広告費を月数百万使ってるのに効果が見えない経営者へ——CV価値の階段設計でROIを劇的改善する方法

「広告費は毎月数百万円使っている。問い合わせも来ている。でも、本当に効いているのか、誰も答えられない」

高単価サービスを扱う中小企業の経営者なら、一度はこの感覚を味わったことがあるはずです。月次レポートを開くと、CPA（獲得単価）やクリック数、CV数（コンバージョン数）は並んでいる。代理店は「数字は改善傾向です」と言う。でも、決算を見ると売上は広告費に見合っていない。

私も、ある事業のGoogle広告運用で全く同じ状況にハマっていました。数ヶ月間で広告費が1億円近くに達していたのに、実際の成約件数は20件未満。ROIは大幅マイナス。代理店のレポートは毎月「改善してます」と前向きなのに、実態は大赤字。

原因を徹底的に掘ったら、広告運用の根本的な設計ミスにたどり着きました。このミスは、高単価商材のBtoC事業者に共通する落とし穴で、多くの会社が気づかずに広告費を垂れ流しています。

この記事では、そのミスの正体と、CV価値の階段設計という解決策を、実装レベルまで踏み込んで解説します。特に粗利が100万円以上の高単価商材を扱っている方には、記事の内容がそのまま使える設計になっています。

この記事の結論

• 問題の正体：広告AIに「CV数最大化」を指示すると、無効問合せの多いキーワードにも予算が流れる。高単価商材では無効問合せ比率が30〜40%に達する
• 解決策：目標を「CV数最大化」から「CV価値最大化」に切替。有効問合せだけを「粗利期待値」で評価し、無効問合せは¥0扱いに
• 階段設計：問い合わせ50万円 → 初回面談+75万円 → 契約+375万円。増分方式で各段階に価値を配分し、累計は粗利500万円に一致させる
• 有効問合せの判定：実在性／流入経路／明示的な無効除外／重複排除の4層フィルタ
• 転換率の扱い：保守的にスタートし、実測を見て段階更新。40%未満は据え置き、40-50%で+20%、50-65%で+50%、65%以上で+80%
• 効果の出方：切替から2〜3週は学習期間で数字が一時的に悪化。3ヶ月目以降に本格改善が見え始める

なぜ、問い合わせ件数をゴールにしてはいけないのか

まず、大半の会社が陥っている根本的なミスから整理します。

Google広告にしろ、Meta広告（Facebook／Instagram）にしろ、今の広告配信はAIによる自動入札が主流です。広告AIは、与えられた目標を達成するために、自動でキーワードを選び、入札額を調整し、予算配分を変えていきます。

このとき、AIに与える目標として多くの会社が設定しているのが「CV数を最大化」です。つまり「問い合わせ件数を増やしてください」という指示ですね。

一見、これで良さそうに見えます。問い合わせが増えれば、その中から契約が生まれるはずだから。

でも、ここに致命的な問題があります。

無効な問い合わせの存在

高単価商材を扱う事業だと、問い合わせの中に契約に繋がらない類型が必ず混ざります。例えばこういうものです。

• 間違い電話（類似業種と混同して電話してきた）
• 対象外の相談（自社サービスの範囲外）
• 価格帯が合わない（安い選択肢を探している）
• エリア外の問い合わせ（遠方で対応できない）
• 同業者からの探り

私の経験では、高単価商材ほど無効問合せの比率が30〜40%になります。問い合わせの3〜4割が、最初から成約の可能性がない。

そして、ここが広告運用の落とし穴です。

広告AIの誤学習

広告AIには「どれが有効な問い合わせで、どれが無効か」を判定する能力はありません。問い合わせが発生した瞬間、全てを同じ「1件のCV」として記録します。

そして、AIはこう学習します。

「このキーワードからは問い合わせが取れる」
「この広告グループはCPAが安い」
「だから、ここに予算を多めに流そう」

問題は、無効問合せが多いキーワードほど、AIがCPAの低さを評価して予算を寄せてしまうこと。間違い電話が大量に来るキーワードは、見かけ上「CPAが安い獲得効率の良いキーワード」として扱われます。

結果、広告費は無効問合せの多い領域にどんどん集中し、本当に質の高い問い合わせを生むキーワードには予算が回らなくなる。

数字を見ると分かる現実

私の事例で言うと、実績は概算でこうなっていました。

• 広告費: およそ1億円（数ヶ月間累計）
• 総CV数: 200件前後
• 実成約: 20件弱
• 見かけ上のCPA: 約50万円（広告費÷総CV）
• 実際のCPA: 約500万円（広告費÷成約数）

見かけの10倍が、本当のCPA。1契約の粗利が500万円の商材だったので、広告費だけで粗利とほぼ同額という危険な水準。代理店のレポートは「CPA 50万円、改善傾向」と表示されますが、実際の事業貢献で見ると大赤字です。これが、「効いているか分からない」感覚の正体です。

解決の方向性: AIに「質の重み」を教える

では、どうすればいいのか。答えはシンプルで、広告AIに「問い合わせの質」を教えること。

具体的には、従来の「CV数最大化」から「CV価値最大化」という目標に切り替えます。「件数を増やす」のではなく「価値の総和を最大化する」という目標を与える。

これをやると、AIの学習がこう変わります。

つまり、無効問合せを「価値ゼロ」として扱い、有効問合せだけを「契約につながる期待値」で評価する設計にする。こうすると、AIは自動的に「質の高い問い合わせを生む領域」に予算を寄せていきます。

問題は、「じゃあ、有効問合せ1件の価値をいくらに設定すればいいのか？」。これが本記事の核心部分です。

CV価値の階段設計——4段階で組み立てる

CV価値の設計には、4段階の思考プロセスがあります。一つずつ見ていきます。

第1段: 出発点は「1契約の粗利」

全ての起点は、1契約あたりの粗利額です。これは事業の確定値で、他の全ての計算はここから逆算していきます。

ここでは仮に、1契約の粗利が500万円だとして話を進めます。売上ではなく「粗利」なのがポイント。広告は売上を作るための投資ですが、判断軸は粗利ベースで見るべきです。売上で計算すると、原価率の高い商材では過大評価になって広告費を使いすぎます。

この500万円が、広告設計における「ゴールの価値」になります。数字はお手元の事業に置き換えて読み替えてください。

第2段: 期待価値を逆算する

次に、「問い合わせ1件が、最終的にいくらの粗利につながる期待値か」を計算します。

ここで必要なのが、自社のファネル転換率です。問い合わせから契約までの間に、通常こういうステップがあるはず。

• 問い合わせ → 初回面談（商談・来店） → 契約

各ステップの転換率を、過去データから出します。例えば:

• 問い合わせ→初回面談: 40%
• 初回面談→契約: 25%

この数字から、逆算で各段階の期待価値を計算します。

契約の粗利 = 500万円
↑（×25%）
初回面談の期待価値 = 500万円 × 25% = 125万円
↑（×40%）
問い合わせの期待価値 = 125万円 × 40% = 50万円

つまり、「問い合わせが1件来た時点で、最終的に期待できる粗利は50万円」ということ。この50万円が、問い合わせ段階のCV価値の候補になります。

第3段: 二重計上を防ぐ「増分方式」

ここが一番のキモです。同じユーザーが「問い合わせ→初回面談→契約」と全ステップを通過したとき、各段階でCV価値を満額計上すると、どうなるか。

❌ 悪い例（二重計上）
問い合わせ 50万円 + 初回面談 125万円 + 契約 500万円 = 675万円
→ 実際の粗利500万円を超えてしまう

これをやると、広告AIが誤学習します。AIは「このユーザーから675万円の価値が得られた」と判断し、実際の粗利以上の広告費を投下しても妥当だと考える。結果として、投資対効果が崩れます。

そこで使うのが「増分方式」です。各段階では「その段階に進んだことによる価値の増分」だけを計上します。

✅ 増分方式

問い合わせ到達: CV価値 50万円
（累計: 50万円）

初回面談到達: CV価値 +75万円（= 125万円 − 50万円）
（累計: 125万円）

契約到達: CV価値 +375万円（= 500万円 − 125万円）
（累計: 500万円）✓

合計 = 50万円 + 75万円 + 375万円 = 500万円

合計が粗利と一致しました。各段階で増分だけを計上することで、どこまでステップが進んでも、累計が粗利を超えません。

これが、CV価値の階段設計の核心です。

第4段: AIの学習に与える効果

この設計でGoogle広告に価値を送ると、AIの学習が根本的に変わります。

問い合わせ段階で50万円の価値が発生するので、AIは「質の高い問い合わせを取れるキーワード」を好むようになる。初回面談到達で+75万円が追加されるので、「初回面談に実際に来てくれるユーザーを連れてくるキーワード」がさらに評価される。契約到達で+375万円が加算されるので、「成約まで繋がるユーザー層」への配信が強化される。

段階を進めるほど高い価値が発生するので、AIは成約に近いユーザーを集めることを最優先で学習します。結果、広告費が「成約に近い層」に自然に集中していきます。

実装の要: 「有効問合せ」をどう判定するか

ここまでの設計を実運用に落とし込むとき、一番の難所が「有効問合せの判定」です。無効問合せを¥0として扱う、と書きましたが、どうやって判定するのか。

4層フィルタで判定する

私が実装しているのは、4層のフィルタを全て通過した問い合わせだけを有効と判定する仕組みです。

Layer 1: 実在性チェック
顧客管理台帳（CRM、スプレッドシートなど）に記録されているかを確認。電話が鳴ったけど台帳に記録がない＝実在しない問い合わせ、として除外。迷惑電話やシステムエラーによる誤カウントを弾く役割です。

Layer 2: 流入経路の妥当性
指名キーワード（会社名・サービス名）経由、または過去の成約者と同じキーワード・広告グループ経由、またはフォームで成約者と類似する語彙を含んでいる——これらのいずれかを満たす問い合わせだけを通す。

ここで「成約者の行動パターン」を基準にするのがポイントです。過去の成約ユーザーと似た経路で来た問い合わせは、質が高い可能性が高い。

Layer 3: 明示的な無効除外
問い合わせ内容に明確な無効サインがある場合、除外します。具体例:

• 間違い電話・誤連絡
• 対象外の相談（自社サービス範囲外）
• 価格帯が合わない（安い選択肢希望）
• エリア外からの相談

このレイヤーは、受電担当者や初期対応担当者が分類タグを付けて判定します。判定基準は事前にマニュアル化しておく必要があります。

Layer 4: 重複排除
既に初回面談に進んでいる、あるいは既に契約済みのユーザーからの再問い合わせは除外。同一ユーザーの複数回の問い合わせを、複数のCVとして計上してしまうと、AIが混乱します。

実装の受け皿

これを実装するには、以下のデータ基盤が必要になります。

• 顧客管理台帳（問い合わせの実在性を記録）
• 広告配信データ（どの経路からの流入かを特定）
• 初期対応記録（無効サインの有無を記録）
• ファネル進捗データ（初回面談・契約のステータス管理）

これらを統合するために、多くの場合BigQueryやGoogleスプレッドシートでのビュー作成が必要になります。ここは技術的な実装が絡むので、広告代理店やマーケティング担当者との連携が要ります。

ただし、4層フィルタの考え方そのものは技術に関係なく誰でも設計できるので、実装を外注する場合でも仕様は自社で決められるようにしておくのが重要です。

転換率の扱い方——保守的にスタートし、実測で更新する

CV価値の計算で、もう一つ重要な論点があります。それは転換率をどう設定するか。

先ほどの例で「問い合わせ→初回面談の転換率を40%」と置きましたが、この数字の根拠は何か、という話です。

保守的にスタートする理由

私が最初に設定したのは、意図的に低めの保守的な数字です。

理由は、広告経由の問い合わせは、オーガニック流入（自然検索・指名流入）よりも転換率が低い傾向があるから。オーガニックで初回面談到達率が60%だったとしても、広告経由はその60〜70%水準から始めるのが安全です。

楽観的な数字でスタートすると、実測が届かなかったときにCV価値が過大設定になります。AIは過大な価値を信じて高額入札するので、広告費が無駄遣いされる。逆に保守的な数字でスタートすれば、実測が上回ったときに後から上げればいい。

下方修正より上方修正のほうが、事業へのダメージが少ないんです。

段階的な更新ルール

転換率は運用開始後2〜3ヶ月で実測が取れるようになるので、データに基づいて段階的に更新します。私が使っているのは、以下の段階ルールです（初期値40%の場合の例）。

このルールを事前に決めておくのがポイントです。「数字を見て判断する」と言うと、つい主観的になります。事前にルール化しておけば、実測データと照らして機械的に判断できます。

これは、ファンドマネージャーがポジション管理で「損切りライン」を事前に決めておくのと同じ発想です。感情を介在させない判断の仕組みを作っておく。

効果が現れるまでのタイムライン

この設計を実装して、いつから効果が出るか。これも経営者として気になる論点です。

Google広告の学習期間

Google広告のAIは、新しいCV定義を与えてから2〜3週間の学習期間を要します。これは「CV価値最大化」に限らず、どんな新しい目標設定でも同じ。

つまり、運用を切り替えた直後は、実際に数字が動き始めるまでタイムラグがあります。この間、見かけ上はCV数が減ったり、CPAが一時的に悪化したりします。この時期に焦って元に戻すと、全ての努力が水の泡になります。

ここは経営者として覚悟を持って耐える期間です。代理店にも「2〜3週間は動かさない」と明確に伝えておく必要があります。

本格判定は3ヶ月後

本格的な改善が見える判定は、設計切替から3ヶ月後。この時期にはAIの学習が完了し、予算配分が新しいルールに基づいて最適化されています。

指標としては:

• 有効問合せ比率（全問合せ中の有効率）
• 初回面談到達数
• 成約数
• ROI（広告費対粗利）

この4つを月次で追いかけます。設計が正しければ、3ヶ月目には有効問合せ比率が大幅改善し、総CV数は減っても初回面談到達数が維持または増加しているはず。

半年で次の設計に進化させる

3ヶ月の実測データが揃ったら、次のステップは転換率の更新と、成約者属性に基づくオーディエンス設計。ここまで来ると、広告運用が「配信する広告」から「買いたい人を見つけに行く広告」に進化します。

ただし、これは本記事の範囲を超えるので、また別の機会に書きたいと思っています。

他の選択肢との比較——なぜ階段設計なのか

CV価値の設計には、複数のアプローチがあります。最後に、他の選択肢と比較して、なぜ階段設計が優れているかを整理します。

D案は、多くの中小企業が現在採用している方式です。「CPAを5万円以下に抑えてください」というやつ。これ、質を完全に無視しているので、無効問合せが増える構造になっています。

A案は、理論的には最大価値を取れそうに見えますが、二重計上でAIが暴走します。

B案は、最終成約のみを価値として設定するので、シグナルが少なすぎてAIが学習に時間がかかりすぎる。特に成約までに時間がかかるBtoC商材だと、学習が間に合いません。

C案（階段設計+増分方式）が優れているのは、以下の理由によります。

• 粗利と一致するので、AIが過剰投資しない
• 各段階で学習シグナルが発生するので、AIの学習スピードが早い
• 無効問合せが自動的に除外される（Layer 4で判定）
• 事業の実態に忠実（転換率を正直に反映）

経営者として押さえるべき5つのポイント

ここまでの話を、経営者として押さえるべき実行ポイントに絞ると、5つになります。

一つ目は、広告のゴールを「件数」から「価値」に変えること。CV数最大化をしている限り、無効問合せの温床から抜け出せません。最初に経営として意思決定すべきはここです。

二つ目は、1契約の粗利を正確に把握すること。ここが曖昧だと、全ての計算が崩れます。売上ではなく粗利、できれば変動費まで引いた本当に事業に残る利益を出す。

三つ目は、ファネルの転換率を最低2段階、できれば3段階で把握すること。「問い合わせ→初回面談→契約」の各転換率が出せない会社は、そもそも広告ROIを計算できません。ここは先に整備する必要があります。

四つ目は、有効問合せの判定基準を明文化すること。4層フィルタの考え方を自社に落とし込むと、受電担当や営業担当の初期対応の精度も同時に上がります。広告運用と営業プロセスは、実は分けられません。

五つ目は、切替後2〜3週間は耐えること。ここが一番難しい。数字が一時的に悪化しても動かさない覚悟が、最終的な成功を分けます。

広告運用は、数字の設計で決まる

広告費を月数百万円使っているのに効果が見えない。その原因のほとんどは、配信の工夫ではなく、ゴール設計のミスです。どのキーワードに入札するか、どのクリエイティブを使うかより、何を価値として定義するかのほうが、結果に与える影響は桁違いに大きい。

この記事で紹介したCV価値の階段設計は、派手さはありませんが、広告運用の土台に当たる部分です。土台が崩れている状態で小手先の改善をしても、効果は限定的。逆に、土台を正しく作れば、後の運用改善が全て効くようになります。

もし月数百万〜数千万の広告費を投入していて、効果に疑問を感じているなら、一度、自社のCV設計を見直す価値があります。代理店任せにせず、経営者自身がこの構造を理解して、設計に関与する。広告は「出稿する作業」ではなく「設計する投資判断」です。

数値設計が正しい会社は、広告費が半分でも成約が増える。逆もまた真。この現実を、どこかのタイミングで経営者が直視する必要があります。

自社の設計を見直したい、具体的な実装で迷っている、という方は、ぜひ一度、CV設計の構造から話をしてみたいと思います。広告代理店とは別の視点から、事業ROIの根本改善をお手伝いできるかもしれません。

関連記事

• Google広告の「AI Max for Search」とは？仕組みと運用上の注意点を解説
• 広告データを自分の手に取り戻す ── 中小企業がBigQuery × AIで広告効果測定基盤を作った話
• Opus 4.7になったら、AI社員の半分が要らなくなった話
• 中小企業のAI導入は最初の90日で9割決まる
• AI時代の組織に必要な3つの原則