AIで広告・SEO・SNSのマーケKPIを整理する方法｜チャネル別に見る

広告・SEO・SNSのKPIは、同じ表に数字を並べるだけでは比較できません。広告のclick、SEOのimpression、SNSのreachは、似た「露出・反応」の指標に見えても定義と役割が違います。まず事業の最終成果を共通軸にし、その成果へ各チャネルがどの役割で寄与するかを決めてから、Outcome KPIとDiagnostic KPIを分けます。

この記事では、架空のBtoBサイトを例に、売上やLeadを共通成果として置き、広告・SEO・SNSそれぞれで何を見るか、データSourceと期間をどうそろえるか、AIへ差分分析を依頼する方法、チャネル横断で誤比較しないための判断基準まで整理します。

最初に「共通成果」と「チャネルの役割」を分ける

最初に決めるのは、広告CTRやSEO順位ではなく、マーケティング全体として何を増やしたいかです。たとえば問い合わせ、商談、購入、売上などです。その後で、広告は今すぐ需要を取りに行く、SEOは検索需要から継続流入を作る、SNSは認知・接点・再訪を作る、といった役割を自社戦略に合わせて置きます。

役割が違えば、中間KPIも違います。SNSのengagement率と広告のconversion rateを横並びにして「SNSの方が高い」と評価しても意味がありません。共通成果に近い指標と、各チャネル内の健康状態を見る指標を分けます。

KPIはOutcome / Diagnostic / Data Qualityの3層にする

KPIを3層へ分けると、会議で何を判断する数字か分かりやすくなります。

表は横にスクロールできます

Layer	目的	例
Outcome	事業成果に近い結果	Lead、商談、購入、売上、CPA/ROASなど
Diagnostic	なぜOutcomeが動いたか調べる	impression、click、CTR、CVR、position、reachなど
Data Quality	計測が信頼できるか	tag欠損、未分類source、計測遅延、conversion重複

Outcomeだけでは原因が分からず、Diagnosticだけでは事業成果との距離が遠くなります。Data Qualityを外すと、計測事故を施策の変化だと誤解することがあります。

チャネル別KPI Mapを作る

BtoBの問い合わせ獲得を共通成果とした架空例です。

表は横にスクロールできます

Channel	Outcome KPI	Diagnostic KPI	Primary Source
広告	Lead、CPA、conversion value	spend、impression、click、CTR、CVR	Ads platform + analytics
SEO	Organic Lead	impression、click、CTR、query/page、position	Search Console + analytics
SNS	SNS経由Lead、assisted visit	reach、impression、profile/link click、engagement	各SNS + analytics

この表は固定の正解ではありません。ECなら購入・売上、採用なら応募、メディアなら会員登録などに置き換えます。重要なのは、各チャネルの途中指標を最終成果と混ぜないことです。

広告は費用とconversionの定義を先に固定する

広告ではspendとconversionを結びつけられるため、CPAやROASのような効率指標を作りやすい一方、conversionの定義や計上期間が違うと比較が壊れます。何をconversionとするか、一次conversionと補助conversionを分けるか、どの期間で成果を計上するかを記録します。

架空例として、広告費30万円、広告経由Lead 20件なら、単純なCPAは15,000円/Leadです。ただしLeadの質がチャネルで違うなら、Lead件数だけで予算判断をしません。商談化率や受注まで追える場合は、より下流のOutcomeも併記します。

AIへ「CPAが悪化した理由」を聞く前に、spend増、click単価、CTR、CVR、conversion計測の変更を分けて確認します。費用増とCV減が同時に起きた場合も、どの要素が寄与したかを計算・検証します。

SEOは順位だけでなくQuery → Page → 行動を見る

SEOでは平均掲載順位だけをKPIにすると、検索需要や表示回数の変化を見落とします。Search Consoleのimpression、click、CTR、positionをQuery / Page単位で見て、analytics側のLeadや購入へつなげます。

たとえばOrganic Leadが減ったとき、impression自体が減ったのか、順位が落ちたのか、CTRが下がったのか、流入後のCVRが下がったのかで打ち手が違います。AIには「Lead減少の原因を断定」させず、この分解順で変化箇所を特定させます。

検索需要の季節変動やSERP構成の変化もあり得るため、順位変化と流入変化の因果を自動で決めません。Query・Page・期間をそろえてEvidenceを追加します。

SNSはPlatform内反応とサイト成果を分ける

SNSではreach、impression、like、reply、share、profile visit、link clickなど多くの指標があります。これらはコンテンツの反応を見るDiagnosticとして有用ですが、事業成果と同じではありません。

サイト送客が目的ならlink clickとsession、Leadまで追い、認知が目的ならreachやfrequencyに近い指標を中心にします。コミュニティ形成なら返信や保存など、目的に近い行動を選びます。

「engagementが高い投稿=売上に効いた」とは限りません。SNS内で伸びた投稿とサイトconversionの関係を見る場合は、UTM等の計測条件や流入後の行動も確認します。

架空の月次例でチャネルを横断して読む

説明用の架空データです。

表は横にスクロールできます

Channel	Cost	Site visits	Lead	主要Diagnostic
Ads	300,000円	1,200	20	CTR低下
SEO	—	2,500	30	impression横ばい、CTR低下
SNS	—	600	5	reach増、link click横ばい

この表だけで「SEOが一番優秀」と結論づけません。広告には直接費用があり、SEO・SNSには制作や人件費が別にあります。さらにLead品質や商談化率も未確認です。

ここから言えるのは、広告はLead 20件、SEOは30件、SNSは5件という観測値と、各チャネル内のDiagnostic変化です。次にLead→商談をsource別に確認し、必要ならCost定義を統一して比較します。比較できる条件をそろえてから意思決定へ進みます。

Data Sourceと計測契約をKPI表に持たせる

同じ「conversion」でも、広告Platformとanalyticsで件数が違うことがあります。計測方法、attribution、時刻、重複排除、cookieや同意条件などが異なるためです。数値差があること自体を即エラーと決めず、どのSourceを社内の正本として使うかをKPIごとに決めます。

KPI定義表には、Metric、Definition、Source of Truth、更新頻度、集計期間、Owner、Notesを持たせます。会議で数値が違ったとき、毎回どちらが正しいか議論するのではなく、用途ごとの正本を参照できる状態にします。

AIへ渡す依頼は「差分→仮説→追加Evidence」の順にする

AIへは各チャネルのKPI定義と数値を一緒に渡します。

依頼例：

広告・SEO・SNSの月次KPIを分析してください。

共通Outcome：問い合わせLead

KPI定義とSourceは別表の通りです。

見る順序：

1. Outcomeの前月差・目標差

2. 各Channel内のDiagnostic変化

3. Data Quality異常

4. Hypothesis

5. 追加で確認すべきEvidence

ルール：

• Channel間で定義の違う指標を直接ランキングしない

• 原因を断定しない

• 母数を併記する

• Source不一致はUnknownとして残す

• 最終的に次ActionをOwner付きで出す

この形なら、AIは「SNSのengagementが広告CTRより高い」といった意味の薄い比較ではなく、チャネルごとの役割に沿って異常箇所を整理できます。

KPI Treeで「何が動くと成果が変わるか」を見える化する

KPIを増やしすぎないために、Outcomeから逆向きにTreeを作ります。問い合わせ獲得なら、Lead = Site Visits × CVRのように分け、Visitsを広告・SEO・SNSなどsource別に分けます。広告ならさらにClickとCVR、SEOならClickと流入後CVRというように、原因候補を追える粒度まで分解します。

Treeは因果を保証するものではありませんが、「Leadが減ったら最初にどこを見るか」という診断順を作れます。AIへ分析させる際も、このTreeの順に差分を出させると一般論の示唆を減らせます。

ダッシュボードに載せる指標は判断頻度で絞る

取得できる指標を全部載せると、毎週・毎月見るべきものが分からなくなります。経営層にはOutcome、運用担当にはDiagnostic、計測担当にはData Qualityというように、利用者と判断頻度でViewを分けます。

たとえば週次ではspend、Lead、CPA、Organic click、SNS link clickなど変化を早く見る指標、月次では商談化・受注まで含めたOutcomeを確認する、といった分け方です。更新頻度より細かい判断はできないため、月次確定の指標を日次で評価しないようにします。

よくある誤りを先にチェックする

1. 広告CTR、SEO CTR、SNS engagement率を同じ意味の効率指標として比較する。

2. Platform内conversionとanalyticsのconversionを定義確認なしに合算する。

3. Organic traffic増をSEO施策だけの因果と断定する。

4. SNS reach増を売上貢献と同義にする。

5. Lead件数だけで、商談化率や質を見ず予算配分する。

6. 計測設定変更による数値変化を施策効果と誤認する。

AIにレポートを作らせる前に、この6点をQA条件として渡すと、もっともらしい横比較を減らせます。

AIものさしの判断

広告・SEO・SNSのKPI設計では、チャネルごとに指標を増やすのではなく、まず共通Outcomeを決め、各Channelの役割に沿ってDiagnosticを配置します。比較は同じ定義・期間・Source条件でできるものだけに限定します。

最初の実務Stepは、現在見ている指標をOutcome / Diagnostic / Data Qualityの3列へ分類することです。そのうえでMetric DefinitionとSource of Truthを埋め、各チャネルからOutcomeへつながるKPI Treeを1本作ります。AIには差分と仮説を整理させ、予算や施策の判断は追加Evidenceを確認してから行ってください。