GA4で広告予算配分の仮説を立てる実践編
〜 食品ECで見るFT/LC比率と「役割バランス」の見直し方 〜
前編 では、 広告には「入口役」と「刈り取り役」がある こと、そして GA4でその違いをどう仮説立てするか という考え方を整理しました。後編では、食品ECを想定した仮想事例で、 FT/LC比率の見方 と 予算配分仮説の立て方 を具体的に整理します。
さらに、 GA4で予算配分の仮説を立てるための実務チェックリスト 、 Ruribitaki Analytics でこの分析をどう効率化できるか 、そして GA4でできることとできないこと までを扱います。
前編をまだ読んでいない方は、 前編「広告には『入口役』と『刈り取り役』がある」 から読み始めることをおすすめします。
1. 食品ECの仮想事例
〜 「入口役」と「刈り取り役」をGA4でどう見分けるか 〜
ここからは、食品ECの仮想事例で考えてみます。あくまで判断の流れを説明するための例であり、数値そのものに一般性があるわけではありません。
1-1. 事例の前提
- 商材：リピート購入が一定程度ある食品EC
- 月次広告予算：1,000万円
- 課題：広告のCPA・ROASは大きく崩れていないが、新規顧客数の伸びが鈍く、広告売上全体も横ばい
この状況で、広告施策を次のように整理していたとします。
- Meta広告の興味関心ターゲティング配信 ：新規ユーザー開拓を狙った施策として運用している
- Googleの非指名検索広告 ：新規流入も刈り取りも両方含むが、どちらかと言えば入口役寄り
- Googleの指名検索広告 ：既存認知層の需要回収として、刈り取り役
- Meta広告のリターゲティング配信 ：刈り取り役
- メルマガ ：既存接点への再アプローチとして刈り取り役
1-2. まずは施策設計から役割仮説を置く
この段階での仮説は、次のようになります。
| 施策 | 施策設計上の役割仮説 |
|---|---|
| Meta広告（興味関心ターゲティング） | 入口役 |
| Google広告（非指名検索） | 入口役寄り |
| Google広告（指名検索） | 刈り取り役 |
| Meta広告（リターゲティング） | 刈り取り役 |
| メルマガ | 刈り取り役 |
1-3. 次にGA4の補助線で整合確認する
ここでGA4上の見え方を確認したところ、仮に次のような傾向が見えたとします。
| 施策 | GA4上の見え方 | 読み方 |
|---|---|---|
| Meta広告（興味関心ターゲティング） | LC側に寄っている | 入口役のつもりだが、刈り取り寄りに動いている可能性がある |
| Google広告（非指名検索） | FT側とLC側が拮抗 | 入口役と刈り取り役の両方を担っている可能性がある |
| Google広告（指名検索） | LC側に強く寄っている | 想定通り刈り取り役寄り |
| Meta広告（リターゲティング） | LC側に寄っている | 想定通り刈り取り役寄り |
| メルマガ | LC側に寄っている | 想定通り刈り取り役寄り |
ここで注目すべきは、 Meta広告の興味関心ターゲティング配信 です。施策設計上は「新規開拓の入口役」として運用していたのに、GA4上では刈り取り寄りの動きをしている。つまり、 設計意図と実際の動きにズレがある 可能性があります。
1-4. ズレが出たら「役割の見直し」か「施策設計の見直し」を考える
このときの実務的な読み方は、次の2択です。
1. そもそも役割の見立てが違っていた
たとえば、オーディエンスの中身を見ると、実際には既存接点にかなり寄っていたり、配信設定上かなり刈り取り寄りのキャンペーンになっていたりするかもしれません。その場合は、「この施策は入口役ではなく、刈り取り役として扱う方が実態に合っている」と役割定義を修正します。
2. 入口役として機能するように施策設計を見直す
一方で、「本来は入口役として機能させたい施策」なのであれば、施策設計の方を見直します。たとえば次のような調整が考えられます。
- オーディエンスから既存接点の強い層を外す
- 購入最適化ではなく、より上流のイベントや新規開拓向きの設計に変える
- クリエイティブを顕在層向けではなく、新規認知向けに作り替える
- 配信先や配信面を見直し、接触の広がりを確保する
重要なのは、 GA4の補助線を「予算を増やすか減らすか」の判断だけで終わらせず、施策設計の妥当性を見直す材料として使うこと です。
1-5. この事例から分かること
この仮想事例で伝えたいのは、GA4だけで完璧な予算配分が決まるという話ではありません。そうではなく、 施策設計から役割仮説を置き、その仮説とGA4上の見え方がズレていないかを確認する だけでも、予算判断の精度はかなり上がる、ということです。
- 入口役のつもりだった施策が、本当に入口役として機能しているか
- 刈り取り役の施策が、想定通り需要回収として働いているか
- 役割と短期成果をセットで見ると、どの施策を改善候補にすべきか
このあたりが整理できるだけでも、「CPAやROASが良いものに機械的に寄せる」という配分からは一歩抜け出せます。
2. GA4で広告予算配分の仮説を立てるときのチェックリスト
ここまでの内容を、GA4で広告予算配分の仮説を立てるときのチェックリストとして整理します。今回はあくまで GA4でできる範囲 に絞っています。LTV（Lifetime Value：顧客生涯価値）やnCAC（new Customer Acquisition Cost：新規顧客獲得単価）の精緻な判断ではなく、 広告施策の役割を仮説立てし、予算配分の初期判断に使う ためのチェックリストです。
A. 施策設計から役割仮説を置けているか
- ☐ 各広告施策について、「入口役か／刈り取り役か」の仮説を置いている
- ☐ その仮説を、媒体名ではなく キャンペーンの設計内容 で判断している
- ☐ キーワード、オーディエンス、最適化イベント、クリエイティブ意図を見て役割を整理している
B. GA4の補助線で仮説と整合確認できているか
- ☐ 各施策について、GA4上で 最初の接点寄りか／最後の後押し寄りか を確認している
- ☐ FT/LC比率は、厳密な評価指標ではなく 役割仮説の整合確認に使う補助線 だと理解している
- ☐ 「入口役のつもりだった施策が、実際には刈り取り寄りに動いていないか」を見ている
- ☐ 「刈り取り役のつもりだった施策が、実は入口寄りに動いていないか」も見ている
C. 仮説と数字がズレたときに、施策見直しまで考えられているか
- ☐ 仮説とGA4上の見え方がズレた施策を、そのままにしていない
- ☐ 役割の定義を修正すべきか、施策設計を見直すべきかを切り分けている
- ☐ ターゲティング、最適化イベント、クリエイティブのどこが役割とズレているかを確認している
D. 短期成果を役割込みで読めているか
- ☐ 入口役の施策を、短期ROASだけで即削減しない前提で見ている
- ☐ 刈り取り役の施策を、短期ROASが良いからといって無条件に増額候補にしていない
- ☐ 役割と短期成果をセットで見て、増額候補・維持候補・改善候補を仮置きしている
この4つが整理できるだけでも、GA4を使った予算配分の初期判断はかなりやりやすくなります。
3. Ruribitaki Analyticsで何が楽になるか
ここまで見てきた流れは、GA4の探索レポートを使えば手作業でも実行できます。ただし実務では、これを毎月継続して実施するのが意外と大変です。
- 施策ごとに役割仮説を置く
- ユーザー獲得軸とセッション獲得軸の見え方を比較する
- 施策ごとに「入口役っぽいか／刈り取り役っぽいか」を見ていく
- 仮説と数字がズレた施策を洗い出す
この作業を、毎月GA4の探索で一から組み直して確認するのは、工数がかかります。
Ruribitaki Analyticsが目指しているのは、まさにこの 「GA4で役割仮説を確認する作業」 を軽くすることです。たとえば、次のような場面で役立ちます。
- 施策ごとに、ユーザー獲得軸とセッション獲得軸の見え方を比較しやすくする
- 入口役として設計した施策が、本当に入口役らしい動きをしているかを確認しやすくする
- 刈り取り役として見ていた施策が、実は別の役割を持っていないかを把握しやすくする
- 毎月の役割仮説確認を、探索レポートを都度作るよりも短時間で済ませられるようにする
言い換えると、Ruribitaki Analyticsが担うのは、 広告予算配分の最終判断そのもの ではなく、 その前段にある「役割仮説づくりと整合確認」を毎月続けやすくすること です。
本記事で整理してきたように、広告予算の最終判断には本来、LTVや新規顧客獲得単価、利益率、媒体の学習状況なども関わってきます。それらすべてをGA4だけで完結させることはできません。ただ、少なくとも 「役割の違う広告を、同じCPA・ROAS基準で横並びにしてしまう」状態から抜け出す ための第一歩として、GA4で役割仮説を確認しやすくする価値はあります。
4. まとめ
本記事で伝えたかったことは、シンプルに言えば次の3点です。
1. CPAやROASだけでは、広告の役割の違いを見誤りやすい
広告には、新規のお客様との最初の接点をつくる 入口役 と、すでに認知しているユーザーの購入を後押しする 刈り取り役 があります。両者は期待される短期成果が違うため、同じCPA・ROAS基準で横並びに評価すると、刈り取り役が過大評価され、入口役が削られやすくなります。
2. まずは配信設計から役割仮説を置き、GA4で整合確認する
広告施策の役割は、媒体名ではなく 施策設計 で見た方が実務に合います。そのうえでGA4を使い、「最初の接点寄りか／最後の後押し寄りか」を補助線として確認することで、仮説と実際の動きが整合しているかを見られます。
3. GA4の補助線は、予算判断だけでなく施策見直しにも使える
もし「入口役のつもりで設計した施策」が、GA4上では刈り取り寄りに動いているなら、それは予算配分だけでなく、 ターゲティングや最適化イベント、クリエイティブ設計を見直すサイン でもあります。GA4の役割は、完璧な答えを出すことではなく、 広告施策の役割仮説を確認し、改善の論点を見つけること にあります。
広告予算の意思決定を、単なるCPA最適化ではなく、事業成長につながる配分に近づけていく。その第一歩として、 「この施策は何の役割を担っているのか」をGA4で見直す ところから始めてみてください。
5. よくあるご質問（FAQ）
Q. GA4だけで広告予算の最終判断までできますか？
難しいです。GA4でできるのは、主に 役割仮説を立てるところまで です。本当に「増額すべきか」「削減すべきか」を判断するには、新規顧客獲得単価（nCAC）、LTV、粗利、回収期間、広告媒体側の学習状況なども必要になります。
Q. 指名検索広告は刈り取り役ですか？
基本的には刈り取り役寄りです。ただし、競合が自社名で広告を出している場合は、 ブランド防衛としての役割 もあります。そのため、指名検索広告を削減するかどうかは、GA4の役割仮説だけでなく、競合状況や自然検索の強さも含めて判断するのが安全です。
Q. FT/LC比率の閾値はどの業種でも同じですか？
業種・購入頻度・集計期間でブレるため、業種横断で一般化しにくいです。FT/LC比率は 絶対値ではなく、同一サイト内でのチャネル間の相対比較 として使うのが安全です。本記事の食品EC事例の数値（1.53、0.10等）も仮想例であり、業界平均ではありません。
Q. GA4の新規ユーザー数で新規顧客獲得効率（nCAC）は判断できますか？
厳密には難しいです。GA4の「new users」は 『初回サイト訪問者』であり、『初回購入者』ではない 点に注意が必要です。新規顧客獲得効率を正しく評価するには、受注DBやCRM上の 『初回購入フラグ』 をもとにnCACを算出する必要があります。GA4は「新規流入っぽい傾向」を見る参考として使い、最終判断は事業データ側で行うのが現実的です。
Q. Ruribitaki Analytics は何を楽にしてくれるのですか？
主に、 GA4上で広告の役割仮説を立てるための比較・集計作業 です。FT/LC比率の算出やチャネル別・広告プラットフォーム別の比較を効率化し、「どの広告が入口役寄りで、どの広告が刈り取り役寄りか」を把握しやすくします。一方で、新規顧客獲得単価（nCAC）の精緻な算出やLTV評価、優良顧客の類似オーディエンス配信などは、別途CRMや広告媒体側の機能が必要になります。