆に、すべてのユーザーを区別なく渡すと、学習の材料としての価値が下がります。誰が優良で誰がそうでないかの情報こそが、渡す意味のある部分です。
更新の頻度をどう決めるか
更新の頻度は、ユーザーの状態が変わる速さに合わせます。課金が日常的に発生するアプリなら週次、月に数回の利用が想定されるアプリなら月次で十分です。頻度を上げるほど基盤側の負荷は増えるため、必要な水準を見極めてください。
あわせて、連携が止まっていないかを検知する仕組みも用意しておくと安心です。更新が失敗しても配信自体は続くため、気づかないまま古いデータで運用が続くことがあります。最終更新日を確認できる場所を決めておくだけでも、長期の運用では効いてきます。
頻度よりも重要なのは、定期的に実行される仕組みになっていることです。不定期な更新は古いデータで学習が進む原因になります。決めた頻度を守れる範囲で設定してください。
導入プロジェクトの進め方
この種の新しい配信基盤を導入する際は、広告の担当者だけで完結しません。計測パートナーの設定、データ基盤からの出力、社内の掲載基準の策定、評価指標の合意と、関わる部門が複数にまたがります。導入を一つのプロジェクトとして扱うほうが、結果的に早く進みます。
進め方としては、準備、検証、本格運用の三段階に分けるのが分かりやすい構成です。準備段階では計測とデータ連携を整え、検証段階では小規模に配信して掲載先と成果の傾向を把握し、本格運用で予算を拡大します。段階ごとに完了の条件を決めておくと、中途半端なまま次に進む事態を防げます。
期間の目安としては、準備に二週間から一か月、検証に一か月から二か月、そこから本格運用という流れになります。準備を飛ばして配信を始めると、成果が出ない原因が設定なのか在庫なのか判別できず、結局やり直しになります。
関係者を早めに巻き込む
データ基盤や計測の担当者は、広告の都合で急に依頼されることを嫌います。導入を検討し始めた段階で概要を共有し、必要になる作業の見通しを伝えておいてください。実際の依頼が来たときの対応速度がまったく変わります。
法務や情報管理の担当者についても同様です。配信直前に確認を依頼すると、そこで数週間止まります。検討段階で論点だけでも共有しておけば、並行して確認を進めてもらえます。
成果報告の型を最初に作る
報告の形式を導入時に決めておくと、毎回の集計作業が軽くなります。含める項目は、消化額、獲得数、獲得単価、獲得後の継続率、そして掲載先の上位内訳です。これらが並んでいれば、次の判断に必要な情報はおおむね揃います。
報告の場では、数値の説明だけでなく次に何を試すかまで含めてください。次の一手が示されない報告は判断の材料になりません。試すことが決まっていれば、次回の報告でその結果を確認する流れが自然にできます。
まとめ：計測を整えてから在庫を広げる
Moloco Adsは、大手プラットフォームの外にある独立系アプリ面へまとめてアクセスでき、新規獲得と再獲得を同じ基盤で扱える構成になっています。掲載先の透明性と検証機能が備わっているため、成果の原因を切り分けながら運用できる点も実務上の利点です。
- 計測を先に整える。アプリ内イベントとユーザーの価値指標が取れていないと機械学習の利点が出ない
- 再獲得の配分を見直す。公表値では新規獲得より3.4倍安く、多くの事業者で配分が不足している
- 増分を検証する。特に再獲得は自然復帰が混ざるため、比較群を置いた検証なしに評価しない
まずは無料で広告アカウント診断を
ハーマンドットでは、アプリ広告のアカウントについて新規獲得と再獲得の配分と計測の整備状況を確認する診断を行っています。独立系の在庫を追加すべきかどうかの判断や、インクリメンタリティ検証の設計もあわせてご相談いただけます。
大手プラットフォームでの獲得が頭打ちになっている、再獲得の効果を正しく測れていない、といった段階でもご相談いただけます。初回相談は完全無料・所要時間30分・オンライン対応可能です。