X Audience Measurementの見方｜属性レポートで届いた人をどう評価するか
X広告の管理画面で属性の内訳を開くと、年齢・性別・地域の割合がきれいに並んで表示されます。ところが実務の現場では、この数字が「だいたいターゲット通りに届いているようだ」という確認で終わり、翌週の配信設定やクリエイティブの差し替えにつながらないまま放置されているケースが非常に多いのが実情です。原因は担当者の怠慢ではなく、この数字がどういう性質を持ったデータなのかが社内で共有されていないことにあります。
X Audience Measurementは、配信した広告が実際にどんな人へ届いたのかを属性の軸で確認するための測定機能です。X Businessのヘルプでは、年齢・性別・地域・GRP（gross ratings points）といった指標を確認できると案内されており、提供可否は市場によって異なるため詳細はXの担当者に確認するよう記載されています（2026年9月21日時点）。つまり全アカウントが同じ画面を同じ形で見られるわけではなく、自社がどのレベルの数字まで触れるのかを把握するところが出発点になります。
この記事では、X広告のレポート全般ではなく、年齢・性別・地域・GRPという属性軸の読解だけに絞って解説します。先に結論を書いておくと、属性レポートは絶対値で読むと必ず判断を誤ります。推定値であることと、軸ごとに重複して計上されることの二点を前提に置いたうえで、構成比と時系列の変化で読み、ズレのパターンごとに打ち手を決めるのが唯一の安全な使い方です。
この記事の要点
- X Audience Measurementは、配信後に「誰に届いたか」を年齢・性別・地域・GRPで確認する測定機能で、提供可否は市場やアカウントの契約形態によって異なる
- 年齢と性別は利用者の宣言情報だけで埋まっているわけではなく、フォロー関係や興味関心からの推定が混ざるため、絶対値ではなく構成比と時系列で読む
- 属性の内訳は軸ごとに重複計上されるため、各カテゴリの数字を足してもインプレッション総数や広告費の総額とは一致しない
- 設定したターゲットと実配信属性のズレは、推定誤差・最適化による偏り・クリエイティブの吸引力という三つの原因に切り分けて診断する
- GRPは属性を絞った到達率として読まなければ意味がなく、フリークエンシーの偏りは属性別に分解しないと発見できない
X Audience Measurementは配信後の到達属性を確認する仕組み
X Audience Measurementとは、X広告で配信したキャンペーンが実際にどんな属性の利用者へ届いたのかを、年齢・性別・地域・GRPといった軸で確認するための測定機能です。配信前に設定するターゲティングとは方向が逆で、すでに消化した予算がどんな人の画面に表示されたのかを事後的に振り返るために使います。この「事後の確認」という性格を押さえておかないと、ターゲティング設定の画面に出てくるオーディエンス推定と混同してしまいます。
測定できる軸と、それぞれが答えてくれる問い
属性レポートで確認できる軸は、大きく年齢、性別、地域、そして到達量を示すGRPやリーチ・フリークエンシーの四系統に分かれます。それぞれが答えてくれる問いは違っていて、年齢と性別は「想定した購買層に当たっているか」、地域は「商圏の中で消化できているか」、到達量は「同じ人に何度も当てていないか」を教えてくれます。どの問いを解きたいのかを決めずに画面を開くと、数字を眺めただけで終わります。
現場で優先順位をつけるなら、まず性別と年齢の構成比、次に地域、最後にフリークエンシーという順で見るのが扱いやすい流れです。フリークエンシーは一定の配信量が溜まるまで判断材料にならないため、初週から細かく追いかけても示唆は得られません。
| 属性軸 | 確認できること | 実務での使いどころ |
|---|---|---|
| 年齢 | 年代区分ごとの到達構成比 | 訴求とクリエイティブの年代適合を確認する |
| 性別 | 男女および不明の構成比 | 商材の主要購買層とのズレを早期に検知する |
| 地域 | 国・都道府県・市区町村単位の内訳 | 商圏や配送可能エリアとの整合を見る |
| GRP・リーチ | ターゲット母集団に対する到達率 | 認知目的の出稿量が足りているかを判断する |
| フリークエンシー | 一人あたりの平均接触回数 | 過剰接触による摩耗や機会損失を見つける |
広告マネージャーの内訳表示と測定メニューは役割が違う
日常的な運用で触るのは広告マネージャー側の内訳表示で、こちらは配信実績を属性で分解したものです。一方で測定メニューとして提供される到達率やGRPの集計は、テレビ出稿との併用評価や大型の認知キャンペーンを想定した枠組みであり、利用できる条件も見られる粒度も異なります。日次の改善に使うのは前者、四半期のメディアプラン評価に使うのは後者、という使い分けが現実的です。
またXのアカウント分析画面には、自社アカウントのフォロワーや反応した利用者の属性を見るオーディエンスの項目もあります。ここで表示されるのは年齢・性別・国・アクティブな時間帯・端末といった情報で、参照できる期間は直近数か月に限られ、ダウンロードができない仕様が続いています。広告の到達属性とアカウントのフォロワー属性はまったく別の母集団なので、レポートを作るときに取り違えないよう気をつけてください。
利用できるかどうかは市場と契約形態で変わる
測定ソリューションの提供状況は市場ごとに異なるとXが明記しているため、日本アカウントで英語圏の事例と同じ画面が出るとは限りません。自社で何が見えるのかは管理画面を確認するか、担当営業や代理店経由で問い合わせるしかないのが現状です。
予算規模によっても事情は変わります。月額数十万円規模なら広告マネージャーの属性内訳で十分に意思決定できますが、テレビCMと並走する大型出稿では到達率を第三者基準で示せるかが稟議の要件になることもあります。自社に必要な粒度を先に定義してから提供可否を確認する順番で進めると無駄がありません。
属性データは推定値である前提から読む
X広告の属性データは、利用者全員が自己申告した確定情報ではありません。Xではプロフィールへの生年月日や性別の入力が必須ではないため、未入力の利用者についてはフォローしているアカウントの傾向や興味関心、アカウント同士の類似性をもとに年齢レンジや性別が推定されている仕組みになっています。この推定が混ざっている以上、レポートの数字は実態そのものではなく実態の近似だと捉えるのが正しい距離感です。
年齢と性別は宣言情報だけでは埋まらない
年齢については、プロフィールに生年月日を入れている利用者であればそこから算出されますが、未入力の場合はアカウントの行動パターンから年代が推測されます。性別も同様で、Xは過去に利用者自身が推定された性別を確認・修正できる導線を用意した経緯があり（ITmedia NEWSの2017年の報道による）、推定と自己申告が併存する構造であることが公になっています。
この構造が意味するのは、若年層と高齢層で推定の性質が変わりうるということです。フォロー傾向がはっきりしている利用者ほど推定は当たりやすく、匿名性を強く保っていて発信が少ないアカウントほど手がかりが乏しくなります。結果として、特定の年代だけが実態より厚く、または薄く出る偏りが構造的に発生しうる点は頭に入れておくべきです。
推定がぶれやすいアカウントの特徴
推定の確度が落ちやすいのは、フォロー数が極端に少ないアカウント、開設直後で行動履歴が薄いアカウント、複数の言語圏をまたいで活動しているアカウントなどです。こうした利用者が多い商材では、属性の不明枠が膨らんだり意図しない区分に振り分けられたりしやすくなります。
もう一つ厄介なのが企業アカウントの扱いです。法人アカウントには年齢も性別も存在せず推定の対象として不安定なため、法人への到達比率が高いB2B配信では年齢・性別の内訳を意思決定の主軸に据えること自体が適切ではありません。
属性レポートを読む前に確認しておきたいこと
- 集計期間に配信設定の変更やクリエイティブの差し替えが入っていないか。変更をまたぐと構成比の比較が成立しない
- 不明・未分類の枠が何パーセントあるか。この枠が大きいほど他の区分の構成比は不安定になる
- キャンペーン目的が認知系か獲得系か。目的が違えば配信ロジックが異なり、属性の出方も変わる
- 法人アカウントや海外アカウントが到達に多く含まれていないか
- 比較対象にする前期間のデータが、同じ曜日構成・同じ日数で揃っているか
絶対値ではなく構成比と時系列で見る
推定を前提にすると、読み方は自然に決まります。ある週の「女性52%」という数字そのものに意味を持たせるのではなく、前週の47%から今週の52%へ動いたという変化に意味を持たせるのです。推定ロジックは短期間で大きく変わらないため、誤差の方向はある程度一定に保たれます。つまり誤差を含んだままでも、差分は信頼できる情報になります。
この考え方は、クリエイティブテストの評価でも効きます。A案とB案を同時に走らせたとき、それぞれの到達属性の構成比を比べれば、どちらがどの層を引き寄せているかが見えます。両案に同じ推定誤差が乗っているため、比較には支障が出ません。同一条件下での相対比較であれば、推定データでも十分に意思決定の根拠になるというのが実務上の結論です。
X広告の運用をプロに任せたい方へ
ハーマンドットはX広告を含む主要7媒体の広告運用を代行しています。アカウントは貴社所有のまま、AIと運用者が成果から逆算して改善します。現状アカウントの無料診断も受け付けています。
属性の合計がインプレッション総数と合わない理由
属性レポートの各カテゴリを足し上げても、キャンペーン全体のインプレッション数や広告費の総額には一致しません。これは集計の不具合ではなく、軸によっては一人の利用者が複数のカテゴリに同時に該当し、それぞれに重複して計上される仕様だからです。この性質を知らないまま数字を足すと、実態の何倍にも膨らんだ資料ができあがってしまいます。
この現象は興味関心や言語の軸で特に顕著に出ます。日辰広告が公開している検証記事では、予算14.2万円のキャンペーンに対して、興味関心カテゴリ別の費用が「Space and astronomy」で約14万円、「Weather」で約14万円と、二つを足しただけで総予算を超える結果が示されています。複数の興味関心を持つ利用者に一度表示されると、該当するすべてのカテゴリに同じ配信が計上されるためです。
軸ごとに重複して計上される
重複が起きる軸と起きない軸があります。年齢や性別のように一人につき一つの値しか取りえない軸は、原理的には重複しません。一方で興味関心、言語、行動といった複数選択が前提の分類では、一人が何カテゴリにも同時に所属するため、合計が母数を超えることが当たり前に起こります。地域についても、キャンペーンの設定粒度によっては上位階層と下位階層の両方に計上される見え方になることがあります。
したがって、レポートを作る前にその軸が排他的か重複ありかを必ず確認する必要があります。排他的な軸であれば構成比の合計が100%に近づくはずで、大きく外れていれば不明枠の扱いを疑います。重複ありの軸では合計が100%を超えるのが正常なので、超えていること自体を異常として報告してはいけません。
費用の内訳が予算を超えて見えることがある
金額でこの現象が出ると混乱が大きくなります。実際に消化した広告費は管理画面のキャンペーン合計が正であり、属性別・興味関心別に按分された金額はあくまで「その軸で見たときにどれだけ配分されていたか」を示す参考値です。これを積み上げて請求根拠にしようとすると計算が合わず、代理店とクライアントの間で不必要な確認作業が発生します。
社内で数字を扱う人が複数いる場合は、レポートの注記に一行入れておくだけで事故が防げます。属性別の金額は重複を含むため合計は総額と一致しないという但し書きを定型化しておけば、初めて資料を見る人でも誤読しません。
社内・クライアント報告は構成比で出す
報告資料に載せるときは、実数ではなく構成比で出すのが最も安全です。重複があっても、カテゴリ間の相対的な強弱は構成比で正しく伝わります。「25歳から34歳への配分が先月の31%から38%に増えた」という表現なら、重複の有無にかかわらず傾向として正しく読み取れますし、聞き手も次のアクションを想像しやすくなります。
さらに踏み込むなら、構成比の推移に変化の理由を一行添えるところまでを報告フォーマットにしてしまうことをおすすめします。数字だけの資料は解釈を読み手に丸投げすることになるからです。
X広告のレポート全体の見方や、カスタム集計の作り方については以下の記事で詳しく解説しています。
設定した属性と届いた属性のズレをどう診断するか
ターゲティングで年齢や性別を絞っているのに、到達属性の内訳が想定と食い違う場合、まず原因を三つに切り分けます。推定の誤差によるもの、配信最適化が成果の出やすい層へ寄せた結果によるもの、そしてクリエイティブが想定外の層を引き寄せているものです。この三つは打ち手がまったく違うため、切り分けずに設定をいじると状況が悪化します。
ズレが生まれる三つの原因
推定誤差によるズレは、設定と実配信の差が数ポイント程度に収まるのが典型です。この規模であれば対処は不要で、むしろ調整しようとして配信対象を狭めるほうが機会損失になります。不明枠が大きいキャンペーンでは見かけ上の差が広がるため、不明枠を除いた構成比でも計算し直して確認する手間をかける価値があります。
最適化による偏りは、自動入札を使っているキャンペーンでよく起きます。設定した年齢レンジの中でも、コンバージョンしやすい層へ配信が集中していくのは意図した挙動であり、むしろ健全な動きです。この場合に「均等に配信されていない」と判断して手動で配分を戻すと、獲得効率が明確に悪化します。
クリエイティブ要因のズレは最も見つけにくく、しかし最も改善余地が大きい種類です。訴求のトーン、登場人物の年齢感、使っている言葉づかいが、設定したターゲットとは違う層に刺さっているときに起こります。クリエイティブごとに到達属性を分解して比較することでしか特定できないため、複数案を同時に走らせる運用設計が前提になります。
乖離パターンごとの打ち手
診断した原因ごとに、打ち手は次の表のように整理できます。ここで大事なのは、どのパターンでも最初にやることが「設定の変更」ではないという点です。観測期間を延ばす、クリエイティブ別に分解する、除外条件を見直すといった確認作業を先に置くことで、判断を誤るリスクが大きく下がります。
| 観測されるズレ | 考えられる原因 | 最初にとる行動 |
|---|---|---|
| 設定と実配信の差が数ポイント | 推定誤差の範囲 | 不明枠を除いた構成比で再計算し、対処しない |
| 特定年代に配信が集中し効率は良好 | 自動入札による最適化 | そのまま継続し、集中層の在庫枯渇だけ監視する |
| 想定外の年代が多く効率も悪い | クリエイティブの吸引力 | クリエイティブ別に到達属性を分解して比較する |
| 性別の不明枠が急増した | 新規アカウントや法人到達の増加 | 配信面とオーディエンス設定の変更履歴を確認する |
| 地域の内訳が商圏外に広がった | 地域設定の粒度または類似拡張 | 地域設定と拡張オプションの有効状態を点検する |
ズレを直さなくてよい場面
すべてのズレを潰しにいくのは得策ではありません。認知目的でリーチ最大化を狙っているなら、想定外の層が混ざっても到達単価が想定内なら問題にする必要はありません。目的によって許容範囲が変わることを、レポートの読み手と事前に合意しておいてください。
もう一つ、季節要因やニュース起因の一時的な変動も、直す対象ではありません。大きな話題が発生した週は普段と違う層がプラットフォームに滞在するため、属性の構成比は一時的に揺れます。単週の変動で構造的な判断を下さず、最低でも三週分の推移を見てから動くという運用ルールを決めておくと、無駄な調整が減ります。判断に迷う場合は無料の広告アカウント診断で第三者の目を入れる方法もあります。
属性レポートを根拠にした判断で事故が起きやすい場面
- 単週のデータだけで年齢レンジを狭め、配信量が急減して学習が振り出しに戻る
- 不明枠を無視して構成比を計算し、実態より偏った結論を出してしまう
- 属性別の広告費を足し上げて請求書と突き合わせ、金額が合わずに調査工数が発生する
- フォロワー属性と広告到達属性を同じグラフに並べ、別母集団の数字を比較してしまう
- テレビCMのターゲット定義とX側の年齢区分を揃えないまま、到達率を合算してしまう
「X有料パートナーシップ対応ガイド」については、以下の記事で詳しく解説しています。
地域の内訳はどこまで判断材料になるか
地域の内訳は、年齢や性別よりも実務的な判断につながりやすい軸です。X広告の地域指定は国から都道府県、市区町村、郵便番号の単位まで階層的に設定でき、到達側の内訳もその粒度に応じて確認できます。配送可能エリアが決まっているEC商材や、店舗の商圏が明確なサービス業では、この軸の精度が予算配分の妥当性を直接左右します。
地域推定の根拠と粒度
地域は位置情報の利用状況や接続しているネットワーク、プロフィールの居住地記載など複数の手がかりから判定されます。そのため旅行中や出張中の利用者、法人回線からのアクセスでは実際の居住地と異なる地域に計上されることがあり、数パーセント単位の誤差は前提として受け入れる必要があります。
細かい粒度で指定するほど、指定できることと正確に判定できることのギャップが広がります。都道府県単位であれば実用上十分な精度が期待できますが、郵便番号単位まで絞った場合、到達数そのものが小さくなるうえに推定誤差の影響が相対的に大きくなります。市区町村より細かい指定は、よほど商圏が狭い商材でない限り慎重に検討したほうがよい領域です。
また、粒度を細かくすると配信量が確保できず、属性レポート自体が意味のある母数に届かない本末転倒な状態も起こります。地域指定は商圏の実態より一段広めに取り、到達側の内訳で商圏比率を確認するという順序のほうが安定します。
都市圏配信で周辺エリアが混ざる
東京都を指定して配信すると、到達の内訳に神奈川県や埼玉県が現れることがあります。これは設定ミスではなく、通勤や通学で都内に滞在している利用者が都内所在として判定されるケースや、推定の揺らぎによるものです。都市圏ではこの混入が構造的に発生するため、商圏外への配信として一律に切り捨てるのは適切ではありません。
むしろ店舗ビジネスでは居住地より滞在地のほうが来店可能性と相関することもあり、オフィス街の店舗なら周辺県在住で都内勤務の層こそ主要顧客です。地域の内訳は居住地としての正確さではなく、購買が起きる場所との関係で解釈します。
店舗系商材では来店計測と組み合わせる
地域の到達内訳だけでは、実際に店舗へ足を運んだかどうかまではわかりません。認知の分布を示しているにすぎないため、来店という行動と紐づけるには別の計測を重ねる必要があります。広告接触から来店までの距離を測る仕組みを持っているかどうかで、地域軸のレポートから引き出せる結論の深さが変わってきます。
逆に言えば、来店計測を併用していない段階では、地域の内訳は予算配分の妥当性チェックにとどめておくのが健全です。到達の分布と成果の分布を同一視しないという原則を守るだけで、根拠の薄い出店判断や商圏見直しを避けられます。
X広告で来店効果をどこまで測れるのかについては、以下の記事で詳しく整理しています。
GRPとリーチ・フリークエンシーを属性軸で読む
GRPは、ターゲット母集団に対する到達率とフリークエンシーを掛け合わせた延べ接触量を表す指標です。もともとテレビCMの出稿量を測るために使われてきた考え方で、リーチが50%でフリークエンシーが4回なら200GRPという計算になります。X Audience Measurementでこの指標が提供されるのは、テレビと同じ土俵で到達量を比較できるようにするためです。
GRPはリーチとフリークエンシーの積で決まる
この分解を理解しておくと、数字が動いたときの解釈が速くなります。GRPが伸びているのにリーチが横ばいなら、増えたのはフリークエンシーであり、同じ人への接触回数が増えているだけということになります。新規の認知獲得を目的にしているなら、この状態は予算が効率的に使われていない兆候です。
逆にリーチが伸びてフリークエンシーが下がっているなら、配信対象が広がっている状態です。目的が認知の拡大であれば望ましい動きですが、記憶に残すには一定の接触回数が必要とされるため、薄く広がりすぎると効果が出ないという別の問題が生じます。広告業界では認知形成の目安としてフリークエンシー3回前後が語られることが多いものの、商材やクリエイティブによって適正値は変わるため、自社の実績から基準を作るのが確実です。
ターゲット属性に絞った到達率で評価する
GRPを全利用者に対する到達率として読んでしまうと、ほとんど意味のない数字になります。評価すべきは、自社が定義したターゲット層の中でどれだけの割合に届いたかです。テレビの世界ではこれをTRPと呼んで区別していますが、デジタル側でも考え方は同じで、母集団の定義を先に決めないと到達率は比較可能な指標になりません。
実務ではテレビCMのターゲット定義とX側の年齢区分を突き合わせる作業が必要です。テレビ側が「M1層」のような独自区分を使っていれば、X側の年齢レンジに翻訳してから到達率を計算しないと、合算した総リーチが過大にも過小にもなります。
フリークエンシーの偏りは属性別でしか見えない
キャンペーン全体の平均フリークエンシーが3.2回であっても、内訳を開くと特定の年代だけ8回、別の年代は1.5回ということは普通に起こります。平均だけを見ていると、過剰接触による摩耗と、届いていない層の機会損失が同時に進行していることに気づけません。
偏りが見つかったときの対処は、フリークエンシーキャップを一律にかけることではありません。なぜその層に集中しているのかを先に調べる必要があり、多くの場合は在庫の偏りか入札の効きやすさが理由です。原因を特定せずにキャップだけかけると、配信量そのものが落ちて成果が悪化するという典型的な失敗につながります。
X広告の配信単価の水準感や、CPMが変動する要因については以下の記事にまとめています。
属性レポートを運用判断につなげる手順
属性レポートを意思決定に使うには、見る頻度と見る指標をあらかじめ固定しておくことが最も効果的です。毎回違う軸を眺めていると比較の基準が育たず、いつまでも「なんとなく想定通り」という感想で終わります。週次で追う指標と月次で振り返る指標を分け、それぞれで取りうるアクションまで決めておくのが実践的な設計です。
週次で見る数字と月次で見る数字を分ける
週次で追うべきなのは、性別と年齢の構成比、そして不明枠の比率です。この三つは変化が早く、クリエイティブの差し替えや配信面の変動に敏感に反応します。前週比で5ポイント以上動いた軸があれば、その週に何をしたかを振り返るというシンプルなルールだけでも、異常の見落としは大きく減ります。
月次で見るのは地域の内訳、フリークエンシーの分布、属性別の獲得効率です。四半期ごとにはGRPや到達率の評価を加え、メディアプラン全体の見直しに接続します。
属性別のCPAまで落とし込む
到達属性の構成比だけでは、どの層が事業に貢献しているかはわかりません。獲得目的のキャンペーンであれば、属性別のコンバージョン数とCPAまで分解して初めて、予算配分の判断ができます。到達が多い層と獲得効率の良い層が一致しないことはよくあり、その不一致こそが改善の入口になります。
この分解をやろうとすると、コンバージョン計測の設定が十分かどうかという別の課題に突き当たることが多くあります。到達は見えているのに成果が属性別に割れないという状態なら、優先して解決すべきは計測基盤のほうです。属性レポートの解像度は、コンバージョン計測の精度を超えることはないという関係を押さえておいてください。
代理店のレポートで確認しておきたいこと
運用を外部に委託している場合、属性レポートがどこまで提供されるかは契約や担当者のスタンスによって差が出ます。構成比のグラフだけが毎月送られてきて、そこから何を判断したのかが書かれていないなら、様式を見直してもらう相談をする価値があります。
確認すべきは、属性のズレにどんな仮説を持っているか、その検証のため次月何を試すのかという二点です。自社だけで判断が難しいときは無料診断をご利用ください。
属性レポートの運用ルールとして決めておきたい項目
- 週次で確認する軸と、変動を異常とみなすしきい値（前週比で何ポイント動いたら調査するか）
- 不明枠の比率が何パーセントを超えたらレポートの前提を見直すか
- クリエイティブ別に到達属性を分解する頻度と、比較に使う最低配信量
- 属性別CPAを算出する対象キャンペーンと、集計に必要なコンバージョン件数の下限
- 報告資料に入れる但し書き（重複計上・推定値であること）の定型文
広告運用を外部に委託する際の費用構造や、代理店ごとのレポート範囲の違いについては以下の記事で詳しく解説しています。
まとめは属性レポートを相対で読み切ることから始まる
X Audience Measurementの属性レポートは、配信の実態を映す鏡ではなく、推定と重複を含んだ近似像です。この性質を理解したうえで構成比と時系列で読み、ズレのパターンごとに打ち手を決める運用に切り替えれば、これまで眺めるだけだった数字が改善の起点に変わります。2026年9月21日時点での提供内容を前提に、自社アカウントで何が見えるかを確認するところから始めてみてください。
- 属性データは推定値。絶対値で断定せず、構成比と前期間との差分で読むことで誤差の影響を避けられる
- 合計は総数と一致しない。軸によっては重複計上されるため、報告資料は実数ではなく構成比で出し、但し書きを定型化する
- ズレは三つに切り分ける。推定誤差・最適化による偏り・クリエイティブの吸引力で打ち手が異なり、設定変更は最後の手段にする
まずは無料で広告アカウント診断を
属性レポートの数字は出ているのに、そこから次に何をすべきかが決まらない。X広告に限らず、多くの広告アカウントで起きている状態です。原因はデータの不足ではなく、読み方と判断基準が運用に組み込まれていないことにあります。ハーマンドットでは、現在配信中のアカウントを実際に拝見したうえで、属性の偏りや計測設定の抜けを洗い出す診断を行っています。
診断では、キャンペーン構成とターゲティング設定、到達属性の内訳、コンバージョン計測の実装状況を一通り確認し、改善の優先順位をつけてお返しします。現在の代理店を変更する前提はありませんので、セカンドオピニオンとしてお使いいただくかたちでも構いません。広告費の規模や運用体制に関わらず、まず現状を正しく把握することが改善の最短ルートです。
無料アカウント診断は閲覧権限の共有だけで受けられ、契約は不要です。