この記事のポイント

• P-MAXアセットグループの分割基準は「商材特性・検索意図・ターゲット属性」の3軸で判断し、CV数が分散しない最小分割数を目安とするのが実務上の定石である。
• アセットグループを細断しすぎると各グループの学習データが不足し、スマート入札の最適化精度が著しく低下するため、分割数の上限は3軸の差異が明確に存在するかどうかで判断する。
• オーディエンスシグナルと検索テーマを複数グループで使い回すと配信意図が混濁するため、グループごとに異なるシグナルセットを設計するのが原則である。
• 「評価なし」のまま放置されたアセットは最適化の対象外になる可能性があるため、立ち上げ後4週間を目安にアセット評価ステータスを確認し、必要に応じて差し替えを検討する。
• P-MAXアセットグループの設計見直しトリガーはCV数ベースで判断し、グループあたり月間CV数が一定水準を下回るようであれば統合を検討すべきである。

P-MAXアセットグループ設計実務｜商材・意図・ターゲット別の分割基準と崩壊しやすい失敗パターン診断

Performance Maxを導入してしばらく経ったが、思ったように成果が安定しない。そういった状況の多くは、アセットグループの設計段階に根本的な問題を抱えていることが少なくありません。何個に分けるべきかの基準が曖昧なまま運用を続けると、機械学習はノイズを学習し続け、改善の糸口すら見えにくくなります。

この記事では、P-MAXアセットグループをどう設計・分割するかについて、商材特性・検索意図・ターゲット属性の3軸フレームで体系化します。また、実務でよく観察される設計崩壊のパターンを5類型に整理し、自己診断できるチェックリストの形で提示します。

---

アセットグループの役割を再定義する｜キャンペーン設定と何が違うのか

キャンペーン層とアセット層の構造的分離

P-MAXキャンペーン構造とアセットグループの位置づけ

Performance Maxのキャンペーン構造において、アセットグループはキャンペーンの下層に置かれる単位です。キャンペーン側で決まるのは予算・入札目標・地域・広告表示オプションといった配信条件であり、アセットグループ側で決まるのは「何を訴求し、誰に届け、どのランディングページへ誘導するか」です。

つまり、配信の精度を上げるための意思決定は、ほぼアセットグループレベルで完結します。同じキャンペーンの中に複数のアセットグループがあれば、それぞれ異なるオーディエンスシグナル・検索テーマ・アセット素材・最終ページURLを持てるため、訴求ターゲットの分離が可能になります。これが、単なるキャンペーン設定との最大の違いです。

アセットグループが入札・配信精度に与える影響範囲

スマート入札はキャンペーン全体のCV実績を学習しますが、配信先チャネルや誰に何を届けるかの方向性はアセットグループのオーディエンスシグナルと検索テーマが強く影響します。シグナルが曖昧なグループは、機械が「とりあえずインプレッションを集めやすい場所」に流れがちです。逆に言えば、アセットグループの設計が整っていれば、機械が正しい文脈で学習できる素地が整います。

P-MAX共存時代のキャンペーン構造整理を踏まえた上でアセットグループを設計すると、上位構造との整合が取りやすくなります。

「1キャンペーン1アセットグループ」がデフォルトにならない理由

Google広告のUIでは、新規キャンペーン作成時にアセットグループが1つ自動生成されます。そのまま複数商材・複数訴求のアセットを詰め込むケースが後を絶ちませんが、これは機械学習にとって非常に扱いにくい状態です。異なる価格帯の商品、異なる購入意図の訴求、異なるターゲット属性を1グループに混在させると、機械は「最もコンバージョンしやすい何か」に予算を集中させ始め、意図しない偏りが生じます。

設計として「1キャンペーン1アセットグループ」を選ぶことが正解になる場面も存在します。ただしそれは「分ける必要がない」と判断した結果であるべきで、デフォルトとして放置したものではない、という点は明確にしておく必要があります。

---

分割基準の3軸フレーム｜商材・検索意図・ターゲットで切る

図1: 分割を判断する3軸フレームの全体像

アセットグループをいくつに分けるかは、3つの軸が「どれだけ差異を持つか」で判断します。差異がなければ分ける必要はなく、差異が大きければ分ける根拠になります。

軸1: 商材特性（単価・購買サイクル・SKU数・競合ポジション）

単価が異なる商品ラインを同一グループに入れると、CPA目標が実態に合わなくなります。たとえば月額3,000円のエントリープランと月額30,000円のエンタープライズプランを1グループで運用すれば、機械はCPA目標に引っ張られてどちらかに偏った配信を始めます。

購買サイクルも重要です。即決型の日用品と、比較検討期間が数週間かかるBtoB商材では、リターゲティングの設計もシグナルの設計も根本的に異なります。SKU数が多い場合は、Merchant Centerのカスタムラベルを活用して商品グループ単位でアセットグループを分ける構造が有効です。

軸2: 検索意図（指名 vs 一般 vs 比較検討 vs 競合名）

指名検索（ブランド名や製品名を含む検索）と一般検索（カテゴリキーワードでの検索）では、ユーザーのファネル位置が大きく異なります。同一グループで訴求を混在させると、指名ユーザーへの刷り込み訴求と、一般ユーザーへの発見訴求が同じアセットで配信されることになり、どちらにとっても最適化されない状態になります。

ただし指名分離については、検索テーマの設定方法と組み合わせた設計が必要です。検索テーマの役割とキーワードとの使い分けも参照しながら検討すると整理しやすくなります。

軸3: ターゲットセグメント（ファネル深度・顧客属性・地域）

既存顧客・類似ユーザー・新規開拓のコールドオーディエンスでは、最適な訴求内容も、期待されるCV率も異なります。同一グループで配信すると、最もコンバートしやすい既存顧客へ予算が集中し、新規獲得の学習が進まないケースが見られます。

地域差が大きい商材（地域別の料金・サービス内容が異なる場合など）も、地域軸での分割が検討に値します。ただし地域分割はCV分散リスクを高めるため、対象地域のCV総量が分割後も十分に確保できるかどうかを確認した上で判断します。

3軸の掛け合わせで決まる最適分割数の目安と上限の考え方

3軸それぞれに差異があるからといって、掛け合わせ通りにグループを作ると数が膨らみすぎます。実務上の考え方は「CVが分散しない最小分割数」です。グループあたりの月間CV数が目安として30〜50件を下回ると、スマート入札の学習が安定しにくくなると一般に言われています。この水準を下回るようなら、軸の優先順位をつけて統合を検討すべきです。

優先順位の原則としては、「商材訴求の差異」が最も強い分割理由になります。次いで「意図の差異」、最後が「ターゲット差異」です。ターゲット軸のみでの分割は、シグナル設計で対応できる場合が多いため、グループ分割より先にシグナル設計の精度を上げることを検討します。

---

商材特性別の分割パターン設計

同じ「P-MAX」でも、扱う商材によって最適な設計パターンは大きく変わります。ここでは代表的な4パターンを整理します。

ECショッピング連携型: Merchant Centerカスタムラベルとの連動設計

Merchant Centerと連携したP-MAXの場合、アセットグループは商品グループの区切りに合わせて設計するのが基本です。Merchant Centerのカスタムラベルで商品を「高単価」「セール品」「新作」「定番」などに分類し、それぞれに対してアセットグループを作ると、訴求内容とLP・商品が整合します。

注意点は、アセットグループにアセット素材を設定しない場合、動的に生成されるDynamic Creative依存の配信になることです。素材の質がコントロールできないため、主力商品ラインには必ず画像・動画・テキストのアセットを揃えてグループを作ることが推奨されます。

単品BtoC商材: 訴求軸別（機能 vs 価格 vs 社会的証明）の分割判断

単品商材でも、訴求角度が複数ある場合はアセットグループで訴求を分離する方法があります。機能訴求・価格訴求・口コミや実績による社会的証明訴求では、届けるべきオーディエンスの購買意欲の段階が異なるためです。

ただしこの分割は「CV数の確保」が前提です。単品商材でCV総数が月100件未満の場合、訴求軸での分割はデータ不足を招きやすい。その場合は1グループにまとめ、アセット内の見出し・説明文の組み合わせで訴求バリエーションをカバーする方が現実的です。

BtoB商材: 業種・役職ターゲット別のアセット分離設計

BtoBは意思決定者が複数存在することが多く、「情シス担当者向け」「経営企画向け」「現場マネージャー向け」では刺さるメッセージが根本的に異なります。オーディエンスシグナルとしてカスタムセグメント（特定業種の役職をターゲットにする構成）を活用し、グループごとに異なるシグナルを設定します。

BtoB商材のP-MAX運用でよくある問題は、ターゲットとの整合が取れていない最終ページURLです。「業種・役職別の訴求ページ」が存在しない状態でアセットグループを分けても、訴求とLPの乖離が発生します。LP側の設計が前提条件になる点は見落とさないようにしてください。

複数商材混在: キャンペーン分割 vs アセットグループ分割の選択基準

複数の商材ラインが存在する場合、「別キャンペーンにするか、同一キャンペーンの別アセットグループにするか」という判断が必要です。基準は入札目標が同一かどうかです。

• 入札目標（目標CPA・目標ROAS）が商材間で異なる → キャンペーン分割
• 入札目標は同一で、訴求・LP・ターゲットだけが異なる → アセットグループ分割

この基準を混同すると、入札目標の違う商材が同一キャンペーンに混在し、機械が入札最適化の方向性を誤ります。予算の柔軟な配分が必要な場合もキャンペーン分割を優先します。

---

オーディエンスシグナル×検索テーマの設計実務

アセットグループに設定するシグナルの質が、配信精度の分かれ目になります。シグナルは「こういう人に届けてほしい」という機械への指示ではなく「こういう人が転換しやすい」というヒントを与えるものです。この前提を理解しているかどうかで、設計の精度が変わります。

オーディエンスシグナルの種類と優先順位

シグナルとして設定できる主な種類は、カスタムセグメント・自社データ（顧客リスト・サイト訪問者）・類似ユーザー・インテントオーディエンスです。優先順位の考え方は以下の通りです。

シグナル種別	優先度	理由
自社CVユーザーリスト	最高	実際のコンバージョンデータに基づく最も精度の高いシグナル
カスタムセグメント（URLや検索語句ベース）	高	購買意欲の高い文脈ユーザーをターゲティングできる
インテントオーディエンス	中	Googleの購買意図データを活用できるが外部依存
類似ユーザー	低〜中	自社データが薄い立ち上げ期には有効だが、精度は上記より劣る

立ち上げ期に顧客リストが存在しない場合は、カスタムセグメントで「自社サービスに関連する検索語句を最近検索したユーザー」を設定することで代替できます。

検索テーマをアセットグループ間で重複させてはいけない条件と対処

検索テーマは、アセットグループ間で同一または類似のテーマを設定すると、グループ同士が内部競合する可能性があります。特に同一キャンペーン内で検索テーマが重複しているケースでは、機械がどちらのグループに予算を流すかを決定する際に混乱が生じやすくなります。

対処の基本は「グループごとに検索テーマを明確に分離する」ことです。指名グループには指名関連テーマのみ、一般グループにはカテゴリキーワードベースのテーマのみ、という構成にします。P-MAX時代の除外キーワード設計実務と組み合わせると、不要な重複配信をさらに絞り込めます。

シグナルデータが薄い立ち上げ期の設計判断フロー

立ち上げ初期はCV数がゼロに近く、シグナルとして使える自社データがほぼ存在しません。この段階でアセットグループを細かく分割するのは得策ではありません。推奨するフローは以下の通りです。

1. 立ち上げ時: アセットグループは1〜2本に絞り、カスタムセグメント中心のシグナルで配信開始
2. CV累積後（グループあたり30件超）: シグナルを自社データに更新し、配信傾向を観察
3. 安定期（グループあたり月50件超）: 商材・意図・ターゲット軸の差異が明確になった時点で追加分割を検討

分割は最初から設計するより、「分割を検討すべき状態になったかどうか」を観察しながら段階的に判断する方が、学習の継続性を保てます。

---

崩壊しやすい失敗パターン5選｜自己診断チェックリスト

設計の崩壊は5つのパターンに収束する

設計時点では問題がなくても、運用を続けるうちにアセットグループが機能しなくなるパターンがあります。以下の5類型は、P-MAX運用で繰り返し観察される設計崩壊の典型例です。

パターン1: 全商材を1グループに詰め込む「オールインワン崩壊」

症状: アセットグループが1つしかなく、商品カテゴリも訴求も混在している。 何が起きるか: 機械が「最もCVしやすい商品・オーディエンス」に予算を集中させ、他の商材・訴求への配信が著しく偏る。改善しようにも、どの訴求が問題なのかレポートで切り分けられない。

チェック項目:

• 単価帯・購買サイクルが異なる商材が同一グループに入っていないか
• アセットのタイトル・説明文が複数の無関係な訴求に分散していないか
• 最終ページURLが汎用TOPページになっていないか

パターン2: 分割しすぎてデータが分散する「細断崩壊」

症状: アセットグループが10個以上あり、各グループの月間CV数が1桁台。 何が起きるか: スマート入札がグループごとの学習を完了できず、常に「学習期間」に近い状態が続く。CPAが高止まりし、改善の兆しが見えない。

チェック項目:

• グループあたりの月間CV数が30件未満になっているグループはないか
• 分割理由が「訴求・意図・ターゲット」のいずれかの明確な差異に基づいているか
• 細分化された複数グループを統合しても訴求が破綻しないか

パターン3: URLが汎用ページのままでアセット訴求と乖離する「LP不整合崩壊」

症状: 最終ページURLがトップページやカテゴリ一覧になっており、アセットで訴求している内容と一致していない。 何が起きるか: ユーザーがアセット訴求に引き付けられてクリックしても、遷移先で訴求が続かずに離脱する。コンバージョン率が低くなり、機械学習が「このグループはCVしにくい」と学習し始める。

アセットグループが不承認になった場合の対処フローでも触れていますが、LP不整合は不承認の原因にもなりうるため、設計時点での確認が必須です。

チェック項目:

• 最終ページURLはアセットの訴求内容に直結した専用ページか
• モバイルでのLP表示速度・離脱率を確認しているか
• URLが正規化されており、リダイレクトチェーンが発生していないか

パターン4: シグナルを複数グループで使い回す「シグナル汚染崩壊」

症状: 同一のオーディエンスシグナル（同じ顧客リストやカスタムセグメント）を複数のアセットグループに設定している。 何が起きるか: グループ間でのオーディエンスの取り合いが起き、どちらのグループが「正しい」学習をしているかが不明瞭になる。最終的に機械は最もCPAが低くなりやすいグループに集中配信を始め、他グループが枯渇する。

チェック項目:

• 各グループのオーディエンスシグナルにグループ固有の差異があるか
• カスタムセグメントの検索語句・URLリストがグループ間で重複していないか
• 自社顧客リストを全グループに横断的に適用していないか

パターン5: アセット評価が「評価なし」のまま放置される「評価停滞崩壊」

症状: アセット評価ステータスの確認をしておらず、「評価なし」のアセットが長期間残っている。 何が起きるか: 評価が「低い」アセットは機械が配信を絞る傾向があります。「評価なし」は配信実績がない状態であり、インプレッションが集まっていないことを意味します。グループ全体の配信量に影響する場合があります。

チェック項目:

• 立ち上げ後4週間以内にアセット評価ステータスを確認したか
• 「低い」評価のアセットが2週間以上改善されずに残っていないか
• 評価が「最高」「良い」のアセットのどの要素（見出し・画像・動画）が評価されているか把握しているか

---

設計後の検証サイクルと改善判断フロー

図2: 立ち上げから安定期への検証サイクル

アセットグループの設計は「作ったら終わり」ではなく、継続的な観察と見直しが必要です。特に立ち上げ後の最初の4週間は、設計の妥当性を判断する重要な観察期間です。

立ち上げ後4週間の観察指標と介入を判断するデータ閾値

立ち上げ直後は機械学習の「学習期間」が存在するため、最初の1〜2週間で数字が安定しないのは正常です。観察対象にすべき指標と、介入を判断する目安は以下の通りです。

観察指標	介入を検討する閾値	対処
グループあたりCV数	4週間で累計10件未満	統合か予算再配分を検討
アセット評価ステータス	「評価なし」が4週間継続	アセット差し替えを検討
グループ別インプレッション比率	1グループに90%以上集中	シグナル・アセット設計の見直し
最終ページURLのLP離脱率	サイト平均の2倍以上	LP改修またはURL変更を検討

介入を急ぎすぎると学習をリセットする可能性があるため、学習期間中は数字が悪くても最低2週間は静観する方針が一般的です。P-MAXへの介入タイミングを設計するでは、機械と人間の介入の境界線についてより詳しく整理しています。

アセット評価ステータスの読み方と差し替えタイミング

アセット評価ステータスは「最高」「良い」「低い」「評価なし」の4段階で表示されます。評価は各アセットがグループ内の他アセットとの組み合わせで測定されるため、絶対評価ではなく相対評価です。

差し替えタイミングの目安は、「低い」が2週間以上続いている場合です。ただし差し替え前に確認すべきことがあります。「低い」評価が付いているアセットが「実は重要な情報を含んでいるが訴求が弱い」ケースと、「そもそも訴求ターゲットに合っていない」ケースでは対処が異なります。前者なら見出しの文言を変えて再設定、後者なら訴求の方向性ごと変更します。

分割・統合を判断するCV数ベースの設計見直しトリガー

設計見直しのタイミングは、以下の条件をトリガーにすることで判断を属人化しにくくなります。

統合を検討するトリガー:

• グループあたり月間CV数が継続して30件未満
• 2つのグループで訴求・シグナル・LPの差異がほぼなくなった
• 予算が薄すぎて各グループに均等分配できていない

分割を検討するトリガー:

• 1グループにCV・予算が集中し、他商材への配信が実質ゼロになっている
• 新商材・新訴求軸を追加するにあたり既存グループへの混入を避けたい
• アセット評価が「低い」素材と「最高」の素材が同一グループに混在し、改善方向が相反している

設計の見直しは「問題が起きてから」より、定期サイクル（月次レビュー等）の中で予防的に行う方が、急激な配信変動を避けやすくなります。

---

よくある質問

Q：P-MAXのアセットグループはいくつに分けるのが正解ですか？

絶対的な正解はありません。商材数・訴求軸・ターゲット属性の差異に応じて判断します。ただし「CV数が分散しない最小分割数」を基本方針にするのが実務上の定石です。グループあたりの月間CV数が30件を継続して下回るようであれば、統合を検討すべき水準と言えます。分割数を増やすことは配信意図の精度向上につながる一方、学習データの分散というコストを伴うため、差異が明確に存在するグループにのみ分割を適用します。

Q：アセットグループを分けすぎるとどうなりますか？

各グループへのCV数が分散し、スマート入札が最適化に必要なデータを蓄積できなくなります。一般にスマート入札が安定した最適化を行うためには一定のCV数が必要とされており、これを下回るグループが増えると学習が不十分な状態が続きます。結果として、CPAが高止まりしたり予算が特定グループに集中したりといった偏りが生じやすくなります。改善策は、差異の小さいグループを統合し、まず学習を安定させた後に段階的に分割を再検討することです。

Q：P-MAXで商品ラインナップが多い場合のアセットグループ設計はどうすればよいですか？

Merchant Centerのカスタムラベルを活用して商品を意味のある単位に分類し、その単位でアセットグループを作る設計が有効です。例えば「高単価商品」「季節商品」「定番ベストセラー」などのカスタムラベルで商品グループを構成し、グループごとに訴求内容とアセット素材を合わせます。SKU数が数百〜数千に及ぶ場合は、アセットグループでの分割よりもキャンペーン分割（商品カテゴリ別）と組み合わせた構造を検討します。入札目標が商品ラインによって異なる場合は、キャンペーン分割が先決です。

Q：アセットグループのオーディエンスシグナルは複数グループで同じものを使ってよいですか？

推奨されません。同一シグナルを複数グループで使い回すと、グループ間でオーディエンスの取り合いが発生し、どちらのグループがどのオーディエンスを学習しているのかが不明瞭になります。これを「シグナル汚染」と呼ぶことがあります。理想はグループごとに異なるシグナルセットを設計することです。完全に重複を排除できない場合でも、グループの主目的を反映した固有のシグナル（特定の顧客リストやカスタムセグメント）を中心にし、補完的なシグナルの選択で差別化することが望ましい方向性です。

---

P-MAXアセットグループの設計は、キャンペーン全体の学習品質を左右する根幹の作業です。分割基準が曖昧なまま運用を続けることは、機械にとっても、担当者にとっても改善の手がかりが見えにくい状態を作り出します。3軸フレームと失敗パターンの自己診断を起点に、まず現在の設計を棚卸しするところから始めてみてください。

真策堂では、P-MAX設計の見直しや運用体制のインハウス化支援に関する相談を受け付けています。設計の整合性チェックや改善方針のディスカッションなど、具体的なご状況をお聞かせいただければ一緒に考えます。