Amazon DSPの広告運用において、同じユーザーに何度も広告を表示すると効果が低下する「広告疲労」は、広告費を無駄に消費する大きな要因です。AMCの最適フリークエンシー分析機能を活用すれば、この問題を数値的に可視化し、ROIを改善できます。

本記事では、AMCを利用した最適フリークエンシーの設定方法から、業界別ベンチマーク、実装手順、Performance+との連携まで、実務で使える具体的な情報をまとめました。

1. 最適フリークエンシー分析とは：広告疲労を数値で捉える

1-1. 広告疲労が発生するメカニズム

ユーザーは同じ広告を繰り返し見ると、次第に無視するようになります。表示回数が増えるほどクリック率は下がり、1回あたりのコンバージョン貢献度も低下します。

この現象は心理学的に「単純接触効果の逆転」と呼ばれ、適度な接触回数を超えると好感度が低下することが知られています。Amazon広告においても、フリークエンシーが一定水準を超えると広告効率が急激に悪化します。

従来のDSP管理画面では、インプレッション数やクリック数は見えても、「何回目の接触で効果が下がるか」という詳細な分析は困難でした。

1-2. AMC独自の測定アプローチ

AMCの最適フリークエンシー分析は、ユーザーIDレベルで接触回数と購買行動を紐づけ、統計的に最適な広告接触回数を算出します。

具体的には、1回、2回、3回…と接触回数ごとにコンバージョン率やROASを集計し、増分効果が最大化するポイントを特定します。この分析により、「5回目までは効果的だが6回目以降は無駄」といった判断が可能になります。

さらに、クロスデバイス計測やリターゲティング履歴も統合するため、実際のカスタマージャーニー全体を反映した精度の高い分析が実現します。

2. 設定と実装の完全ガイド

2-1. AMCクエリの構築手順

最適フリークエンシー分析を実行するには、AMCで専用のSQLクエリを作成する必要があります。基本的な構造は以下の通りです。

まず、ユーザーIDごとの広告接触回数をカウントし、その後14日または30日以内のコンバージョンデータと結合します。接触回数を1〜10回程度の区分に分け、各区分でのコンバージョン率、ROAS、CPAを算出します。

クエリには`dsp_impressions`テーブルと`conversions`テーブルを使用し、`user_id`をキーに結合します。フリークエンシーの計算には`COUNT(DISTINCT impression_dt)`を利用し、重複排除した接触日数ベースでカウントする方法も有効です。

AMCインスタンスの画面から「Create Query」を選択し、テンプレートとして「Frequency Analysis」を選ぶと、基本構造がプリセットされています。自社のコンバージョン定義に合わせてカスタマイズしましょう。

2-2. ダッシュボードとアラート設定

クエリ実行後のデータは、スプレッドシートやBIツールで可視化すると運用しやすくなります。横軸に接触回数、縦軸にROASやコンバージョン率をプロットした折れ線グラフが基本です。

効果が頭打ちになるポイント（例：5回）を特定したら、DSPの「Frequency Cap」設定で上限を設けます。キャンペーン設定画面の「Frequency」セクションで、7日間あたりの表示回数上限を入力します。

理想的には、週次でクエリを自動実行し、フリークエンシーが閾値を超えた場合にSlackやメールで通知する仕組みを構築すると、リアルタイムでの改善が可能になります。AMC APIを活用すれば、この自動化も実現できます。

3. 業界別フリークエンシーベンチマーク

3-1. 消費財・日用品：高頻度接触が有効

洗剤やティッシュなどの消費財では、購買サイクルが短く衝動買いも発生しやすいため、比較的高いフリークエンシーが許容されます。

実務上の目安は7日間で5〜8回程度です。ただし、既存顧客へのリターゲティングでは3〜4回に抑え、新規顧客獲得向けキャンペーンでは上限を高めに設定するといった使い分けが効果的です。

3-2. 家電・高額商品：慎重な検討期間を考慮

家電製品や家具などの高額商品は、購入までの検討期間が長く、過度な広告接触は逆効果になりがちです。

14日間で3〜5回程度が適切とされています。商品比較段階では情報提供型のクリエイティブを、購入直前では割引訴求を組み合わせると、同じフリークエンシーでも効率が向上します。

3-3. ファッション・アパレル：季節性と鮮度が重要

トレンドやシーズンに左右されるファッション商品では、フリークエンシーよりもクリエイティブの鮮度が重視されます。

7日間で4〜6回を目安としつつ、クリエイティブを週単位でローテーションすることで、広告疲労を防ぎながら接触回数を確保できます。

3-4. 食品・グルメ：タイミングと文脈が決め手

食品カテゴリーでは、空腹時や食事時間帯の広告効果が高く、時間帯別のフリークエンシー設定が有効です。

全体では7日間で5〜7回が目安ですが、ランチタイム(11〜13時)や夕食時(18〜20時)に配信を集中させ、それ以外の時間帯ではフリークエンシーを抑えるという戦略が推奨されます。

4. 広告費削減の実例とROI改善

4-1. ケーススタディ1：消費財ブランドのCPA改善

あるヘルスケア商品のブランドでは、フリークエンシーキャップを設定する前、平均接触回数が9.2回に達していました。

AMC分析により5回目以降の増分ROASがマイナスになることが判明し、7日間のキャップを5回に設定。結果として広告費を23%削減しながら、CPAは18%改善しました。無駄な高頻度接触を排除したことで、予算を新規ユーザー獲得に再配分できたのが成功要因です。

4-2. ケーススタディ2：家電メーカーの配信効率化

家電メーカーのキャンペーンでは、購入検討期間が長いことを考慮し、14日間で4回のキャップを設定しました。

同時にクリエイティブを「認知」「比較」「決定」の3段階に分け、接触回数に応じて段階的に配信。ROASは従来の2.8から3.6に向上し、コンバージョン率も1.4倍に改善しました。

4-3. ケーススタディ3：食品カテゴリーの時間帯最適化

食品系ECでは、時間帯別にフリークエンシー上限を設定する戦略を実施しました。

ピークタイム(11〜13時、18〜20時)は7日間で7回、それ以外は3回に設定。配信量は15%減少しましたが、コンバージョン数は維持され、実質的なCPAは19%改善しました。

5. Performance+との統合戦略

5-1. AI最適化との相乗効果を引き出す

Amazon Performance+は機械学習によるキャンペーン最適化機能ですが、フリークエンシー管理は人間が設定する必要があります。

両者を組み合わせることで、Performance+が入札や配信面を自動最適化しつつ、フリークエンシーキャップで広告疲労を防ぐという理想的な運用が実現します。

特に新規キャンペーンの立ち上げ初期には、Performance+で効率的なオーディエンスを発見しながら、並行してフリークエンシーデータを蓄積するアプローチが有効です。

5-2. 手動調整とAI活用の使い分け

基本方針として、Performance+には配信量と入札の最適化を任せ、フリークエンシーキャップは人間が定期的に見直すという役割分担が推奨されます。

週次でAMCデータを確認し、季節要因やプロモーション期間中はキャップを一時的に緩和、通常期は厳格に設定するなど、ビジネス状況に応じた柔軟な調整が重要です。完全自動化ではなく、人間の判断とAIの強みを組み合わせることで、最大の成果が得られます。

まとめ：データドリブンなフリークエンシー管理の実践

AMCの最適フリークエンシー分析は、広告疲労という曖昧だった概念を数値化し、具体的な改善アクションに落とし込める強力なツールです。

まずは自社の現状フリークエンシーをAMCクエリで可視化してください。次にテストキャンペーンでキャップを設定し、2〜4週間のA/Bテストで効果を検証します。効果が確認できたら、全キャンペーンに展開し、月次でのモニタリング体制を構築しましょう。

適切なフリークエンシー管理により、多くの広告主が10〜25%の広告費削減とROI改善を実現しています。データに基づいた科学的な運用で、Amazon DSPの成果を最大化してください。

GROOVEではAMCを活用したAmazon広告の分析をサポートしています。ネクストアクションにつながる分析ができていないと感じている広告主企業様は、是非ご相談ください。

＼まずは サービス について知る／

＼専門担当者への 無料相談 はこちら／

監修者 : 田中 謙伍
株式会社GROOVE 代表取締役
慶應義塾大学環境情報学部卒業後、新卒採用第1期生としてアマゾンジャパン合同会社に入社。出品サービス事業部にて2年間のトップセールス、マーケティングマネージャーとしてAmazon CPC広告スポンサープロダクトの立ち上げを経験。株式会社GROOVEおよび Amazon D2Cメーカーの株式会社AINEXTを創業。立ち上げ6年で2社合計年商50億円を達成。

【登録者数 5万人のYouTubeチャンネル】
たなけんのEC大学：https://www.youtube.com/@ec8531