ピラティススタジオのGoogle広告で成果激変｜
地理的変数×入札単価調整の実践記録

なぜ地理的変数が「最重要」なのか

理由はシンプルです。店舗に通えない人は、どんなにターゲットとして理想的でも、お客様にはならないからです。

• 30代女性、ヨガ好き、健康意識が高い——完璧なペルソナだが、店舗から車で1時間の場所に住んでいる。結果：通えないから来ない。
• 50代男性、運動習慣なし、ペルソナとは異なる——しかし、店舗から徒歩5分のマンションに住んでいる。結果：「近いから行ってみよう」で体験に来る。

極端な例ですが、本質を突いています。店舗系ビジネスにおいて、物理的な距離は他のあらゆるペルソナ変数を凌駕するのです。

ピラティススタジオの場合

ピラティススタジオは典型的な「商圏型ビジネス」です。

• 通いやすさが継続率を決める：ピラティスは1回で効果が出るものではなく、継続的に通うことで効果が実感できます。そのため、「通いやすい場所にあること」は入会の決定的な要因です。
• 商圏は限られている：一般的にピラティススタジオの商圏は、都市部で半径2〜3km、郊外で半径5〜10km程度です。この範囲外の人に広告を出しても、体験予約にはほぼつながりません。
• 交通アクセスが影響する：直線距離だけでなく、最寄り駅からのアクセス、バス路線、駐車場の有無が来店しやすさに影響します。

セグメント・オブ・ワンとは

コトラーは「市場は均一ではなく、どの顧客もそれぞれ唯一無二である」と述べています。

従来のマスマーケティングでは「30代女性」「会社員」といった大雑把なセグメントで顧客を分類していましたが、セグメント・オブ・ワンは一人一人の顧客を独立した存在として認識し、最適なアプローチを設計する考え方です。

これは決して「一人一人に違う広告を出す」という非現実的な話ではありません。ペルソナの解像度を極限まで上げることで、ターゲットに最も響くメッセージを設計するというアプローチです。

地理的変数はセグメンテーションの第一歩

コトラーのSTP理論（Segmentation → Targeting → Positioning）において、セグメンテーションの軸として以下の変数が挙げられています。

• 地理的変数：国、地域、都市、気候、人口密度
• 人口統計学的変数：年齢、性別、所得、職業、教育水準
• 心理的変数：ライフスタイル、価値観、パーソナリティ
• 行動変数：購買頻度、使用量、ブランドロイヤルティ

店舗系ビジネスにおいて、地理的変数は他の3つの変数よりも優先されるべき最重要変数です。なぜなら、地理的に来店不可能な顧客は、他のすべての条件を満たしていても意味がないからです。

「年齢が五つ違えば、丸で違う世界を生きている」

弊社は常々、「人は年齢が五つも違えば各々は丸で違う世界を生きている」と考えています。ペルソナの解像度を上げれば上げるほど、クリエイティブの精度が上がり、AIに適切な機械学習を促せます。

地理的変数においても同じことが言えます。「東京都」と「東京都港区」は違う。「港区」と「港区南青山」は違う。「南青山」の中でも、駅徒歩3分のエリアと徒歩15分のエリアは違う。

この解像度の差が、広告の成果に直結するのです。

見えてきた3つの問題

問題1：CVが特定の地域に偏っている

CVデータを地域別に分析すると、体験予約の大半が特定の数エリアに集中していることがわかりました。逆に、広告を配信しているにもかかわらず、CVがほぼゼロのエリアも複数存在していました。

問題2：CVが出ないエリアにも均等に配信されている

Google広告のデフォルト設定では、指定した配信エリア全体に均等（あるいはAIの判断で）広告が配信されます。その結果、CVが出にくいエリアにも広告費が分散し、全体のCPAを押し上げていました。

問題3：AIの自動最適化だけでは限界がある

Google広告のAI（スマート入札）は優秀ですが、地域ごとの「通いやすさ」「交通アクセス」「住民層」といったオフラインの文脈を完全には理解できません。AIはオンラインの行動データに基づいて最適化しますが、「この地域からバス1本で来れる」「この駅から乗り換えなしで通える」といった情報は持っていません。

Step 1：Google広告の地域レポートを精査する

まず、Google広告管理画面から地域別のパフォーマンスデータを抽出します。

• 市区町村レベルまで分解：「東京都」ではなく「○○区○○町」レベルまでブレイクダウン。
• CVが出ている地域を特定：直近3ヶ月〜半年間で、体験予約CVが発生した地域をリストアップ。
• CVが出ていない地域を特定：インプレッションやクリックは発生しているが、CVに至っていない地域を特定。
• CPAを地域別に算出：地域ごとのCPA（顧客獲得単価）を比較し、効率の良い地域と悪い地域を明確にする。

Step 2：お客様から「土地勘」をいただく

ここが弊社のアプローチの特徴です。広告データだけでは見えない情報を、お客様からいただくのです。

具体的には、以下のような情報をお客様にリクエストしました。

この情報が重要な理由は、Google広告のデータだけでは「なぜその地域からCVが出るのか」がわからないからです。お客様（店舗のオーナーやスタッフ）は、日常的に顧客と接しているため、以下のような「土地勘」を持っています。

• 「○○駅から乗り換えなしで来れるので、このエリアの方が多い」
• 「△△エリアは住宅街で主婦が多く、午前中の予約が入りやすい」
• 「□□方面はバスの便が悪いので、車で来る方が多い」
• 「最近、◇◇にマンションが建って、新しいお客様が増えた」

こうした情報は、広告管理画面のどのレポートにも載っていません。しかし、広告の配信設計に極めて有用な情報です。

Step 3：データと土地勘を掛け合わせる

Google広告の地域レポート（定量データ）と、お客様からの土地勘情報（定性データ）を掛け合わせて、以下の3つのカテゴリに地域を分類しました。

具体的な施策

実施した施策は極めてシンプルです。

• CV出る地域（カテゴリA）の入札を強化：入札単価を引き上げ、このエリアでの広告表示頻度と掲載順位を高める。
• CV出ない地域（カテゴリC）の入札を引き下げ：入札単価を大幅に引き下げ、このエリアへの広告費の流出を抑制。
• 潜在地域（カテゴリB）は現状維持：データが蓄積されるまで入札は変更せず、パフォーマンスを監視。

結果：成果が劇的に改善

この施策を実行した結果、成果が目に見えて改善しました。

• CPAが改善：CVが出ない地域への広告費の流出が止まったことで、全体のCPAが大幅に改善。
• CV数が増加：CVが出る地域での入札を強化したことで、インプレッションとクリックが増え、CV数自体も増加。
• 広告費の効率が向上：同じ広告費でより多くのCVが獲得でき、ROAS（広告費用対効果）が向上。

やっていることは「CVが出る地域に予算を集中させ、出ない地域から撤退する」という至極当たり前のことです。しかし、この「当たり前」を実行するためには、地域別のデータ分析とお客様の土地勘の両方が必要なのです。

なぜこれほど効果があったのか

入札単価調整は、Google広告の基本機能であり、特別なテクニックではありません。では、なぜこれほど効果があったのか。

• 無駄な広告費が大幅に削減された：CVが出ない地域に流出していた広告費が、CVが出る地域に再配分された。これだけで効率は劇的に改善します。
• AIの機械学習データの質が向上した：CVが出やすい地域に広告が集中することで、Google広告のAIが「CVしやすいユーザー」の特徴をより正確に学習できるようになりました。
• 「ペルソナに合致するエリア」に集中できた：お客様の土地勘を活用することで、単なるデータ分析では見えない「通いやすいエリア」を特定し、そこに集中投下できました。

お客様リストの住所が最強のデータ

今回、お客様にリクエストした中で最も価値が高かったのは「既存のお客様の住所データ」です。

このデータにより、以下のことがわかります。

• 実際にどこから通っている人が多いのか：広告のCVデータはオンラインの行動を示しますが、実際に継続して通っている顧客の住所は、「本当に通い続けられるエリア」を示します。
• 商圏の実態：想定していた商圏（半径○km）と実際の商圏にズレがあれば、広告の配信エリアを修正できます。
• 未開拓エリアの発見：既存顧客がいない（＝広告が届いていない、または訴求が合っていない）が、地理的には通える可能性があるエリアを発見できます。

「最寄駅へのアクセスが良い駅やバス停」の情報

店舗の最寄駅だけでなく、その最寄駅へアクセスしやすい周辺の駅やバス停の情報も重要です。

例えば、店舗の最寄駅がA駅だとして、B駅からA駅まで電車で5分、C駅からA駅までバスで10分で来れるとします。この場合、B駅周辺とC駅周辺は「商圏に準ずるエリア」として広告配信の対象になります。

こうした交通アクセスの情報は、地図上の直線距離だけでは判断できません。直線距離では近いが、間に川や丘があって実際のアクセスが悪いエリアもあります。逆に、直線距離では遠いが、電車1本で来れるエリアは実質的に近いのです。

弊社のアプローチ：データ × 土地勘 × ペルソナ

弊社のアプローチは、以下の3つの情報源を掛け合わせます。

• データ（広告管理画面）：過去のCV地域、CPA地域差、インプレッション分布
• 土地勘（お客様の知見）：顧客の住所、交通アクセス、住民層の特徴
• ペルソナ（セグメント・オブ・ワン）：理想の顧客像に合致する地域の推定

この3つが揃って初めて、精度の高い地理的ターゲティングが実現します。データだけでもダメ、土地勘だけでもダメ、ペルソナだけでもダメ。掛け合わせることで精度が飛躍的に上がるのです。

なぜローテーションが必要なのか

店舗系ビジネスの広告には、「見込み顧客の枯渇問題」という特有の課題があります。

• 商圏の人口は有限：半径2kmのエリアに住んでいるピラティスに関心がある人の数は有限です。同じエリアに広告を出し続けると、やがて「興味がある人には全員リーチ済み」の状態になります。
• 広告の「摩耗」：同じ人に同じ広告が何度も表示されると、広告効果は逓減します（広告疲弊）。
• CPAの悪化：見込み顧客が枯渇すると、新規CVが減り、CPAが上昇していきます。

逆に、広告の配信範囲を広げすぎると、CVが出ないエリアにまで広告費が分散し、全体の効率が悪化します。

この「狭すぎると枯渇する、広すぎると非効率になる」というジレンマを解決するのが、ピンポイント配信のローテーション戦略です。

ローテーションの具体的な方法

弊社が設計したローテーション戦略は以下の通りです。

• 配信エリアを半径2km単位で分割：店舗を中心に、複数の半径2kmエリアを設定。
• 隔週でエリアの入札を切り替え：2週間ごとに、入札を強化するエリアをローテーション。あるエリアの入札を強化している間、別のエリアは通常入札に戻す。
• CV出る地域は常時配信：実績があるカテゴリA地域は常に入札を強化した状態を維持。ローテーションの対象はカテゴリB（潜在地域）。
• 新規エリアのテスト配信：お客様の土地勘情報をもとに、これまで配信していなかったエリアを小予算でテスト。成果が出ればカテゴリAに昇格。

ローテーションのメリット

• 見込み顧客の枯渇を防ぐ：一つのエリアに集中しすぎない。「休ませる」期間を設けることで、新規の見込み顧客が生まれる時間を確保。
• 新規エリアの開拓：既存の配信エリアだけに固執せず、ポテンシャルのあるエリアを積極的にテスト。商圏の拡大が可能。
• データの蓄積：複数エリアで配信することで、「どのエリアが本当に成果が出るのか」のデータが蓄積され、長期的なターゲティング精度が向上。

AIの自動配信の限界

• オフラインの文脈を理解できない：AIは「このエリアからバス1本で通える」「ここに新しいマンションが建った」といったオフラインの情報を持っていません。オンラインの行動データだけでは、店舗系ビジネスの地理的特性を十分に学習できません。
• データ量が少ないとき正確に動けない：地方や郊外のスタジオでは、地域ごとのCV数が少ないことがあります。AIはデータ量が少ないと正確な最適化ができず、「とりあえず広く撒いてみる」という動きになりがちです。
• 「枯渇」を予測できない：AIは過去のデータに基づいて最適化するため、「このエリアの見込み顧客がそろそろ枯渇する」という予測はできません。結果として、成果が悪化してから初めて入札が調整されます。
• ビジネスの意図を汲めない：「このエリアは将来的に開拓したい」「ここには競合が進出したので重点的に攻めたい」といった経営判断は、AIには伝えられません。

AIと人間の「役割分担」

弊社では、AIと人間の役割を明確に分けています。

AIはリアルタイムの入札最適化において優秀ですが、戦略レベルの判断は人間が行うべきです。AIが得意な「ミクロの最適化」と、人間が得意な「マクロの設計」を組み合わせることで、最大の成果が生まれます。

応用できるビジネスの例

• パーソナルジム・フィットネスジム：ピラティスと同様、通いやすさが継続率を左右する。半径2〜5kmの地理的ターゲティングが有効。
• 飲食店・レストラン：特にディナー利用の場合、商圏はさらに狭い（半径1〜2km）。ランチ利用ではオフィス街への配信も有効。
• 美容室・エステサロン：リピーターが重要なビジネスモデルのため、通いやすさが決定的。最寄駅からのアクセスが特に重要。
• 不動産（マンション・注文住宅）：物件の所在地への通勤アクセスが良い地域、学区が優れた地域など、地理的変数が複合的に影響する。
• クリニック・歯科・整骨院：通院頻度が高い業種ほど、地理的変数の重要性が増す。

共通するアプローチ

業種を問わず、以下のアプローチは共通です。

• 地域別CVデータの分析：どの地域からCVが出ているかを市区町村レベルで分析。
• お客様からの土地勘の収集：既存顧客の住所データ、交通アクセス情報、住民層の特徴を共有いただく。
• 入札単価の地域別調整：CV出る地域の入札強化、出ない地域の入札引き下げ。
• ピンポイント配信のローテーション：見込み顧客の枯渇を防ぎつつ、新規エリアを開拓。

今回の施策を振り返る

• セグメント・オブ・ワンの思想：顧客を「ピラティスに興味がある人」という大雑把なセグメントではなく、「どこに住んでいて、どうやって通えるか」まで解像度を上げた。
• STP理論の実践：地理的変数でセグメントし（S）、CVが出る地域をターゲットに選び（T）、その地域に最適な入札でリーチする（P）。
• ペルソナ軸のマーケティング：「地理的変数が最重要」という判断自体が、ペルソナ軸の思考から導かれた結論。

弊社の信念

弊社「でもやるんだよ」は、コトラーのマーケティング理論に従い、原理原則に忠実に広告運用を行っています。

HOW（どの機能を使うか、どのテクニックを使うか）を先に考えるのではなく、WHO（誰に届けるか）とWHY（なぜその人なのか）を先に考える。その結果として、最適なHOWが自然と導き出される。

今回のケースでも、「入札単価調整をしよう」からスタートしたのではありません。「ピラティスに通えるのはどこに住んでいる人か？」からスタートし、結果として入札単価調整という施策に行き着いたのです。