Microsoft Clarityは、Switasのような企業が直面する課題を理解している、実際のプロダクト担当者によって、実用的で現実的なユースケースを念頭に構築された製品として高く評価されました。レイジクリックやJavaScriptエラー追跡といった機能は、ユーザーの不満や技術的な問題を特定する上で非常に役立ち、ユーザーエクスペリエンスとコンバージョン率に直接影響を与える、的を絞った改善を可能にしました。
広告費用対効果(ROAS)とは、広告による収益を広告費用で割ったもので、通常は比率または倍率で表されます。計算が容易で、あらゆるプラットフォームのレポートで確認でき、入札システムによって自動的に最適化できるため、デジタル広告における主要なパフォーマンス指標となっています。
その単純さは同時に最大の弱点でもある。なぜなら、利益ではなく収益を測定しているからだ。キャンペーンが支出の4倍の収益を上げているというのは、粗利益率の高い企業にとっては素晴らしい結果だが、粗利益率の低い企業にとっては、同じ比率では販売ごとに損失が出るため、好ましくない結果となる。収益、配送料、決済手数料、商品原価など、重要なコストが発生する企業は、適切な意思決定を行うために、利益率を調整した指標を必要とする。また、単純な収益率で経営している組織は、実際には利益が出ていないキャンペーンを拡大してしまうことが多い。
2つ目の構造的な問題は、プラットフォームが報告する数値が相関関係に基づいており、実際よりも高く見積もられている点です。各プラットフォームは、独自の評価期間とモデルに基づいて、自社の露出に関連付けられるコンバージョンをカウントするため、プラットフォームが報告する収益の合計は、実際の収益を大幅に上回ることがよくあります。これらの数値には、広告がなくても発生したであろうコンバージョンも含まれており、これはリターゲティングやブランド検索において最も顕著です。まさにこれらの活動こそ、最も高いパフォーマンスを報告している活動なのです。したがって、プラットフォームが報告する比率をチャネル間で比較することは、それぞれ異なる、自己利益に基づいた手法で算出された数値を比較することに他なりません。
3つ目の問題点は、この指標が増分ボリュームについて何も言及していないことです。最も反応の良いオーディエンスに支出を限定すれば、高い比率は容易に達成できます。しかし、比率だけを最適化しようとする企業は、リーチの拡大が必然的に平均効率を低下させるため、成長への投資を体系的に怠ることになります。経済的に正しい問いは、通常、比率を最大化する方法ではなく、次の増分支出に対する限界収益はいくらか、そしてその限界収益が依然として必要な閾値を超えているかどうかです。多くの企業は、大幅にボリュームを増やす代わりに平均比率を低くしても利益を上げることができますが、平均値が報告されるため、そうしない企業も少なくありません。
時間軸はこれらの問題をすべて複雑化させます。短いアトリビューション期間では検討された購入が過小評価される一方、この指標はリピート購入や顧客生涯価値を完全に無視するため、初回購入単発の売上を高水準で生み出すキャンペーンよりも、初回購入単発の売上を低水準で生み出すキャンペーンの方がはるかに価値が高い可能性があります。リピート率の高い企業は、初回取引の収益ではなく、顧客価値に基づいて評価を行う必要があります。
ほとんどの企業にとって、より意思決定に役立つ枠組みとしては、比率の代わりに、獲得顧客数または注文数あたりの貢献目標を設定することが挙げられます。粗利益と顧客関係の期待値から導き出される、顧客獲得あたりの許容最大コストを設定することで、購買チームは収益性を既に考慮した明確な制約を得ることができ、リーチを制限することで平均比率を維持しようとするインセンティブがなくなります。また、顧客獲得あたりのコストはどこでも同じ意味を持つのに対し、収益比率は各チャネルがたまたま到達した顧客の平均注文額に依存するため、異なるチャネルを直接比較できるようになります。
適切に使用すれば、この比率はチャネル内での飛行中の最適化のための合理的な戦術的シグナルであり、絶対レベルが膨張していても相対的な動きは有益です。ただし、戦略的な配分には、広告が実際に何を引き起こすかを確立するための増分実験と集計モデリングが必要であり、これは通常、 データ分析結果として得られる目標値と閾値は、 成長管理 そして実行 マーケティングサービス.
Microsoft Clarityは、Switasのような企業が直面する課題を理解している、実際のプロダクト担当者によって、実用的で現実的なユースケースを念頭に構築された製品として高く評価されました。レイジクリックやJavaScriptエラー追跡といった機能は、ユーザーの不満や技術的な問題を特定する上で非常に役立ち、ユーザーエクスペリエンスとコンバージョン率に直接影響を与える、的を絞った改善を可能にしました。