Amazon広告のキーワード分析を、
「勝ち・負け」と次のテスト候補までつなぐダッシュボードを作った
広告データは、表にして眺めるだけでは次の判断につながりにくい。売上、広告費、ROAS、購入数を確認しても、どの訴求軸を残し、どのキーワードを止め、何を次に試すかは別途考える必要がある。
そこで、週次の最終Excelをブラウザ内で一度だけ読み込み、訴求軸・自然言語キーワード・商品ターゲットを混ぜずに見ながら、反復した勝ち負けと次のテスト候補まで確認できるダッシュボードを作った。
グラフより先に、判断の単位を固定する
同じ「キーワード」でも、検索語、商品ターゲット、SDのキャンペーン代理では意味が違う。これらを同じ表で合算すると、何が効いたのかを誤読しやすい。
このダッシュボードでは、訴求軸、自然言語キーワード、SP/SBの商品ターゲット、SDキャンペーン代理を別の分析単位として扱う。そのうえで、ブランド、広告区分、期間を同じ絞り込みで切り替えられるようにした。
最初に固定すべきなのは、見栄えのよい可視化ではない。何を同じ仲間として比較するかである。
Excelは一度だけ読み込み、データはブラウザの中に置く
更新の入口は、検証済みの最終Excel一つである。読み込み後は各タブが同じメモリ上のデータを使うため、画面を移動するたびにExcelを再解析しない。翌週のデータに替える時だけ、明示的に新しいファイルを読み込む。
外部へアップロードせず、ローカルのブラウザ内で完結する構成にした。広告データのように共有範囲を慎重に扱いたい業務では、最初に置くべき制約である。
記事内のブランド名、商品名、訴求軸、日付、金額、KPI値はすべて架空のサンプルへ置き換えている。実在する企業・商品・広告実績を示すものではない。
クリック操作の背後で、数値と意味を分けている
最初に設計したのは、ダッシュボードの画面ではない。毎週のエクスポートを受け取り、前回までのデータと矛盾させず、意味付けを加え、判断に使える形まで戻す運用である。
Pythonは、Raw CSVの期間・列・数値を確認し、前回取込との差分を管理する。重なった期間を通算とScoreへ二重に足さず、対象IDごとに集計して、同条件の比較群から外した基準で週次の勝敗票を計算する。この時点で数値の正本を固定する。
GPTに渡すのは、新規キーワードや未分類項目の意味分類だけである。Excelでは数値、対象ID、正規化値、既存入力をロックし、黄色い空欄セルだけを編集対象にする。返却後は、シート構成、列、ID、行順、編集可能セル、数式混入、参照シートの改変、実行世代を検査する。
検査を通った分類だけを、メモリに保持した数値正本へ結合する。ここでRawを再集計しないため、GPTの往復で数値が変わらない。結合前後の基礎5指標も照合し、訴求軸の集計、反復判定、商品ごとの採算判断、次のテスト候補の優先順位づけまでPythonで作る。
AIは意味の整理を補助する。数値集計、勝敗、反復Score、採算判定、テスト候補の順位はPythonが担当する。判断の根拠を再現できる状態で残すための分業である。
「勝ち」は高ROASの一回では決めない
一週間だけROASが高い対象を、すぐ勝ち筋と呼ぶのは危険である。クリックや購入数が小さければ、偶然のブレかもしれない。
重複しない週次期間で集計し、期間差がある場合は最低クリック数を7日基準へ按分する。
同一ブランド・広告区分・ターゲット種別の比較対象と、CVRとROASを比較する。
基準と仲間比較が同方向なら、その週に勝ちを+1、負けを-1、僅差は0として記録する。
直近最大12期間を累積し、Scoreが+3以上を勝ち、-3以下を負け、それ以外を判断保留とする。
対象と比較対象のクリック数を確認し、合算CVR・ROASの方向が週次の判定と矛盾していないかを見る。
これにより、単発の数値ではなく、同条件で繰り返された相対的な強さとして勝ち負けを扱える。
一画面で見るのは、結論と根拠の往復である
ダッシュボードの上部には、勝ち・負けの一覧と、選択期間の広告売上、広告費、ROAS、購入数、クリック数、CVR、CPA、CTR、CPCを置いた。ここで全体像を確認する。
次に長期推移と主要10指標を同じ期間軸で見る。ROASだけが改善していても、購入数が減っているのか、広告費が増えているのか、クリック数が足りないのかは別の指標に現れるからである。
相対勝敗と採算性を、同じ言葉で扱わない
同じ比較群より相対的に強くても、目標ROASに届かないことはある。逆に、採算が良く見えても母数が少なければ、勝ちと断定できない。
勝ち・負け
- 同条件の仲間と比べたCVR・ROASの差
- 週次の反復Score
- 比較対象を含めた証拠量
実行するか
- 目標ROAS・許容ACOSへの到達
- 必要なクリック数を集められるか
- 商品・訴求素材・運用体制を準備できるか
この二つを分けることで、検索語から売れた事実を、訴求コピーそのものの因果効果と誤認しない。判断の強さと事業上の採算を、別の問いとして残せる。
判断保留を、放置リストではなくテスト候補へ変える
判断保留は、失敗でも成功でもない。データが足りない、検証回数が少ない、商品対応が未設定といった、次に情報を増やす余地である。
そこで、商品・意味適合、情報不足、類似実績、実行可能性、カバレッジ・新規性を点数化し、次に検証する候補を並べる。反復勝ちが十分に確立した対象はテスト提案ではなく実行候補へ回し、保留の中から学習効率が高いものを選ぶ。
ダッシュボードの役割は、数字を増やすことではない。判断が止まる場所を見つけ、次の一手を小さく決められる状態を作ることである。