P-MAXにおけるYouTube配信比率上昇の背景と、運用上検討すべき制御アプローチ

近年のP-MAXで観測されるYouTube配信比率上昇という挙動

P-MAX（Performance Max）は、Google広告における統合型キャンペーンとして、検索・ディスプレイ・YouTube・Discoverなど複数の配信面を横断し、機械学習によって成果最大化を図るプロダクトです。

近年、このP-MAXについて
・YouTube面への配信比率が想定以上に高まる
・クリック経由のコンバージョンが相対的に減少する
といった挙動が、業種を問わず複数のアカウントで確認されるようになっています。

こうした動きは、一時的なブレとして処理されがちですが、複数アカウントで共通して観測されている点を踏まえると、より構造的に捉える余地があります。運用判断において、どの指標が評価軸として適切なのか、改めて整理する必要があるでしょう。

P-MAXにおいて同時に観測されている共通の傾向

近年のP-MAX運用においては、単一の指標のみが変動するというよりも、複数の指標が同時に変化するケースが、複数のアカウントで確認されています。

特に、以下のような挙動がセットで発生している点が特徴的です。

これらの変化は、特定の業種や単一アカウントに限定されたものではなく、複数業種・複数アカウントにまたがって横断的に観測されている点に特徴があります。そのため、個別の設定ミスや一時的な配信ブレとして片づけるよりも、P-MAXの評価ロジックや学習シグナルの扱い方が、結果としてこうした挙動を生み出している可能性を検討する必要があります。

また重要なのは、これらの指標変化が必ずしも「成果の消失」を意味しているとは限らない点です。 特定の指標（とくにラストクリック指標）のみを基準に評価すると、成果が悪化しているように見える一方で、P-MAXが参照している成果の捉え方そのものが変化している可能性も考えられます。

こうした前提を踏まえると、P-MAXで同時に観測されているこれらの挙動は、最適化に用いられている学習シグナルの影響として捉えることができます。その中でも、次に確認すべきなのが、エンゲージメントビューコンバージョン（EVC）の位置づけです。

EVCがP-MAX最適化に与える影響

この現象を理解するうえで重要なのが、エンゲージメントビューコンバージョン（EVC）の扱いです。

EVCは、YouTube広告を一定時間以上視聴したユーザーが、広告をクリックせずに、その後所定の期間内にコンバージョンした場合に計測されます。P-MAXでは、このEVCも学習シグナルの一つとして参照されており、配信面ごとの「成果発生確率」を判断する材料として用いられていると考えられます。

そのため、視聴後にコンバージョンへ至るケースが一定数確認されるYouTube面は、「クリックを伴わなくても成果につながりやすい配信面」として評価されやすくなります。その結果、YouTubeがP-MAXにとって効率的な配信先として位置づけられやすい構造が形成されます。

ここで重要なのは、成果が失われているのではなく、成果の評価軸が変化しているという点です。

配信停止という判断に入る前に整理すべき4つの視点

P-MAXは、一度学習が進んだ状態から停止すると、
・学習データの断絶
・再開時における配信の不安定化
・他キャンペーンへの間接的影響
といった事象が生じやすい構造を持っています。これは、P-MAXが単独で完結するキャンペーンではなく、アカウント全体の配信・学習バランスの一部を担っているためです。

特に、
・指名検索を補完する役割
・検索ボリュームが不足する時間帯におけるCV創出
をP-MAXが担っていた場合、 配信停止はP-MAX単体の問題にとどまらず、アカウント全体のCV数減少に直結するケースもあります。

したがって重要なのは、 「止めるかどうか」ではなく、「どう制御するか」という視点です。

制御アプローチ① EVC計測期間の見直し

1つ目のアプローチは、EVCの計測期間を短縮することです。

デフォルト設定では、動画視聴後3日間に発生したコンバージョンがEVCとして計測されますが、これを1日などに短縮することで、

・視聴直後に行動したユーザー
・比較的検討度合いの高いユーザー
のみを評価対象として捉えることが可能になります。

EVCの計測期間が長いほど、「視聴とコンバージョンの因果関係」が緩やかに評価されやすくなるため、期間を短縮することは、EVCの学習シグナルとしての厳密性を高める調整といえます。

その結果、YouTube面への過度な最適化が抑制される傾向が確認されています。

制御アプローチ② クリック由来の価値を明示する

2つ目のアプローチは、GCLIDに紐づくオフラインコンバージョンの活用です。CRMやSFAを通じて、

といった、実際のビジネス成果に近い指標をコンバージョンとして広告側に返すことで、P-MAXに対して「何が本当に価値のある成果なのか」を明確に伝えることができます。

P-MAXは、参照可能なコンバージョンデータをもとに配信・入札の最適化を行うため、オフラインCVを取り込むことは、エンゲージメントや視聴行動だけでなく、クリック経由の成果品質を学習に反映させる手段となります。これにより、視聴偏重になりがちな学習状態から、クリック品質を考慮した最適化へ移行する可能性があります。

制御アプローチ③ 配信面の質を担保する

P-MAXは、成果最大化を目的として配信量を確保する過程で、配信可能なプレースメントを広く探索する傾向があります。

その結果、海外言語サイトやゲームアプリなど、意図しない配信面に広告が表示されるケースが発生することがあります。

これらの配信面は、短期的にはインプレッション数や一部の指標を押し上げる可能性がある一方で、誤タップや低関与ユーザーの流入を招きやすく、学習データの質を低下させる要因にもなります。配信先レポートを定期的に確認し、成果につながりにくい配信面を除外することは、配信量を絞るための施策ではなく、P-MAXの学習精度を維持・安定させるための調整作業といえます。

その意味で、配信面の質を担保する取り組みは、P-MAXを安定的に運用していくうえで不可欠な工程です。

制御アプローチ④ P-MAXに依存しない構成への移行

ここまでの制御アプローチを講じても、評価や配信のコントロールが難しいと判断される場合には、P-MAXに依存しない構成への移行も検討対象となります。

重要なのは、YouTube配信そのものが問題なのではなく、配信比率や評価ロジックを人為的に把握・調整しにくい点が、運用上の課題となるケースがあるという点です。その場合、

といった役割分担型の構成へ移行することで、配信面ごとの役割や予算配分、成果評価の軸を人間側でコントロールしながら、動画配信の効果を活用することが可能になります。

これはP-MAXを否定する施策ではなく、ブラックボックス化しやすい領域を切り分け、アカウント全体の再現性と安定性を高めるための選択肢の一つです。

P-MAXを「止める」前に考えるべきこと

P-MAXを取り巻く環境は、プロダクトアップデートとともに常に変化しています。そのため、過去に有効だった運用方法が、今後も同じように通用し続けるとは限りません。

こうした前提に立ったとき、重要になるのは、「合わなくなったから止める」という短絡的な判断ではなく、「現在の挙動を理解し、どのように制御すべきか」という視点です。
P-MAXは決して万能なキャンペーンではありません。
一方で、その特性や評価ロジックを正しく理解したうえで運用すれば、検索・動画・ディスプレイを横断しながら、アカウント全体を下支えする役割を担い続ける可能性も持っています。

重要なのは、成果の良し悪しを単一の指標で判断するのではなく、P-MAXを「どの役割で、どのように使うのか」を常に再定義し続ける姿勢だといえるでしょう。