LinkedIn Predictive Audiences読解ガイド｜種データ不足でも配信拡張の暴走を防ぐ使い分け
LinkedIn広告でリード獲得を続けていると、ある時期から「狙うべき役職や業種はもう出し尽くした」と感じる場面が訪れます。手動の属性ターゲティングだけでは配信先が広がらず、かといってオーディエンス拡張をオンにすると、商談につながらない層にまで予算が流れてしまう。BtoBの広告運用ではよくある悩みです。
その打ち手としてLinkedInが用意しているのが、自社のリードやコンバージョンのデータを種にしてAIが似た見込み客を探すPredictive Audiences（予測オーディエンス）です。仕組み自体はシンプルですが、種データの選び方や除外の敷き方を誤ると、件数は伸びても商談化率が落ちるという典型的な失敗に陥ります。
この記事では、LinkedIn公式ヘルプに記載された要件を整理したうえで、種データが少ないときにどう使い分ければ配信拡張が暴走しないのかを、運用判断の順番に沿って解説します。記載内容は執筆時点（2026年10月時点）のLinkedInヘルプセンターの情報にもとづいています。
この記事の要点
- Predictive Audiencesは、自社データを種にAIが類似の見込み客を探すLinkedInの機能で、旧Lookalike Audiencesの後継にあたる
- 種データは1種類のみ選択でき、300メンバー以上が必要。日次で更新される
- 種にする前に「商談化した人だけか、問い合わせ全件か」を決めることが成果を左右する
- 種リストの除外と既存顧客の除外を先に敷き、CPLではなく商談化率で評価する
LinkedIn Predictive Audiencesは自社データを起点にAIが見込み客を広げる機能
LinkedIn Predictive Audiencesとは、自社が持つリードやコンバージョンなどのデータを種（シード）として、LinkedInのAIがその特徴に近い会員を推定し、新しい配信対象を作る機能です。LinkedInのヘルプセンターでは、従来のLookalike Audiencesが提供終了となったことが案内されており、類似ユーザーへの拡張は現在この機能が担っています。
手動の属性ターゲティングが「職種は営業企画、従業員数は500名以上」のように条件を人が決めるのに対し、Predictive Audiencesは条件を人が書きません。種データに含まれる会員のプロフィールやLinkedIn上での行動の傾向をAIが読み取り、似た会員を候補として集めます。そのため、人が想定していなかった職種や業界の見込み客に届く可能性がある一方で、なぜその人に配信されたのかを細かく説明できないという性質も持っています。
この性質を理解しておくと、Predictive Audiencesを「ターゲティングの代わり」ではなく「既存の勝ちパターンを横に広げる道具」として扱うべきだと分かります。勝ちパターンが曖昧なまま種を作ると、AIは曖昧な特徴をそのまま拡大します。種の質がそのまま配信の質になるという点が、この機能を使ううえでの出発点です。
Lookalike Audiencesとの違い
旧Lookalike Audiencesも種リストから類似会員を探す機能でしたが、Predictive Audiencesは種として使えるデータの種類が広がり、リード獲得フォームやコンバージョン、リターゲティングオーディエンスも起点にできるようになっています。単純な名前の変更ではなく、成果につながった行動データを種にできる点が実務上いちばん大きな違いです。
以前Lookalikeで十分な成果が出なかった企業でも、種を「会社リスト」から「商談化したリード」に変えるだけで結果が変わることがあります。過去の評価をそのまま持ち込まず、種の設計からやり直すつもりで検証するのが現実的です。
作成に必要な種データの要件は300メンバー以上と1種類の制限
Predictive Audiencesを作成するには、選んだ種データに300以上のメンバーアカウントが含まれている必要があります。LinkedInヘルプセンターの記載では、種として使えるのはリード獲得フォーム、コンタクトリスト、会社リスト、コンバージョン、リターゲティングオーディエンスの5種類で、1つのオーディエンスにつき選べるデータの種類は1つだけです。
ただし、同じ種類の中であれば複数のソースを組み合わせて300に到達させることができます。たとえばリード獲得フォームを3本運用していて、それぞれ単独では100件台しかない場合でも、3本を合算すれば作成条件を満たせます。一方で、フォームとコンバージョンのように種類をまたいだ合算はできないため、どの種類のデータを主軸にするかは最初に決めておく必要があります。
以下は執筆時点（2026年10月時点）のLinkedInヘルプセンターの記載をもとに、主な要件を整理したものです。仕様は予告なく変わることがあるため、作成前にキャンペーンマネージャー上の表示もあわせて確認してください。
| 項目 | 要件・仕様（2026年10月時点） | 運用上の注意 |
|---|---|---|
| 種データの種類 | リード獲得フォーム／コンタクトリスト／会社リスト／コンバージョン／リターゲティング | 1オーディエンスにつき1種類のみ |
| 最低件数 | 300メンバー以上 | 同じ種類なら複数ソースの合算が可能 |
| リストの行数 | 300行〜300,000行 | コンタクト・会社リストに適用 |
| 更新頻度 | 日次で更新 | リスト更新中は直近の完了版を使用 |
| 作成上限 | 1広告アカウントあたり200件 | 第三者の解説では異なる数字もあるため画面で確認 |
| 共有 | 広告アカウント間で共有不可 | ビジネスマネージャー経由で共有されたリストは種にできない |
| オーディエンス拡張 | 併用不可（自動で無効） | 拡張は予測側に任せる設計になる |
作成上限については、LinkedIn公式ヘルプでは1広告アカウントあたり200件とされていますが、海外の解説記事では100件や30件と書かれているものもあり、時期によって数字が変わってきた経緯がうかがえます。実務で上限に達することはまれですが、テスト用のオーディエンスを作っては放置する運用を続けると管理が煩雑になるため、使わなくなったものは定期的に整理しておくと安心です。
表のとおり、コンタクトリストや会社リストを種にする場合は、オーディエンス画面でステータスが「Ready」または「Updating」になっていることが前提です。アップロード直後で照合が終わっていないリストは選択できないため、配信開始日から逆算してリストを早めに準備しておくと、立ち上げが遅れずに済みます。
種データの選び方で配信の質はほぼ決まる
種データは「件数が多いもの」ではなく「自社が本当に欲しい顧客像に近いもの」を選ぶのが基本です。300件を超えやすいからという理由で問い合わせ全件やサイト訪問者を種にすると、AIは情報収集段階の人や競合調査の閲覧者まで含めた特徴を学習し、配信先もその方向に広がります。
BtoBでは、リード獲得フォームの送信者の中に、学生、同業他社、営業目的の売り込みといった対象外の人が一定数混ざるのが普通です。こうした人を含んだまま種にすると、CPLは下がっても商談化率が下がるという結果になりやすくなります。種を作る前にCRMで「商談化した」「有効リードと判定した」人だけに絞り込み、コンタクトリストとしてアップロードし直すほうが、件数は減っても配信の質は安定します。
ここで問題になるのが、商談化したリードだけでは300件に届かないケースです。その場合は、商談化リードに加えて「有効リードと判定した人」まで範囲を広げる、過去1年分まで期間を延ばす、展示会やウェビナーで名刺交換した見込み客のうち条件に合う人を加える、といった方法で、質を大きく崩さずに件数を確保します。
種データ別の向き不向き
会社リストは、ABMで狙うターゲット企業がすでに決まっている場合に向いています。ただし会社単位の種は「その会社にいる人」全体を対象にするため、職種の偏りまでは反映されにくく、決裁に関わらない部署にまで広がる点に注意が必要です。会社リストを種にする場合は、キャンペーン側で職種や役職の条件を重ねて絞り込むと配信のぶれを抑えられます。
コンバージョンを種にする場合は、どの行動をコンバージョンとして計測しているかが重要です。資料ダウンロードと商談予約を同じコンバージョンにまとめていると、AIは両者を区別できません。Insight TagやConversions APIで計測しているイベントを見直し、商談に近い行動だけを種に使うのが望ましい形です。
種データの準備段階で、ターゲット企業のリストをどう作るかに迷う場合は、以下の記事もあわせてご覧ください。
除外設定は種を作る前に決めておく
Predictive Audiencesでは、除外の設計を作成前に済ませておくことが配信事故を防ぐいちばん確実な方法です。LinkedInヘルプセンターでも、種にしたコンタクトリストや会社リストのメンバーに配信したくない場合は、そのリストを除外するよう案内されています。
種リストを除外しないまま配信すると、すでに商談中の担当者や既存顧客に新規獲得向けの広告が表示されます。これは無駄な費用になるだけでなく、営業担当が進めている商談の文脈と合わない訴求が届くことで、顧客体験を損なうリスクもあります。特に長い検討期間を経て契約に至るBtoB商材では、既存顧客と商談中企業の除外は必須と考えてください。
除外すべき対象は種リストだけではありません。自社の社員、取引のある代理店やパートナー企業、競合企業、採用目的で接点のある学生なども、配信対象から外しておくと費用のロスを抑えられます。これらは会社リストとして一度作っておけば、他のキャンペーンでも使い回せます。
配信前に確認したい除外リスト
- 種にしたコンタクトリスト・会社リストそのもの
- 既存顧客と商談中企業（CRMから毎月更新）
- 自社社員・グループ会社・取引先パートナー
- 競合企業と、過去に対象外と判定した業種
除外の対象を決めるときは、営業部門とすり合わせることも欠かせません。広告担当者から見れば配信したい企業でも、営業担当がすでに別ルートで接触している場合や、過去に取引でトラブルがあって接触を控えている場合があります。こうした情報はCRMに残っていないことも多いため、配信開始前に一度リストを営業に見てもらうだけでも、思わぬ配信事故を避けられます。
除外リストの更新が止まると、数か月後には実態と合わなくなります。CRMの商談ステータスと連動させて月に1回は差し替える運用を決めておくと、除外の抜けによる無駄打ちを防げます。CRM側のデータ整備については、以下の記事で詳しく解説しています。
手動ターゲティングとの重ね方で拡張の幅を調整する
Predictive Audiencesは単独で使うより、地域や言語、最低限の職種条件と重ねて使うほうがBtoBでは安定します。予測オーディエンスはAIが候補を広げる仕組みなので、何も条件を重ねなければ、種に近い特徴を持つ会員が業界や国を問わず対象になります。
日本国内向けのサービスであれば、地域を日本に限定し、言語の条件も合わせておくのが最低限の設定です。そのうえで、決裁者層に届けたい場合は役職レベルを、特定部門に届けたい場合は職務機能を重ねます。ただし条件を重ねすぎるとAIが候補を探せる範囲が狭まり、予測オーディエンスを使う意味が薄れるため、重ねる条件は2つか3つまでに抑えるのが目安です。
なお、Predictive Audiencesを使う広告セットではオーディエンス拡張が自動で無効になります。拡張の役割は予測オーディエンス側が担うと考え、拡張をオンにした別の広告セットと同時に走らせて配信先が重複しないよう、キャンペーン構成を整理しておくことも大切です。
属性ターゲティングと並走させる意味
立ち上げ初期は、これまで成果が出ていた手動の属性ターゲティングの広告セットを残したまま、予測オーディエンスの広告セットを別に作って並走させるのが安全です。両者を比べることで、予測オーディエンスが本当に新しい見込み客を連れてきているのか、それとも既存の配信先と重なっているだけなのかを判断できます。
手動ターゲティングで使っている会社名・業種・職種の条件をどう組み立てるかについては、以下の記事で設計の手順をまとめています。
予測オーディエンス向けの訴求は種の顧客像に合わせて作る
予測オーディエンスに配信する広告は、種にした顧客像の課題に合わせた訴求で作るのが基本です。配信先を広げても、表示される広告が誰にでも当てはまる一般的な内容であれば、AIが見つけた見込み客にも響きません。種と訴求がずれていると、配信対象の精度が高くてもクリック率やフォーム送信率が伸びないという結果になります。
たとえば、商談化したリードの多くが情報システム部門の課長層であれば、広告の訴求も「導入時の社内調整」や「既存システムとの連携」といった、その層が実際に抱える悩みに寄せます。種のプロフィールを見返すと、どの部署・役職・企業規模の人が商談に進んでいるかが分かるため、それをそのまま訴求の設計図として使えます。
反対に、種に複数の顧客像が混ざっている場合は、オーディエンスを分けることも検討します。製造業向けとIT企業向けで商談化の傾向が大きく異なるなら、それぞれの商談化リードを別々のコンタクトリストにして予測オーディエンスを2つ作り、訴求も分けたほうが、1つにまとめるより成果を比較しやすくなります。
広告フォーマットの選び方
予測オーディエンスはまだ自社を知らない層に届くことが多いため、いきなりリード獲得フォームで資料請求を求めるより、まずは課題を整理した資料やウェビナーの案内など、接点を作りやすい入口を用意するほうが反応を得やすくなります。ドキュメント広告で資料の一部を見せてから続きをフォームで受け取る形や、イベント広告でウェビナー参加を促す形は、検討初期の見込み客との相性が良いフォーマットです。
一方で、種が「商談予約まで進んだ人」のように検討度の高い層で構成されている場合は、予測オーディエンスにも比較的検討が進んだ人が含まれやすくなります。その場合は、事例紹介や料金の目安を伝える広告から直接相談につなげる導線も試す価値があります。フォーマットは種の検討段階に合わせて選び、反応を見ながら入口を調整していくのが現実的です。
評価はCPLではなく商談化率と有効リード率で行う
Predictive Audiencesの成果は、CPLの安さではなく、そのリードがどれだけ商談に進んだかで評価するべきです。予測オーディエンスは配信対象が広がる分、クリック単価やリード単価が下がりやすい傾向があります。しかし単価が下がった理由が「検討度の低い層に届いたから」であれば、営業の工数だけが増えて受注にはつながりません。
評価の際は、広告セットごとにリード数、有効リード率、商談化率、商談単価を並べて比較します。LinkedInの管理画面だけでは商談化まで追えないため、リード獲得フォームのデータをCRMに連携し、広告セット単位で商談化を集計できる状態を先に作っておく必要があります。この集計の仕組みがないまま予測オーディエンスを始めると、良し悪しを判断する根拠がありません。
評価期間は、少なくとも4週間から6週間は確保するのが目安です。予測オーディエンスは日次で更新されるため、立ち上げ直後の数日の数字はぶれやすく、その段階で止めたり条件を変えたりすると学習の途中で判断することになります。リード獲得から商談化までに時間がかかる商材であれば、さらに長めに見ておくと判断を誤りにくくなります。
| 指標 | 見るべき理由 | 判断の目安 |
|---|---|---|
| CPL | 配信効率の参考値 | 単独では判断しない |
| 有効リード率 | 対象外のリードが増えていないかを確認 | 手動ターゲティングと同等以上なら継続 |
| 商談化率 | 営業に渡せる質かどうかを確認 | 大きく下回るなら種を見直す |
| 商談単価 | 最終的な費用対効果を確認 | 手動ターゲティングより低ければ予算を寄せる |
集計にあたっては、リードの発生日ではなく広告セット単位で追跡できるよう、フォームの隠しフィールドやUTMパラメータに広告セットの識別子を入れておくと便利です。こうしておけば、CRMに取り込んだあとも「どの広告セットから来たリードが商談に進んだか」を後から正確に振り返れます。
この表の考え方で比べると、CPLが手動ターゲティングより高くても、商談単価が低ければ予測オーディエンスのほうが優れていると判断できます。反対にCPLだけが安く、商談化率が大きく落ちている場合は、種データに対象外のリードが混ざっている可能性を疑うべきです。
種データが少ない企業が段階的に始める進め方
種データが300件ぎりぎりの企業は、最初から予算を大きく振らず、小さく試して種を育てる進め方が向いています。立ち上げ直後の配信で得たリードを有効・対象外に仕分けし、有効なリードを種に追加していくことで、予測オーディエンスの精度を少しずつ高められます。
具体的には、最初の1か月は既存の手動ターゲティングの予算の2割程度を予測オーディエンスに割り当て、残りは従来どおりの配信を続けます。1か月後に有効リード率と商談化率を比べ、手動ターゲティングと同等以上であれば予算の比率を3割から4割へ段階的に引き上げます。下回る場合は予算を増やさず、種データの絞り込みや除外の追加を先に行います。
種データを増やす手段として、リード獲得フォームの項目設計を見直すことも有効です。会社名や役職を必須項目にしておけば、CRM側で有効リードかどうかを判定しやすくなり、種として使える質の高いリストを早く作れます。逆に項目を減らしすぎると判定に使える情報が足りなくなるため、獲得数と判定のしやすさのバランスを取ることが大切です。
種を育てる作業は、広告運用の担当者だけでは完結しません。営業担当がリードを有効・対象外に仕分けしてCRMに記録する運用が回っていなければ、商談化リードのリストはいつまでも更新されないからです。週に1回、広告担当と営業担当が新しく入ったリードの判定結果を確認する場を設けておくと、種の更新と除外リストの更新を同じタイミングで進められます。
立ち上げ時に避けたい判断
- 問い合わせ全件やサイト訪問者全体をそのまま種にする
- 除外リストを作らずに配信を始める
- CPLだけを見て2週間以内に良し悪しを決める
- 条件を重ねすぎて配信がほとんど出ない状態にする
こうした判断を避けるだけでも、予測オーディエンスの失敗の多くは防げます。予測オーディエンスはAIに任せる部分が大きい機能ですが、種と除外と評価の設計は人が担う部分であり、ここを丁寧に作ることが成果の差になります。
予測オーディエンスを急いで使わないほうがよいケースもある
予測オーディエンスは万能ではなく、商材や体制によっては手動ターゲティングを磨くほうが先になるケースがあります。代表的なのは、狙う企業がごく少数に限られている場合と、リードの有効・対象外を判定する仕組みがまだ社内にない場合です。
たとえば、取引先候補が国内に数十社しかない大型設備や基幹システムのような商材では、AIに候補を広げてもらう余地がそもそも小さく、ターゲット企業のリストに直接配信するABMのほうが合理的です。このような商材で予測オーディエンスを使うと、本来狙っていない中小企業や異業種に予算が分散するおそれがあります。対象企業が明確に決まっているなら、まずは会社リストへの直接配信で接点を作り、その反応を見てから予測オーディエンスを補助的に使う順番が向いています。
もう一つは、リードの判定がされていない状態です。どのリードが商談に進んだのかが分からなければ、質の高い種を作れず、配信後の評価もできません。この場合は予測オーディエンスに手を出す前に、フォームの項目設計やCRMでのステータス管理を整えることが先決です。判定の仕組みが整ってから始めるほうが、結果的に早く成果に近づきます。
また、月間の広告予算が小さく、広告セットを分けると1本あたりの配信量が極端に少なくなる場合も、比較検証が成り立ちにくくなります。予算が限られているときは、手動ターゲティングと予測オーディエンスを同時に走らせるのではなく、期間を区切って交互に試し、同じ指標で比べる方法も選択肢になります。
計測基盤が整っていないと予測の精度は上がらない
コンバージョンを種にする場合、予測の精度は計測の精度に左右されます。Insight Tagだけで計測している場合、ブラウザのCookie制限や広告ブロックの影響でコンバージョンの一部が取りこぼされ、AIが学習に使えるデータが実態より少なくなることがあります。
LinkedInではConversions APIを使ってサーバー側からコンバージョンを送る仕組みが用意されており、CRMで商談化した時点のデータを送ることも可能です。商談化というBtoBで最も価値のある行動を種にできる点で、Conversions APIの導入はPredictive Audiencesの効果を引き上げる土台になります。ただし実装にはハッシュ化した識別子の扱いや送信期限などの要件があり、エラーが出たまま放置すると計測が欠落します。
計測の仕組みを整えたうえで、種に使うコンバージョンを「資料ダウンロード」から「商談予約」や「商談化」へと段階的に深めていくと、予測オーディエンスが探す見込み客の質も上がっていきます。Conversions APIの実装手順とエラー対応については、以下の記事をご覧ください。
まとめ：予測オーディエンスは種と除外と評価の設計で成果が決まる
LinkedIn Predictive Audiencesは、手動ターゲティングで頭打ちになった配信を広げる有効な手段ですが、AIに任せきりにすると件数だけが増えて商談につながらない結果になりがちです。成果を分けるのは、AIの性能ではなく、人が設計する種・除外・評価の3つです。とくに種データの質は、配信先の質に直結するため最も時間をかけるべき工程といえます。最後に、運用で押さえておきたいポイントを整理します。
- 種データは件数より質を優先し、商談化した人や有効リードに絞り込んで作る
- 種リスト・既存顧客・競合などの除外は配信前に設定し、月1回更新する
- 評価はCPLではなく有効リード率と商談化率で行い、4〜6週間は様子を見る
まずは無料で広告アカウント診断を
LinkedIn広告で予測オーディエンスを試したいものの、種データの絞り込みやCRMとの連携、除外リストの設計まで社内で手が回らないという企業は少なくありません。ハーマンドットでは、現在のLinkedIn広告アカウントと計測の状態を確認したうえで、どのデータを種にすべきか、どこから始めるべきかを具体的にご提案しています。
リード単価は下がったのに商談が増えない、配信先が広がらず頭打ちになっているといったお悩みがあれば、まずはお気軽にご相談ください。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。