ad-audience-targeting

オーディエンスターゲティング

顧客が誰なのか（ICP）と、購入意欲を示す行動（購入シグナル）を対応付け、多層的な有料メディアのターゲティング計画に落とし込みます。実施するオーディエンス階層、その定義、規模、予算、テストの順序、そして階層同士で入札が競合しないようにする方法を示します。

階層の考え方、除外の徹底、重複の計算、最低予算は、B2B と B2C で同じです。異なる点は次のとおりです（詳細は「B2B と B2C」のセクションを参照してください）。

• ユニバースの規模：B2B の ICP は、プラットフォームの最低要件を下回ることがよくあります。
• 中心となる階層：B2B は企業属性とリストベースを重視し、B2C は幅広いターゲティング、類似オーディエンス、行動ターゲティングを重視します。
• サイクルの長さ。
• 成功指標：パイプラインの質と、件数ベースの CPA／ROAS。

このスキルが作成するのは計画であり、プラットフォームの設定ではありません。リターゲティング階層の位置付けと規模は決めますが、各段階のリターゲティングシーケンスは設計しません（mbfinotti/advertising-skills@retargeting-funnel）。また、シードリストがあることを前提としますが、その選定や作成は行いません（mbfinotti/advertising-skills@lookalike-audience-seeds）。

根拠の確認

• 根拠となるデータ（ICP 文書、顧客／CRM データ、分析データ、過去のキャンペーン結果など）なしに、ICP、購入シグナル、階層を断定してはいけません。
• ICP がない場合は作業を止め、ICP（またはそれを導き出すための顧客リスト）を依頼してください。製品の説明だけから ICP を作り上げてはいけません。想像上の顧客をもとにした計画では、実在しない相手に向けて最適化することになります。
• 不明な属性は中立として扱い、マイナス評価にはしません。根拠がないことは、マイナスのシグナルではありません。マイナス評価にすると、公開情報が少ないアカウントを体系的に下位に追いやりますが、それは適合度ではなく企業規模と相関します。
• 計画内の各階層の横に、根拠の出典と日付を記録してください。想定外の成果が出たときに計画を監査できます。

確認事項

計画を立てる前に、確認事項を簡潔に一度だけ尋ねてください。すでに回答されている項目は省略します。

1. B2B と B2C のどちらですか。また、ICP によると、誰が購入し、どのような根拠がありますか？
2. 何をコンバージョンとみなし、目標 CPA（または ROAS）はいくつですか？
3. 現在、アカウントでは週におよそ何件のコンバージョンが発生していますか？（幅広いターゲティングを基本とするか、階層化するかを決めます。）
4. どのようなファーストパーティ資産がありますか？顧客リスト（件数）、サイトトラフィック量、CRM、エンゲージメントの高いフォロワーなどです。
5. この計画の月間総予算はいくらですか？
6. ターゲティング可能な市場の規模はどのくらいですか？数千のアカウントですか、それとも数百万人の消費者ですか？
7. オファーは規制対象のカテゴリ（住宅、雇用、信用、金融商品、健康、政治）に該当しますか？
8. いつまでに成果を出す必要がありますか？ローンチ、四半期末、季節要因などの厳格な期限がありますか、それともスケジュールは柔軟ですか？
9. 今回限りの成果を求めていますか。それともキャンペーン終了後も効果が続く、積み上がる資産を求めていますか？
10. 作業にかけられる上限はどのくらいですか？週あたりの時間、実行担当者、法務／プライバシー審査を利用できるかどうかを教えてください。

最後の3項目は、計画を作成する前に階層の優先順位を入れ替えるものです。計画には、どの回答がどの階層の順位を変えたかを記載してください。

• 近い期日の厳格な期限がある場合は、ファーストパーティとリターゲティングの階層を優先します。数日以内に判断可能な根拠が得られるためです。一方、十分な学習サイクルを経てからでないと効果が分からない、コールドの幅広いターゲティングは優先度を下げます。
• 効果の積み上げを重視する場合は、ファーストパーティリストの拡大とコールドの幅広いターゲティングを優先します。前者は、企業に残るシードと抑制用の資産を構築し、後者はコンバージョンのたびに改善する配信モデルを学習させます。リターゲティングのオーディエンスプールは、補充を止めると数週間でほぼなくなります。
• プライバシー審査をまったく利用できない場合は、識別可能なデータのアップロードを必要とするすべての階層を、優先度を下げるのではなく対象から除外します。ファーストパーティのカスタムオーディエンスと、顧客シードから作成する類似オーディエンスは、このアカウントでは選択肢になりません。作業時間の上限が低いだけであれば、それらの優先度を下げ、プラットフォーム内の行動ターゲティングと幅広いターゲティングを優先します。

属性とシグナル

誰もが省略する翻訳ステップです。ICP には_属性_が記載されていますが、ターゲティング計画は属性_と_シグナルに基づいて実行されます。両者を明確に区別してください。

	属性 —「何が事実か」	シグナル —「なぜ今なのか」
答える質問	この人／アカウントは適合していますか？	なぜ今、購入する可能性が高いのでしょうか？
例	業種、企業規模、役職、年齢、地域、カテゴリーへの関心	資金調達ラウンド、採用の急増、価格ページの訪問、カート放棄、季節的なきっかけ
反映先	ティアへの分類、除外リスト、企業属性フィルター	ティアの優先順位、鮮度の期間、テスト順
古くなる速度	ゆっくり — 四半期ごとに更新	速い — 有効期限があります

• 約90日を超えたシグナルは、きっかけではなく背景情報です。新しく独立したシグナルが2つ（例：資金調達＋関連する採用）あれば、古いシグナル1つより優先されます。
• 候補となるシグナルは、次のようにテストしてください。属性フィルターをすでに通過した10人／アカウントを対象にしたとき、誰に最初にアプローチすべきかを示せますか？そうでなければ、それはシグナルを装った属性です。

ティアモデル

すべての計画は、効率性（労力単位あたりに得られる成果）に基づいて順序付けられた次の6つのティアから構成されます。立ち上げコストの安さで順序を決めてはいけません。実際の、証拠に裏付けられたシグナルによって定義される場合に限り、ティアを含めてください。空のティアは、オーディエンスではなく項目にすぎません。

• 効率性：first-party custom > retargeting > lookalike > behavioral/in-market > cold broad > interest & affinity
• 価値（ティアが上限まで達したときに生み出せる成果の量）：cold broad > lookalike > behavioral/in-market > first-party custom > retargeting > interest & affinity
• 労力：cold broad > retargeting > first-party custom == lookalike > behavioral/in-market == interest & affinity
• コンプライアンスコスト：first-party custom > lookalike > retargeting > behavioral/in-market > interest & affinity == cold broad

各軸の順序が異なるのは意図的です。

• 立ち上げコストが最も低い「Interest」は、最も効率が低いティアです。

• 上限が最も高い「Cold broad」は、運用コストが最も高く、効果を判断するまでに最も時間がかかるティアです。

• 「First-party」が先頭に来るのは、事業者がすでに保有するリストなら、1時間の設定だけでコンバージョンにつながるからです。一方で、6つのティアの中で同意、DPA、データの所在地に関するリスクが最も大きく、コンプライアンス軸はそのコストを評価するためのものです。 | Tier | 定義上のシグナル | 準備にかかる労力 | ボリュームと意図の関係 | 対象外 | | ------------------------------------ | --------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------- | ---------------------------------------------------------- | | ファーストパーティー独自 | 自社保有データ：顧客／CRM リスト、サイト訪問者、コンテンツへのエンゲージメント | 1 時間 — リストはすでに存在します。アップロード前に同意とデータレジデンシーを確認します | ファネルの中〜下部：ボリュームは少なく、意図は強い | 大規模な見込み客開拓 | | リターゲティングプール | ビジネスとの過去のエンゲージメントを、最近度 × 深度で評価 | プールを満たすには 1 週間以上のトラフィックまたは広告費が必要です。その後の維持コストはほぼゼロです | 下部：ボリュームが最も少なく、意図が最も強い | 計画の有効性を証明すること — ROAS が構造的に過大評価されます | | 類似オーディエンス／類似 | シードリストとの統計的な類似性 | シードがあれば 1 時間。シードの調達は別の作業です | 上〜中部：ボリュームは大きく、意図の質はシードの質に左右されます | リターゲティングの代替；エンゲージメント稼ぎのクリックユーザーをシードにすること | | 行動ベース／購買意向あり | プラットフォームが追跡する、カテゴリー単位の購買意向を示す行動 | 1 時間 — プラットフォーム標準のセグメントを使うため、構築もアップロードも不要 | 中部：ボリュームも意図も中程度 | 幅広い認知リーチ | | 新規見込み客開拓（ブロード／アルゴリズム） | なし — 配信アルゴリズムがアカウントのコンバージョンシグナルを使って選定します | 継続的に必要な作業 — 学習しきい値を上回る予算を確保し、クリエイティブを継続的に供給します | 上部：ボリュームが最も大きく、意図が最も弱い | 購買者の特定；アドレス可能な対象者がごく少数の場合 | | 関心・アフィニティ | 明示または推定された関心 | 1 時間 — ほとんど何の成果もないまま費やされます。主要プラットフォームは、関心の入力値を制約ではなく提案として扱います | 上部：ボリュームは大きく、意図は弱い | 高精度なリーチ — 高精度なツールとしてはほぼ廃止されています |

• デフォルトの段階：まずファーストパーティとリターゲティングに予算を投じます。ウォーム層が飽和するか、ウォーム層が依存するパイプラインの補充が止まったら、類似オーディエンス、行動ターゲティング、コールドな広範ターゲティングへと、すぐに一段階ずつ進めます。ウォーム層は規模が小さく、成果単価も低くなります。コールド層はウォーム層を補充するためのものなので、ウォーム層のみに予算を投じる計画では、数週間のうちにパイプラインを使い果たします。

• リターゲティングプールを作るにはサイトのトラフィックが少なすぎる場合、エンゲージメントオーディエンスをシードとして使うのが標準的な代替策です。規模が大きくなる速さの順に並べると、動画視聴者 > コンテンツ／プロフィールのエンゲージメントユーザー > リードフォームの入力開始者となります。動画視聴者のプールは、広告費を投じ始めてから約1週間で実用的な規模に達します。一方、リードフォームの入力開始者のプールでは、1〜3か月かかることがあります。

• この順位はデフォルトであり、絶対的なものではありません。状況や実行する担当者によって変わります。計画を作成する前に、ユーザーについてすでに把握している情報に照らして順位を見直してください：

  • 数万人の顧客を含む自社保有リストがある場合、ファーストパーティを最優先にします。
  • 既存のピクセルトラフィックが豊富な場合、リターゲティングを最優先にします。
  • 社内にデータまたはアナリティクスのチームがある場合、類似オーディエンスを最優先にします。

• ユーザーが実際に述べた制約は、順位の見直しとは異なる作用をします。それは該当する段階を除外します。回答によって選択肢から外れる段階は削除し、削除した段階、その原因となった制約、再び選択肢に加える条件を計画に明記してください。例：

  • 「コールドな広範ターゲティング：削除。対象となる市場が数万人程度。市場または地域が拡大した場合に再検討する。」
  • プライバシーレビューがない場合、ファーストパーティと顧客リストをシードとする類似オーディエンスを削除します。
  • 類似オーディエンスが許可されないカテゴリの規制対象オファーでは、その段階を削除します（コンプライアンスゲートを参照）。

  除外された段階を表の末尾に残したままにすると、誰も検討しなかった段階と見分けがつかなくなり、次の計画サイクルで新しいアイデアとして再び持ち上がってしまいます。

広範なターゲティングか、階層化か：判断の分かれ目

この領域で最も議論の多い判断です。定説としてではなく、条件付きで示してください。優劣はアカウントのデータ密度という1つの要素で逆転するため、誤解を招く単一の順序にまとめず、2通りに分けて記載します。

• 効率性（新規またはデータが少ないアカウント、狭いICPまたは小さな市場、予算が少ない、規制対象のオファー）：明示的な階層化 > 並行テスト > 広範なターゲティング
• 効率性（コンバージョンデータが豊富、市場が大きい、アルゴリズムを機能させるだけの予算がある、目標は効率的な拡大）：並行テスト > 広範なターゲティング > 明示的な階層化

デフォルトの段階：明示的な階層化です。計画を次の段階に進める条件は1つだけです。キャンペーンが学習に必要な基準を余裕を持ってクリアしたら、並行テストを実施し、複製したキャンペーンが勝った場合に限り、広範なターゲティングを採用します。

方針	費やすもの	得られるもの	あきらめるもの
明示的な階層化	ティアの定義に1～2日。その後は除外設定の維持とリストの更新を継続的に行う	アトリビューション。どのセグメントが実際に反応するかがわかります	アルゴリズムが独力で見つけていたはずのリーチと、絞り込みすぎるリスク
並行テスト（キャンペーンを1つ複製し、複製した方だけ広範なターゲティングに切り替える）	設定に1時間と、複製したキャンペーンで1回テストするための予算	他者の一般論ではなく、自社アカウントに即した答えが得られ、いつでも元に戻せます	どちらかに決めるまで、1サイクル分の遅れが生じます
広範なターゲティング／アルゴリズム任せ	設定はほぼ不要。ただし、学習サイクル全体を通じて十分な予算密度を維持する必要があります	市場が本当に大きい場合、効率よく拡大できます	購買者が誰なのかを把握できず、実際の市場が小さい場合にはリーチが無駄になります

根拠の状況：

• 広範なターゲティングを支持する側：

  • Ben Heathは、オープン／広範なターゲティングは「興味関心ターゲティングを上回ることが多い（ただし常にではない）」と報告しており、特に「十分なコンバージョンデータがある成熟した広告アカウント」で有効だとしています。
  • Demand Curveも独自に、広範なターゲティングは「従来のマーケティングの常識とは逆だが」機能すると支持しています。
  • プラットフォームの提供企業も、自己申告のデータを公表して同意しています。これらの数値はマーケティングとして受け止めてください。

• 階層化を支持する側： B2Bの実務者（B2Linkedなど）は、自動的なオーディエンス拡張機能に注意を促しています。狭く明確に定義されたICPがある場合、プラットフォームにオーディエンスを「誰彼かまわず」広げさせると、予算が無駄になります。

• 中間的な立場： Heath自身も、「リターゲティングを完全にやめる」派を「より極端な見方」として退けています。広範なターゲティングを優先するアカウントでも、ファーストパーティデータとリターゲティングのティアは維持しています。

• 一般論を根拠に、アカウント全体を一度に切り替えてはいけません。段階を変更する誠実な方法は並行テストだけです。判断を下す間も、階層化によるコントロールを継続できます。

• 広範なターゲティングでは、購買者が誰なのかが見えなくなります。コスト面で広範なターゲティングが勝っても、調査手段として手動定義のティアを少なくとも1つ残してください。

• 絞り込みすぎは、階層化を支持する側で明確に指摘されている失敗パターンです。多数の興味関心と属性フィルターを重ねると、同じ広告を見続ける、小さくてコストの高いオーディエンスが生まれます。ICPについて豊富な知識があるなら、フィルターを増やすのではなく、セグメントごとにクリエイティブのバリエーションを用意することに活用してください。

規模と最低予算

十分な規模の予算を確保できないティアは、プランに含めるべきではありません。

1. 各ティアの規模を算出し、プラットフォームの最低オーディエンスサイズと照合します（references/platform-notes.md — ユーザーが利用プラットフォームを指定したら読み込みます。プラットフォームの最低基準は予告なく変更されるため、最新のプラットフォームのドキュメントで確認してください）。
2. プラットフォームの学習しきい値を基に、各ティアの予算下限を算出します。日次下限 ≈（目標 CPA × 週あたりの最適化イベントしきい値）÷ 7。最も広く引用されているしきい値は、広告セットあたり週約 50 件のイベントです。CPA が $50 で日予算が $30 の広告セットでは、週あたりのコンバージョンは約 4 件にとどまり、学習フェーズを抜けられません。統合するか、よりファネル上部のイベントに最適化してください。
3. 規模の下限または予算下限を下回る場合は、次の順で効率化します。上位へ統合 > より安価な代替イベント > カット
   • 最も近いティアに統合する — 除外設定の再構築に 1 時間かかりますが、オーディエンスと配信の両方を維持できます。まずこれを試してください。
   • より安価なファネル上部のイベントに最適化する — 1 時間と再学習サイクルが必要です。よりソフトな成功指標を用いて配信を購入し、後で実際の指標との整合性を取ります。
   • カットする — 手間はほぼかからず、何も得られませんが、無駄を止められます。「網羅性のため」に資金を確保できないティアを残してはいけません。
4. オーディエンスが小さいほどインプレッション単価も高くなります。AJ Wilcox の「オーディエンスが極端に小さいと、大金を払うことになる」という警告は、あらゆるプラットフォームに当てはまります。
5. 初期配分：新規顧客開拓のティアに 70〜80％、リターゲティングに 15〜25％、残りを実験に割り当てます。リターゲティングが広告費の約 40％を超える場合は、新規顧客開拓を拡大すべき兆候です。リターゲティングが「機能している」証拠ではありません。過剰な予算配分は、ブレンド ROAS を押し上げる一方で、見込み顧客プールの補充を妨げます。
6. 配分は段階によって変わります。ローンチ時は新規顧客開拓に 80〜90％を割り当てます。成熟し、トラフィックの多いブランドであれば、より高い割合を既存の関心層に割り当てることが正当化される場合があります。

重複と除外の徹底

予算が割り当てられた 2 つのティアが同じユーザーに入札すると、オークションで競合し、リーチが増えないままコストが上昇します。

• 除外は包含より先に実施します。プラットフォームは除外条件を優先するため、まず除外マトリクスを作成してください。

• すべてのキャンペーンで、既存顧客（拡張やアップセルのキャンペーンを除く）、従業員、特定済みの競合他社を除外します。

• ティア間では、インテントの高い各ティアを、インテントの低いすべてのティアから除外します。リターゲティングの対象を類似オーディエンスと新規顧客開拓から、顧客リストをすべての対象から除外します。各ユーザーは、必ず 1 つのティアだけに属するようにします。

• そのためにはファーストパーティの抑制リストを使用します。インタレストベースの 除外 機能は、主要プラットフォームで廃止または削除されています。アップロードしたリストを使った顧客やコンバージョン済みユーザーの抑制は、引き続き標準的な手法です。

• 予算が割り当てられた 2 つのティア間の重複率の目安：

  • 10％未満：無視します。
  • 10〜30％：監視します。
  • 30〜50％：対処します。
  • 50％超：ティアを統合します。

  新しいティアをローンチする前に、トラブルシューティング時だけでなく、必ず重複を監査してください。

• 重複率が 30〜50％の場合は、統合より除外を追加 します。除外の設定には 1 時間かかり、ワンクリックで元に戻せます。一方、統合すると、テスト予算を投じていたティア別の分析ができなくなります。除外によっていずれかのティアが規模の下限に近づく場合に限り、統合してください。

• 逆の問題もあります。除外を積み重ねてオーディエンスがプラットフォームの最低基準を下回ると、配信は気付かれないまま停止します。マトリクスを作成したら、除外後の各ティアの規模を再確認してください。

テストの順序

1. 実際に予算が動くのはこの段階なので、ティアモデルの効率順に予算を配分します。ここに再掲します。効率順は ファーストパーティ > リターゲティング > 類似オーディエンス > 行動ターゲティング > コールドブロード です（インタレスト層に予算を配分する場合は、最後にします）。シグナルの速度もほぼ同じ順になるため、期限が迫っている場合もこの順序が有効です。ファーストパーティ == リターゲティング > 類似オーディエンス > 行動ターゲティング == コールドブロード。
2. オーディエンスごとに固定予算でテストし、すべてのティアで確実に支出が発生するようにします。実績のある勝者は、スケールするためにアルゴリズムによる予算プールへ移します。テスト中にアルゴリズムによるプールを使うと、テストで評価するはずのティアに十分な予算が配分されません。
3. ブロード対レイヤーの並行テスト（上記）は、独立した実験として実施します。一度に変更する変数は1つにします。
4. 勝者の予算は、週あたり最大約20％ずつ増やします。それを超える大幅な増額は、一般に学習をリセットする編集と見なされますが、固定の割合を文書で明示しているプラットフォームはありません。
5. 各サイクル後のティアごとの判断基準は、ローンチ前にプランで定めておきます。昇格（目標を上回ったら、約20％増額）、維持（目標の±20％以内、または学習中なら、データ収集を継続）、停止（目標 CPA の2倍を消化しても、最も予算が配分されたティアより結果が50％以上悪い場合、または配信がフロアを下回った状態で停滞した場合）。

コンプライアンスの審査

これは支出前に通過すべき必須条件であり、レビューではありません。規則は管轄区域やプラットフォームによって異なりますが、共通するのは次の点です。

• センシティブ情報・保護対象の特性（健康、人種・民族、宗教、政治的見解、性的指向、経済的困窮）は、公開シグナルから推測する場合も含め、ターゲティングや推測に利用できません。大手プラットフォームでは、これらのカテゴリが全面的に削除されています。
• 規制対象のオファーカテゴリ（住宅、雇用、信用、金融商品、政治）では、ターゲティングに制限モードが適用されます。デモグラフィックや地域による絞り込みは無効になり、類似オーディエンスも利用できないことがよくあります。こうしたキャンペーンは、最初からブロードターゲティングとクリエイティブの組み合わせとして計画してください。
• EUでの配信には、同意要件が追加されます（トラッキングシグナルの相当な割合が欠落すると想定してください）。また、プロファイリングに基づく未成年者向け広告が禁止されており、センシティブデータのターゲティングはユーザーの同意があっても禁止されています。
• シグナルの欠落は構造的なものです。ほかの場所での同意設定にかかわらず、コンバージョンの一部はピクセルからは見えません。利用可能な場合はサーバー側のコンバージョンフィードを優先し、正確なデータソース（CRM、注文情報）がある場合は、ピクセルのみの数値でティアを評価しないでください。
• 規制対象カテゴリのキャンペーンは、すべてローンチ前に法務・コンプライアンス部門を通してください。

B2B と B2C

ディメンション	B2B	B2C
主なターゲティング層	企業属性によるプロフェッショナルネットワークのターゲティング、アカウントリスト、ファーストパーティ CRM	幅広い／アルゴリズムによるターゲティング、類似オーディエンス、行動ターゲティング、リターゲティング
オーディエンス規模	小規模。プラットフォームの最低規模を下回ることもよくあります	大規模で、アルゴリズムが機能しやすい規模です
幅広い設定か階層化かの基本方針	階層化。対象がごく小規模な場合、アルゴリズムによる拡張は無駄になります	コンバージョンデータが十分に蓄積されたら、幅広く設定します
購買者	個人ではなく委員会（mbfinotti/advertising-skills@ad-buyer-group-mapper を使って役割を特定します）	個人
サイクル	数週間から数四半期。リード数ではなく、下流のパイプラインの質で評価します	数時間から数日。CPA／ROAS をすぐに把握できます
よくある落とし穴	オーディエンスが小さすぎて学習段階を抜けられないこと、安価なリード獲得の最適化によってリードの質が低下すること	クリエイティブの疲弊や季節性。ターゲティングの問題ではありません

• B2B に関する補足：
  • タイトルの対象範囲が小さすぎる場合は、役職名を厳密に指定するのではなく、職能と職位でターゲティングを広げます。
  • 対象がごく小規模（数万人程度）の場合は、階層別に分割するより、1 つの統合キャンペーンとして運用したほうがうまくいくことがよくあります。
• このスキルのその他すべての要素（エビデンスゲート、属性／シグナルの変換、除外マトリクス、予算下限、テストの順序、コンプライアンス）は、B2B と B2C のどちらにも変更なく適用されます。

出力形式

計画を 1 つのドキュメントとして提出します。

1. エビデンスソースを含む ICP の概要。属性とシグナルに分けて記載します。
2. 階層テーブル：階層 | 定義シグナル（エビデンス付き） | 推定オーディエンス規模 | 適用する除外 | 1 日あたりのテスト予算 | 成功基準。効率の高い順に行を並べ、再順位付けの有無と、回答のどの要素を理由に再順位付けしたかを記した行を含めます。また、削除したすべての階層と、削除の原因となった制約を記した行も含めます。
3. 除外マトリクス：各除外リストと、適用対象となる階層を示します。
4. テスト順序：順番、期間、各テストで分離する変数を 1 つ、および昇格／保留／中止の基準を記載します。順序がデフォルトと異なる場合は、その理由も記載します。
5. コンプライアンスに関する注意事項：規制対象のフラグと、それによって必要となる対応を記載します。
6. レビュー頻度：
   • 新しい階層を開始する前に、重複を監査します。
   • テスト中は、階層のパフォーマンスと下限を毎週確認します。
   • シード／リストは 30～60 日ごとに更新します（古くなったシードは類似オーディエンスのパフォーマンスをひそかに低下させます）。
   • 計画全体は四半期ごと、または ICP の変更時に見直します。

入力済みの B2B 計画、B2C 計画、および悪い例については、references/worked-example.md を参照してください。

失敗パターン

• 過剰なセグメント分割：学習の下限に満たない小規模な広告セットを多数作成します。同じ予算でも、統合によって結果あたりのコストが半減することがよくあります。
• インタレストの過剰な重ね合わせ：精度を装っただけの状態です。オーディエンスが小さくコストも高い一方で、クリエイティブは改善されません。
• リターゲティングへの過度な依存：報告される高い ROAS の大部分は増分効果ではありません（そのユーザーの多くは、広告がなくてもコンバージョンしていたでしょう）。新規顧客開拓を圧迫させてはいけません。
• 除外マトリクスがない：階層同士、および顧客ベースとの間で、気づかないうちに入札が競合します。
• 除外しすぎ：除外を重ねた結果、階層の規模が下限を下回り、広告配信が止まります。
• 古い入力データ：90 日以上前のシグナルをトリガーとして扱い、シードリストも更新しません。
• クリエイティブの効果をターゲティングの効果と誤認する（またはその逆）：テストごとに変更する変数を 1 つにしないと、結果から何も学べません。
• 対象がごく小規模なのに幅広いターゲティングを信頼する：実際の市場では予算を消化しきれないため、アルゴリズムが無関係な範囲までリーチを拡大します。

目標と測定

• 構造チェック（ローンチ前）：資金を投入するすべてのティアが、プラットフォームの規模の下限と予算の下限を両方満たし、資金を投入するティアのペアで、文書化された除外設定がないままオーディエンスの重複率が30％を超えるものがないこと。いずれかのティアが不合格の場合は、統合または削除して再確認します。構造上の要件を満たさないプランはローンチしないでください。
• 成果チェック（最初のテストサイクル全体の終了後）：資金を投入するすべてのティアについて、データに裏付けられた継続・保留・停止の判定があり、存続するティアのうち、最良と最悪の結果単価の差が約30％を超えていること。この差が大きければ実行可能な対応につながります。差が小さい場合、ティア間に意味のある違いがなかったことを示すため、統合して計画を立て直します。
• 継続的に確認する KPI：
  • 目標に対するブレンド CPA／ROAS。
  • プロスペクティングに充てる支出の割合（意図的に刈り取りを行う場合を除き、60％以上を維持）。
  • 資金を投入するティア間の重複率。
  • B2B の場合、ティアごとの下流リードの質（MQL→SQL または同等の指標）。CPL では勝っても質で劣るティアは、継続ではなく停止です。
• どちらのチェックも満たすまで、計画を反復します。

参考資料

• references/worked-example.md - 出力形式に沿った、記入済みの B2B および B2C ターゲティングプランと、失敗例。
• references/platform-notes.md - ベンダー固有の規模の下限、学習のしきい値、仕組みに関する情報と出典。ユーザーがプラットフォームを指定した場合にのみ読み込みます。
• mbfinotti/advertising-skills@lookalike-audience-seeds - シードリストの選定。このスキルはシードの存在を前提としますが、選定や作成は行いません。
• mbfinotti/advertising-skills@retargeting-funnel - リターゲティングのシーケンス設計（ステージごとのメッセージ、期間、フリークエンシーキャップ）。このスキルはリターゲティングのティアを配置して規模を決めますが、メッセージのシーケンスは設計しません。
• mbfinotti/advertising-skills@ad-buyer-group-mapper - 複数の役割を持つオーディエンス向けの B2B 購買委員会のマッピング。
• mbfinotti/advertising-skills@thought-leadership-ads - このプランのオーディエンスティアを活用する、人物を前面に出した広告キャンペーン。
• mbfinotti/advertising-skills@ad-spend-allocation - 複数の取り組みにまたがるキャンペーン予算の配分。
• mbfinotti/advertising-skills@ad-platform-selection - ティア単位のターゲティングオプションに影響するチャネル選択とプラットフォームの仕組み。