Google広告 類似セグメント廃止後の代替策と新時代の獲得戦略を徹底解説

Google広告の運用において、かつて新規顧客獲得の強力な武器であった「類似セグメント」。しかし、プライバシー保護の世界的な潮流の中でこの機能は段階的に廃止され、2023年8月をもって完全にその役目を終えました。多くの広告運用者が「類似セグメントが使えなくなり、どのように新規ユーザーへアプローチすれば良いのか」と頭を悩ませているのではないでしょうか。しかし、ご安心ください。Googleは、類似セグメントの思想を受け継ぎつつ、より進化した後継機能を提供しています。本記事では、運用型広告のスペシャリストとして、類似セグメントの廃止背景から、その強力な後継機能である「最適化されたターゲティング」と「オーディエンス拡張」の全貌、そしてCookieレス時代を勝ち抜くための最新の顧客獲得戦略まで、5000字を超えるボリュームで徹底的に解説いたします。この記事を最後までお読みいただければ、変化を恐れるのではなく、むしろ新たな武器を手に、より高い広告成果を目指すことができるでしょう。

そもそもGoogle広告「類似セグメント」とは何だったのか？ - 機能の振り返り

新たな戦略について解説する前に、まずは我々が失った武器、「類似セグメント」がどのような機能であり、どのような価値を提供してくれていたのかを正確に振り返っておくことが重要です。過去を理解することは、現在の機能を最大限に活用するための礎となります。

類似セグメントの定義と獲得における目的

類似セグメントとは、広告主が保有するファーストパーティデータ（自社の顧客データ）を基に、そのデータに含まれるユーザーと共通の興味関心や行動特性を持つ、新しいユーザー群をGoogleの機械学習が見つけ出し、ターゲティングリストとして提供する機能でした。具体的には、「商品を購入したユーザー」のリストを基にすれば、その購入者たちと似たようなオンライン上の行動を取っている「まだ自社を知らない潜在的な優良顧客」に広告を配信することが可能だったのです。この機能の最大の目的は、コンバージョン（商品購入、問い合わせなど）に至る可能性が高い新規ユーザーへの効率的なリーチ、すなわち「質の高い見込み顧客の獲得」にありました。リマーケティングが既存の接点を持つユーザーへの再アプローチであるのに対し、類似セグメントは未知の市場から優良な新規顧客を発掘するための、まさに獲得戦略の要とも言える機能だったのです。

機械学習によるターゲティングの仕組み

類似セグメントの根幹を支えていたのは、Googleの高度な機械学習アルゴリズムでした。その仕組みは、まず広告主が提供する「ソースリスト（基となるデータリスト）」のユーザー群の匿名化されたデータを分析することから始まります。分析対象となるデータは、Google検索の利用履歴、YouTubeでの視聴動画、Googleディスプレイネットワーク参加サイトの閲覧履歴など、多岐にわたります。機械学習はこれらの膨大なシグナルから、ソースリストのユーザーに共通する特徴、例えば「特定のジャンルの動画をよく見る」「特定のキーワードで頻繁に検索している」「特定のライフスタイルに関連するアプリを使用している」といったパターンを抽出します。そして、その抽出されたパターンと合致する他の膨大なGoogleユーザーの中から、類似度が高いと判断されたユーザー群を特定し、「類似セグメント」としてリスト化していました。広告主は、このセグメントのリーチ規模を「狭い」「バランス（推奨）」「広い」の3段階から選択でき、リーチと精度のバランスをある程度コントロールすることも可能でした。この精緻なマッチング技術こそが、類似セグメントが高い費用対効果を実現できた理由です。

活用できたソースリストと要件

類似セグメントを作成するためには、その基となる「ソースリスト」が必要不可欠でした。主に活用できたソースリストは以下の通りです。

• ウェブサイト訪問者リスト（リマーケティングリスト）: 自社サイトの特定ページ（例：サンクスページ、料金ページ）を訪れたユーザーのリスト。ディスプレイ広告向けには過去30日間に100人以上、検索広告向け（RLSA）には1,000人以上のアクティブユーザーが必要でした。
• カスタマーマッチリスト: 広告主が保有する顧客のメールアドレス、電話番号、住所などのリスト。Googleアカウント情報と照合してマッチングさせます。リストの精度を高めるためには、最低でも1,000件以上のデータが推奨されていました。
• アプリユーザーリスト: 自社のモバイルアプリをインストールしたり、特定のアクションを実行したりしたユーザーのリスト。
• YouTubeユーザーリスト: 自社のYouTubeチャンネルの動画を視聴したり、チャンネル登録したりしたユーザーのリスト。こちらも最低1,000人のアクティブユーザーが必要でした。

これらのソースリストの質と量が、生成される類似セグメントの精度を大きく左右しました。特に「購入完了者」や「LTV（顧客生涯価値）の高い顧客」といった、ビジネス成果に直結するユーザーリストをソースにすることで、極めて質の高い新規見込み顧客リストを生成することが可能だったのです。

かつての活用戦略と広告主にもたらした価値

かつて、腕利きの広告運用者は類似セグメントを巧みに活用し、様々な獲得戦略を展開していました。最も代表的なのは、コンバージョンユーザーの類似セグメントを新規獲得キャンペーンのメインターゲットに据える手法です。これにより、やみくもに広告を配信するのに比べ、CPA（顧客獲得単価）を大幅に抑制しつつ、質の高いコンバージョンを獲得できました。さらに高度なテクニックとして、既存のリマーケティングリストやカスタマーマッチリストを「除外設定」することで、配信対象を「完全に新規の、かつ優良見込み顧客」に限定し、新規顧客獲得の効率を最大化する戦略も広く用いられました。ディスプレイ広告で認知を広げつつ、検索広告では確度の高い類似セグメントに絞って配信するなど、キャンペーンタイプを横断した戦略も有効でした。このように、類似セグメントは広告主にとって、新規市場開拓の羅針盤であり、広告予算の効率を飛躍的に高めるための強力なエンジンとして、計り知れない価値をもたらしていたのです。

なぜ類似セグメントは廃止されたのか？ - 時代の要請と技術的背景

これほどまでに強力で、多くの広告主に愛用されていた類似セグメントは、なぜ廃止の道をたどることになったのでしょうか。その背景には、広告業界全体を揺るがす、避けては通れない大きな二つの変化が存在します。

プライバシー保護という世界的な潮流

最大の理由は、世界的に高まる個人のプライバシー保護に対する意識と、それに伴う法規制の強化です。欧州のGDPR（一般データ保護規則）や米国のCCPA（カリフォルニア州消費者プライバシー法）に代表されるように、個人のデータを企業がどのように収集し、利用するのかについて、透明性と本人の同意が厳しく求められるようになりました。ユーザーのオンライン行動を横断的に追跡し、プロファイリングする従来型のターゲティング広告は、こうしたプライバシー中心の考え方と相容れない側面を持ちます。Googleもこの大きな潮流を無視することはできず、ユーザープライバシーをより尊重した広告エコシステムへの移行を迫られました。類似セグメントも、その仕組み上、サードパーティCookieなどを利用してユーザー行動を分析していたため、この変革の対象となったのです。

サードパーティCookie廃止の直接的な影響

プライバシー保護の潮流と直結するのが、Google Chromeにおける「サードパーティCookieの廃止」という技術的な大変革です。サードパーティCookieとは、ユーザーが訪れているサイトとは異なるドメイン（第三者）が発行するCookieのことで、リターゲティング広告や行動ターゲティング広告の根幹を支える技術でした。類似セグメントも、ソースリストのユーザーと似た行動をとるユーザーをウェブ上で見つけ出すために、このサードパーティCookieから得られる情報をシグナルの一つとして活用していました。しかし、この「ウェブサイトを横断したユーザー追跡」がプライバシー侵害の温床となっているとの批判を受け、Googleは自社のブラウザであるChromeでのサポートを段階的に廃止する決定を下しました。この決定により、類似セグメントを支えていた技術的基盤そのものが失われることになり、機能の提供が困難になったのが廃止の直接的な引き金と言えるでしょう。これは単なる機能変更ではなく、デジタル広告のターゲティングのあり方そのものが根底から覆る、歴史的な転換点なのです。

類似セグメントの後継機能 - 「最適化されたターゲティング」と「オーディエンス拡張」

類似セグメントという強力な武器を失った広告主のために、Googleは新たなソリューションを用意しました。それが「最適化されたターゲティング」と「オーディエンス拡張」です。これらは単なる代替機能ではなく、プライバシーに配慮しつつ、AIの力をさらに活用してコンバージョンを最大化するという、新しい思想に基づいて設計されています。

【最重要】最適化されたターゲティングとは？

「最適化されたターゲティング」は、現在のGoogle広告におけるオーディエンス拡大戦略の中核をなす、最も重要な機能です。これは、広告主が手動で設定したオーディエンスセグメント（リマーケティングリストやカスタムセグメントなど）を「ヒント（シグナル）」として利用し、キャンペーンの目標（例：コンバージョン数の最大化）を達成する可能性が高いユーザーを、設定したセグメントの枠を超えてGoogleのAIがリアルタイムで見つけ出し、広告を配信する仕組みです。類似セグメントが「リストを基に、似た人を探す」という静的なアプローチだったのに対し、最適化されたターゲティングは「キャンペーンの成果を基に、今まさにコンバージョンしそうな人を探す」という動的でリアルタイムなアプローチを取ります。AIは、ランディングページの情報、広告クリエイティブのアセット、そしてリアルタイムのコンバージョンデータなど、あらゆるシグナルを考慮して、手動設定のオーディエンスよりも成果が高まると判断した場合に、自動的にリーチを拡大します。現在、多くのキャンペーンタイプでデフォルトで有効になっており、Googleがいかにこの機能を重視しているかが窺えます。

オーディエンス拡張との違いは？

「オーディエンス拡張」もリーチを広げる機能ですが、「最適化されたターゲティング」とはその目的と挙動が異なります。オーディエンス拡張は、手動で設定したオーディエンスセグメント（アフィニティ、購買意欲の強いユーザー層など）に「類似した」ユーザーへとリーチを拡大する機能です。スライダーを使って拡張の度合いを調整することも可能でした（現在は多くのキャンペーンでこのスライダーは廃止され、オン/オフのみ）。最適化されたターゲティングが「キャンペーンの目標達成」を最優先に、時には手動セグメントとは全く異なる特性を持つユーザーにも配信するのに対し、オーディエンス拡張はあくまで「手動セグメントの延長線上」でリーチを広げるイメージです。言わば、最適化されたターゲティングが「ゴール（コンバージョン）から逆算して最適な人を探す」のに対し、オーディエンス拡張は「スタート（手動セグメント）から少し範囲を広げて人を探す」という違いがあります。獲得効率を最優先する現在の環境では、より柔軟で成果志向の強い「最適化されたターゲティング」が主流となっています。

機能比較：類似セグメント vs 最適化されたターゲティング vs オーディエンス拡張

三者の違いをより明確にするために、以下の観点で比較してみましょう。

• 目的:
  類似セグメント: ソースリストに似た新規ユーザーを見つけること。
  最適化されたターゲティング: キャンペーン目標（コンバージョン）を達成する可能性が高いユーザーを、セグメントの枠を超えて見つけること。
  オーディエンス拡張: 手動セグメントと類似性の高いユーザーにリーチを広げること。
• 基盤となるシグナル:
  類似セグメント: 静的なソースリストのユーザー特性。
  最適化されたターゲティング: リアルタイムのコンバージョンデータ、LP、広告クリエイティブ、手動セグメント（シグナルとして）など、動的な複数シグナル。
  オーディエンス拡張: 手動で設定したオーディエンスセグメントの特性。
• 広告主のコントロール:
  類似セグメント: ソースリストと類似度（狭い/バランス/広い）を選択可能。コントロール性は比較的高かった。
  最適化されたターゲティング: オン/オフの切り替えと、シグナルとして提供するオーディエンスの選択が可能。ターゲティングの大部分はAIに委ねられる。
  オーディエンス拡張: オン/オフの切り替えが主。コントロール性は低い。

この比較から分かる通り、広告のターゲティングは「広告主による手動設定」から「AIとの協業」へと大きくシフトしています。広告主の役割は、AIにマイクロマネジメントを指示することではなく、AIが最高のパフォーマンスを発揮できるよう、質の高い「シグナル」を提供することに変化したのです。

2025年最新版：Cookieレス時代を勝ち抜くオーディエンス拡大戦略

類似セグメントの廃止とプライバシー保護の強化は、広告運用者からコントロールを奪ったわけではありません。むしろ、より本質的なマーケティング活動、すなわち「自社の顧客を深く理解し、価値あるデータを提供すること」の重要性を高めました。ここでは、現在のGoogle広告で成果を最大化するための具体的な戦略を解説します。

戦略の核：「シグナル」としてのファーストパーティデータの重要性

Cookieレス時代において、最も価値のある資産は「ファーストパーティデータ」です。これは、企業が自社の活動（ウェブサイト、アプリ、店舗など）を通じて顧客から直接収集したデータ（購入履歴、サイト内行動、メールアドレスなど）を指します。サードパーティデータが利用しにくくなる中で、この自社保有データは、AIにとって顧客像を理解するための最も信頼性が高く、質の良い「教科書」となります。「最適化されたターゲティング」を最大限に活用するための鍵は、まさにこのファーストパーティデータを、いかに質の高い「シグナル」としてAIに提供できるかにかかっています。質の高いシグナルを与えれば、AIはその精度を高め、より効率的にコンバージョンする可能性の高い新規ユーザーを発見してくれます。もはやデータは、単なる分析対象ではなく、AIを育てるための戦略的な資産なのです。

効果を最大化するシグナルの具体例

では、具体的にどのようなデータが「質の高いシグナル」となり得るのでしょうか。以下にその具体例を挙げます。

• コンバージョン済みユーザーリスト: 最も強力なシグナルです。「商品Aを購入したユーザー」や「資料請求を完了したユーザー」のリストは、AIに対して「このようなユーザーを探してほしい」という最も明確な指示となります。
• LTV（顧客生涯価値）の高い顧客リスト: 단순히購入したユーザーではなく、「リピート購入している」「高額商品を購入している」といった、ビジネスへの貢献度が高い優良顧客のリストをカスタマーマッチでアップロードします。これにより、一回きりの顧客ではなく、長期的に優良顧客となる可能性を秘めた新規ユーザーの獲得が期待できます。
• 特定の行動を取ったユーザーリスト: 例えば、「カートに商品を入れたが購入しなかったユーザー」「料金ページを3分以上閲覧したユーザー」「特定のカテゴリの商品を5つ以上閲覧したユーザー」など、購入意欲が高いと推測される行動を取ったユーザーのリストも非常に有効なシグナルです。

これらのリストをオーディエンスセグメントとしてキャンペーンに追加することで、「最適化されたターゲティング」はこれらのユーザーの共通点を学習し、より精度の高いターゲティングを実現します。

最適化されたターゲティングのベストプラクティス

この強力な機能を使いこなすためには、いくつかのベストプラクティスが存在します。

1. シグナルは狭く、深く: 「全てのウェブサイト訪問者」のような広範なリストをシグナルにするよりも、「購入完了者」や「LTV上位10%顧客」といった、コンバージョンに直結する、より具体的で質の高いオーディエンスをシグナルとして設定する方が、AIは学習しやすくなります。
2. 機械学習の時間を確保する: キャンペーン開始直後は、AIが学習するためのデータが不足しています。最低でも2週間、理想的には50件以上のコンバージョンデータが蓄積されるまでは、AIのパフォーマンスを評価するのは時期尚早です。辛抱強く学習期間を設けましょう。
3. コンバージョン測定の精度を高める: AIはコンバージョンデータを基に学習します。そのため、コンバージョン測定が正確に設定されていることが大前提です。「拡張コンバージョン」などを導入し、可能な限り多くのコンバージョンデータを正確にGoogle広告へ送ることが、ターゲティング精度の向上に直結します。
4. 自動入札戦略との組み合わせ: 「最適化されたターゲティング」は、「コンバージョン数の最大化」や「目標コンバージョン単価」といった自動入札戦略と組み合わせることで、その効果を最大限に発揮します。ターゲティングと入札が連動し、リアルタイムで最適なユーザーに最適な価格で広告を配信することが可能になります。

ターゲティングAIを加速させるクリエイティブの役割

ターゲティングがAIに最適化されていく中で、広告主がより注力すべき領域が「クリエイティブ」です。AIがどんなに最適なユーザーを見つけてきても、そのユーザーの心に響くメッセージを伝えられなければ、コンバージョンには至りません。最適化されたターゲティングによって、これまで想定していなかったような多様なユーザー層に広告が配信される可能性があります。そのため、単一のメッセージではなく、複数の切り口を持った広告クリエイティブ（レスポンシブディスプレイ広告やレスポンシブ検索広告のアセット）を用意することが重要です。AIは、配信するユーザーの特性に合わせて、最適な見出し、説明文、画像、動画を自動で組み合わせて配信してくれます。多様なクリエイティブアセットを提供することは、ターゲティングAIの学習を加速させ、パフォーマンスを向上させるための重要な「シグナル」の一つとなるのです。

パフォーマンスを正しく評価する：効果測定と分析の技術

新たな戦略を実行した後は、その成果を正しく測定し、次のアクションに繋げることが不可欠です。ここでは、「最適化されたターゲティング」のパフォーマンスを評価するための具体的な方法を解説します。

見るべき主要指標（KPI）

オーディエンス拡大戦略の成否を判断するために、特に注視すべき指標は以下の通りです。

• CPA（顧客獲得単価）: 1件のコンバージョンを獲得するためにかかった費用です。獲得戦略において最も重要な指標と言えます。最適化されたターゲティングを導入したことで、キャンペーン全体のCPAが目標値内に収まっているか、あるいは改善しているかを確認します。
• ROAS（広告費用対効果）: 広告費用に対してどれだけの売上が得られたかを示す指標です。特にEコマースサイトで重要となります。
• コンバージョン数・コンバージョン率: CPAやROASと合わせて、獲得できた件数やその割合も確認します。CPAが目標内であっても、コンバージョン数が減少してしまっては機会損失に繋がります。

これらの主要KPIをキャンペーン全体で評価し、最適化されたターゲティングがビジネス成果に貢献しているかを判断することが重要です。

Google広告管理画面での分析方法と注意点

最適化されたターゲティングによる具体的な配信結果は、Google広告の管理画面から確認できます。対象のキャンペーンまたは広告グループを選択し、左側のメニューから「オーディエンス」＞「オーディエンス セグメント」＞「表を表示」と進みます。レポートの表内に「合計: ターゲティングの拡大と最適化されたターゲティング」という行が表示されます。この行のデータが、手動で設定したオーディエンスセグメント以外、すなわち最適化されたターゲティングによってリーチが拡大された部分のパフォーマンスを示します。ただし、ここで注意すべき点があります。この行のデータはあくまで「拡大された部分」のみの成果であり、どのような特性のユーザーに配信されたかの詳細な内訳は分析できません。そのため、この部分的なパフォーマンスだけで一喜一憂するのではなく、あくまでキャンペーン全体のパフォーマンスが向上しているかどうかを最終的な判断基準とすることが肝要です。

評価における適切な期間設定と考え方

前述の通り、AIによる最適化には一定の学習期間が必要です。新しいキャンペーンで最適化されたターゲティングを開始した場合、少なくとも50件のコンバージョンを獲得するか、2週間以上運用するまでは、パフォーマンスの評価を下すべきではありません。既存のキャンペーンに導入した場合でも、AIが新たな配信パターンを学習し、安定するまでには2～3週間程度の期間を見るのが賢明です。この期間中にパフォーマンスが一時的に不安定になることもありますが、焦って設定を変更せず、AIに学習の機会を与える姿勢が求められます。短期的な指標の揺れに惑わされず、中長期的な視点でキャンペーン全体の成果向上を見据えることが、AI時代における広告運用の新たな常識と言えるでしょう。

まとめ - 広告主が今、本当にやるべきこと

Google広告における「類似セグメント」の時代は終わりを告げました。しかし、それは決してターゲティング能力の後退を意味するものではありません。むしろ、プライバシーという現代的な要請に応えつつ、AIとの協業によって、より高い次元でコンバージョンを追求する新時代の幕開けです。この変化の波を乗りこなし、競合をリードするために広告主が今すぐやるべきことは、極めて明確です。

1. ファーストパーティデータの戦略的蓄積と整備: 自社の顧客データを単なるリストとしてではなく、AIを教育するための最も価値ある「戦略的資産」と位置づけ、その収集と整備に全社的に取り組みましょう。
2. 「最適化されたターゲティング」の積極的活用: 過去の手法に固執せず、AIの力を信じて「最適化されたターゲティング」を積極的に活用しましょう。その際、AIへの「シグナル」として、最も質の高いコンバージョンデータを惜しみなく提供してください。
3. クリエイティブとコンバージョン測定への投資: ターゲティングをAIに任せる分、人間はより創造的な領域、すなわち顧客の心に響くクリエイティブの開発と、AIの学習基盤となる正確なコンバージョン測定の強化にリソースを集中させるべきです。

変化は常に、新たな機会をもたらします。類似セグメントの廃止は、私たち広告運用者に、より本質的な顧客理解とデータ活用を促す絶好の機会です。本記事で解説した戦略を実践し、AIという最強のパートナーと共に、Cookieレス時代の獲得競争を勝ち抜いていきましょう。

最終文字数：6053文字

当社では、AI超特化型・自立進化広告運用マシン「NovaSphere」を提供しています。もしこの記事を読んで
・理屈はわかったけど自社でやるとなると不安
・自社のアカウントや商品でオーダーメイドでやっておいてほしい
・記事に書いてない問題点が発生している
・記事を読んでもよくわからなかった
など思った方は、ぜひ下記のページをご覧ください。手っ取り早く解消しましょう

▼AI超特化型・自立進化広告運用マシンNovaSphere▼