Web広告エージェント：予算を燃やす前に、計測と仮説を固定する

Web広告を分解する

Web広告は「広告文を作って配信する仕事」ではない。誰に、何を、どの媒体で、いくらで見せ、どの行動を成果として測るかを設計する仕事である。

O*NETのSearch Marketing Strategistsでは、オンラインマーケティング戦略の開発や実装、検索データの分析、Webサイト指標の改善、広告キャンペーンの管理などが仕事として整理されている。Google Adsも、コンバージョン計測を設定することでキャンペーン、広告グループ、広告、キーワード別に成果を確認できるとしている。

AIに任せるべきなのは、広告アカウントを勝手に運用することではない。仮説、計測、クリエイティブ、LP、予算、審査リスクを整理することである。

分解した能力	AIの役割	成果物
アカウント設計	キャンペーン、広告グループ、訴求を整理する	構成案
キーワード/ターゲット	検索語、興味関心、除外条件を整理する	配信対象案
広告文	見出し、説明文、CTAを作る	広告文案
クリエイティブ	画像、動画、バナーの仮説を作る	クリエイティブブリーフ
LP整合	広告とLPの約束が合っているか見る	LP改善メモ
計測	CV、タグ、UTM、イベントを確認する	計測チェックリスト
予算管理	日予算、CPA、ROAS、上限を監視する	予算メモ
実験	A/Bテスト、勝ち負け、次案を整理する	実験ログ
審査	ポリシー違反、誇張、禁止表現を確認する	審査リスクメモ

Role

Web広告エージェントの基本ロールは「広告運用・クリエイティブ検証補助エージェント」である。

配信前に目的、計測、予算、LPを確認する
キーワード、ターゲット、広告文、クリエイティブ案を作る
広告とLPの整合性を確認する
Google AdsやMeta Adsの結果を読み、仮説を更新する
審査落ちやポリシーリスクの候補を出す
週次レポートと次アクションを作る

予算変更、入札戦略変更、大規模配信、センシティブ商材、広告停止・再開の最終判断は人間に戻す。

Tools

Tool	用途
Google Ads / Meta Ads	キャンペーン、広告、予算、成果の確認
GA4	流入後行動、CV、ユーザー属性、経路の確認
Google Tag Manager	タグ、イベント、CV計測の確認
Search Console	検索語、自然検索、LP課題の確認
LP/CMS	広告とLPの訴求整合、フォーム、速度の確認
広告ライブラリ	競合クリエイティブ、表現、訴求の観察
BI/表計算	CPA、ROAS、CVR、日次予算の集計
ポリシー文書	禁止表現、制限カテゴリ、生成AI素材の確認
画像/動画生成	バナー、短尺動画、訴求別素材案の作成

Google Adsの生成AI素材も、通常の広告と同じポリシー審査対象である。AIが作ったから安全なのではなく、公開前に人間が正確性、誤認、ポリシー違反を確認する。

Thinking

Web広告エージェントには、予算を使う前に計測と仮説を固定させる。

思考法	チェックする問い
Measurement First	何をCVとして測るか。タグは発火するか
Offer Match	広告の約束とLPの内容は一致しているか
Search Intent	検索語の意図と広告文は合っているか
Creative Hypothesis	画像や動画は何の不安・欲求に刺すのか
Budget Guardrail	いくらまでなら学習コストとして許容できるか
Experiment Design	何を変え、何を固定するか
Policy Risk	誇張、誤認、禁止カテゴリ、個人属性の示唆はないか

Web広告で危険なのは、AIが大量の広告文を作れることではない。測れていない状態で予算を使うことである。

Output

配信前には、次を出す。

項目	内容
目的	リード獲得、購入、認知、来店、資料請求など
CV定義	成果として数える行動
計測確認	タグ、イベント、UTM、重複計測の確認
対象	キーワード、オーディエンス、地域、除外条件
訴求	価格、実績、課題、比較、緊急性など
広告文	見出し、説明文、CTA
クリエイティブ	画像・動画の構成案
LP確認	ファーストビュー、フォーム、速度、信頼材料
予算上限	日予算、週予算、停止条件
審査リスク	ポリシー確認が必要な表現

週次レポートでは、次を出す。

項目	内容
消化金額	予算に対する実績
CV	件数、CPA、CVR
品質	CTR、検索語、LP行動
勝ち訴求	反応が良い広告文・素材
負け訴求	止める候補
異常	急なCPA上昇、CV減少、審査落ち
次アクション	増額、停止、除外、LP修正、素材追加

ワークフロー

事業目的と許容CPAを決める
CV定義とタグ発火を確認する
LPの約束とフォームを確認する
キーワード、オーディエンス、除外条件を作る
訴求別に広告文と素材を作る
予算上限と停止条件を決める
配信後、検索語・CV・CPA・LP行動を読む
勝ち仮説を残し、負け仮説を止める

広告エージェントは「運用を自動化する」より先に、「無駄な学習費を減らす」役割として設計する。

KPI

CV計測の正常性
CPA
ROAS
CVR
CTR
検索語の除外対応率
LP改善提案数
審査落ち件数
予算超過アラート件数
実験ログ作成率

Web広告エージェントの価値は、広告文を量産することではない。予算、計測、仮説、学習を同じ場所に置くことである。

エスカレーション

次の場合は必ず人間へ戻す。

日予算や入札戦略を変更する
高額配信、期間限定キャンペーン、セールを開始する
医療、金融、法律、採用、不動産など規制性の高い商材を扱う
個人属性を推測・示唆する表現がある
競合名や商標を使う
審査落ち、アカウント制限、ポリシー警告が出た
CV計測が壊れている疑いがある

広告は、失敗すると静かにお金が減る。AIは配信作業を速くできるが、測れていない予算消化を正当化してはいけない。

発生しうる業務

Web広告エージェントの仕事は、広告文作成よりも、予算、計測、学習の管理が中心になる。

頻度	業務	AIに任せる粒度
日次	予算消化、CPA急変、審査落ち、CV計測確認	アラート、原因仮説
週次	検索語確認、除外KW、広告文比較、LP行動確認	改善案、停止候補、追加案
月次	チャネル別成果、ROAS、予算配分、実験レビュー	月次広告レポート
随時	新キャンペーン、LP変更、セール、審査対応	配信前チェック、ポリシー確認

広告運用は、放置すると予算だけが消える。AIは、運用者が見落としやすい異常と学習ログを拾う役割を持つ。

学習方法

Web広告エージェントは、配信結果から学ぶ。広告文だけを学ばせても弱い。

学習材料	学ぶこと
検索語レポート	顧客の意図、除外すべき語
広告文別結果	勝ち見出し、弱いCTA
クリエイティブ別結果	画像/動画の勝ちパターン
LP行動	離脱、フォーム到達、CVR
CV品質	問い合わせの質、商談化、購入
審査落ち履歴	危険表現、商材別制約
予算履歴	学習に必要な金額、無駄な消化

学習では、媒体上のCVだけで終わらせない。リードの質、商談化、売上、解約まで戻せるほど強くなる。

能力の磨き方

Web広告エージェントは、CPAを下げるだけではなく、悪い学習を止める力を磨く。

検索語の除外提案が正しかったか記録する
広告文案の採用率と成果を紐づける
LP改善案の実施前後を比較する
審査落ち理由を表現ルールに戻す
CV品質の悪いキャンペーンを検出する
予算超過や異常CPAの検知速度を見る

広告AIは、勝ちパターンだけでなく「止めるべきパターン」を学ぶ必要がある。

作り方

最小構成は、広告管理画面、GA4、GTM、LP、CRMをつなぐ。

CV定義を固定する
UTMとタグ発火を確認する
日予算、CPA上限、停止条件を設定する
検索語と除外語のレビューを週次化する
広告文とLPの訴求を同じ台帳で管理する
リード品質をCRMから戻す

自律エージェントとして作れない場合は、「配信前チェックbot」「検索語レビューbot」「週次広告レポートbot」「審査リスク確認bot」に分ける。予算変更と入札戦略変更は最後まで承認制にする。

最小実装

最初から自律実行させるのではなく、読み取り、下書き、承認付き更新の順に広げる。Web広告エージェントの最小実装は、計測、広告文、クリエイティブ、LP、予算、実験を管理するための「入力を読む場所」「出力を残す場所」「人間が承認する場所」を固定することである。

層	最小構成
入力	広告管理画面、GA、タグ管理、LP、CRM、スプレッドシートから読み取り専用で参照する
処理	事実、推測、未確認、次アクションを分けて整理する
承認	外部送信、重要判断、台帳更新、金銭・契約・人事に関わる操作は人間承認にする
記録	出力、採否、修正理由、次回改善点を同じ場所に残す

入力データ

キャンペーン目的、予算、期間
広告文、クリエイティブ、LP、ターゲット
CV、CPA、ROAS、品質スコア
審査結果、規制、NG表現

入力データには、取得日、参照元、更新者を残す。古い情報や未確認情報を混ぜると、AIはもっともらしいが危ない判断を出す。

出力フォーマット

フィールド	内容
`measurement`	計測状態と不足
`creative_tests`	広告文・画像のテスト案
`budget`	予算配分案
`alerts`	CPA急騰、CV欠損、審査落ち
`next_tests`	次の実験
`unknowns`	未確認事項、追加で人間が見る点
`human_review`	承認者、判断期限、エスカレーション条件

この形式で残すと、後から「AIが何を見て、何を出し、人間がどこを直したか」を追える。

サンプルプロンプト

あなたはWeb広告エージェントです。
目的は「計測、広告文、クリエイティブ、LP、予算、実験を管理する」ことです。

入力:
- 対象: [対象名]
- 参照データ: [参照元]
- 期限: [期限]
- 制約: [承認条件、禁止事項、守るべきルール]

指示:
1. 事実、推測、未確認事項を分けてください。
2. 出力フォーマットに沿って整理してください。
3. 判断できない点を無理に結論づけず、human_reviewに戻してください。
4. 外部送信、重要更新、金銭・契約・人事に関わる操作は実行せず、承認依頼にしてください。

出力:
- 要約
- 構造化データ
- 次アクション
- human_review

ワークフロー

計測が正しいかを先に確認する
仮説ごとに広告文、LP、ターゲットを対応させる
日次で異常値を検出する
予算変更や審査対応は人間承認にする

この流れを固定すると、AIは単発の相談相手ではなく、業務の一部として改善できる。

失敗パターン

計測不備のまま最適化する
規制商材で危険表現を出す
短期変動だけで予算を大きく動かす

失敗パターンは、禁止事項としてプロンプトに入れるだけでは足りない。出力レビュー時に「今回どの失敗に近かったか」を記録し、次の入力データや評価基準へ戻す。

評価ルーブリック

計測確認が最初にある
仮説と広告セットが対応している
予算変更に根拠と承認がある
事実、推測、未確認が分離されている
人間に戻すべき判断がhuman_reviewに出ている

5段階評価にする場合は、3を「人間が軽く直せば使える」、4を「そのまま業務で使える」、5を「次回のテンプレートに採用できる」と定義する。

Web広告を分解する

Role

Tools

Thinking

Output

ワークフロー

KPI

エスカレーション

発生しうる業務

学習方法

能力の磨き方

作り方

最小実装

入力データ

出力フォーマット

サンプルプロンプト

ワークフロー

失敗パターン

評価ルーブリック

関連