プラットフォームの変化、クリエイティブの効果の変動、広告の飽和によって、承認直後のプランでも実態に合わなくなることがあります。
年に一度の見直しを待たず、新たな根拠が得られるたびに計画を更新できます。
計画、モニタリング、最適化をひとつの継続的なプロセスにまとめ、根拠がそろったタイミングで予算を調整できるようにします。
基盤となるのは公開された手法です。
モデルを確認し、前提を検証し、意思決定の経緯を最初から最後までたどれます。

自社データや検証済みベンチマークを使って予算シナリオを比較。
各案の予測リターン、不確実性の幅、何を優先し何を譲るかを明確にします。

目標、予算の消化状況、アラートをひとつの画面で確認し、実施中のプランを管理します。
各指標を実測値・予測値・ベンチマークに分類し、計画からのずれには根拠となるデータを添えます。

仮説、具体的な施策、期待される効果、確信度を確認して提案を検討。
反応曲線に沿って予算を移し、不確かな点は実験で確かめ、飽和したチャネルへの支出を抑えます。

チームの誰もが、どの画面からでもサイドバーのチャットで、プランの内容、予算の消化状況、実験の結果について質問できます。
アシスタントは日本語で回答し、引用する数値にはそれぞれ予測値・実測値の区分を表示します。
数値は実測値・予測値・ベンチマークに分類。
提案には、確信度とそれを支える根拠を示します。
自社のデータウェアハウスや実施した実験で観測された数値です。
他の推定値を評価する際の基準になります。
モデルの推定値を、不確実性の幅とともに表示します。
その範囲にゼロが含まれる場合は、効果がない可能性も明記します。
200件以上のベンチマーク情報源を、一次情報の発行元まで確認。
裏付けのない記事は除外し、情報が不足している箇所も明示します。
TikTok広告を一度も出稿していないブランドについてROASを聞かれた場合、まずデータウェアハウスを確認します。
測定できるデータがないことを伝え、数値を作るのではなく、計測済みの近いチャネルを案内します。

データがまだなくても、検証済みベンチマークから始められます。
知見が蓄積されるにつれ、自社データに基づく計画へ移行します。
eMarketer、IAB、IPA、WARC、Nielsen、各プラットフォームの公式資料など、一次情報の発行元まで確認しています。
実測値・予測値・ベンチマークを区別し、根拠がまだ足りない部分も明確にします。

広告運用はKuwalystにお任せしております。同社のプラットフォームでマーケティングサイエンティストがMetaとGoogleのキャンペーンを計画・運用してくださっており、最初の1か月でオンラインショップへのアクセスは約5倍、オンラインの注文数は2倍になりました。チャネルごとの役割も明確で、Metaではオーディエンスを育てながら動画を検証、Googleでは日本米を探している人にリーチできております。宣伝色の強い動画よりも、お店とお米をありのまま見せる動画が響くことも分かり、今後の計画も立てやすくなりました。MetaとGoogleが、広告なしで生まれる売上にそれぞれどれだけ上乗せしているのか、最初の見積もりも出ていますし、それを確かめるインクリメンタリティテストも予定しています。翌月の予算は、こうした結果をもとに決めております。

GeoLiftによるインクリメンタリティ分析をAIエージェントに任せており、その手法について、実際の事例をもとに第三者の見解を聞きたいと思っていました。Kuwalystは実際のクライアントのテストについて、テスト設計、検出力、効果の推定値、信頼水準を独自に分析し、その分析を当社の分析とエージェントの分析の両方と比較してくれました。このテストについては、統計的に妥当な点と、まだ詰める必要がある点が分かりました。
広告アカウントを接続せずに、ベンチマークにもとづくメディアプランと予算シナリオを確認できます。
月額のプラットフォーム利用料は、扱うブランド数(1、最大3、最大10)で決まります。
どのプランにも、導入支援、マーケティングサイエンティストとの月次レビュー、人の確認を伴う自動運用が含まれます。
Kuwalystが運用する広告費には運用手数料がかかり、金額帯が上がるごとに低い料率が適用されます。
マーケティングサイエンスやデータの個別作業は、別途お見積りします。
Media Plannerは標準構成で、オープンウェイトモデル(学習済みのパラメーター、いわゆる「重み」が公開されたAIモデル)をパリのScaleway Generative APIs上で実行します。
ScalewayはISO/IEC 27001とHDSの認証を取得しています。
プロンプトと出力は原則として保存されず、AIの学習にも使われず、モデルの開発元がアクセスすることもありません。
VPCやお客様ご自身のインフラ(日本国内を含む)での運用にも対応します。
認証、モデル、運用環境の詳細をご覧ください。
Kuwalystで使用する手法を公開しています。
書籍や手法解説をご覧ください。
AIによるメディアプランニングのホワイトペーパーも準備中です。
書籍共同創業者Hajime Takedaによる実践ガイド。
因果推論、MMM、CLV、価格設定、予測など、Kuwalystを支える手法を解説します。
AIエージェントがメディアプランを策定・運用・改善する仕組みと、すべての数値を根拠につなぎとめるための制御を解説します。
近日公開Media Plannerは、広告代理店やブランドがライセンス契約で利用するソフトウェアです。
運用支援をご希望の場合は、当社チームが同じプラットフォームを使って支援します。
どちらの場合も、モデル、プラン、その根拠はお手元に残ります。
各プラットフォームが表示する売上は、その広告に貢献を割り当てた数値です。
チャネル間で重複が生じるうえ、すでに飽和したチャネルでもROASが高く見えることがあります。
Kuwalystはデータソースに接続し、オンライン・オフラインを問わず、同じプラットフォームの数値をチャネル別・全体で確認できるようにします。
さらにメディアミックスモデルと実験を組み合わせ、すべての数値を実測値・予測値・ベンチマークに分類。
根拠に基づく予算判断につなげます。
はい。
まずはご相談内容と、一次情報に照らして検証した公開ベンチマークを使って計画します。
各数値の種類を明示し、自社の実測データでベンチマークを順次置き換えるための実験を優先して提案します。
多くのメディアプランは、年に一度見直すスプレッドシートにとどまっています。
Kuwalystでは、各案のトレードオフを明示したシナリオ比較、毎週の目標確認、確信度と根拠を添えた提案を、継続的なプロセスとして運用できます。
計画を変更した理由も確認できます。
ありません。
広告代理店はMedia Plannerの主要な利用者であり、そのクライアントに直接営業することはありません。
ホワイトラベルをご利用いただくと、プランには御社名、レポートには御社のロゴを表示できます。
データはScalewayのEU域内ワークスペースに保管します。
AI処理には標準でフランスのScaleway Generative APIsを利用します。
ご希望に応じて専用環境にホスティングしたモデルを提供し、オンプレミスやVPCにも対応します。
現在のメディアプランについてお聞かせください。
スプレッドシートからでも始められます。
御社の状況に合わせて、計画・モニタリング・最適化の進め方をご紹介します。