仕分けた後に「実行フェーズ」が抜け落ちる理由
象限分けまでで運用が止まってしまう最大の理由は、「分析」と「実行」が別の設計問題だという認識が抜けていることにあります。分析は1回のスプレッドシート集計で完結しますが、実行は時間軸を持つ意思決定の連続です。広告費をいつ、どれだけ絞るのか。オーガニック施策の効果が出るまでどれだけ待つのか。この時間軸の設計がないまま象限だけを確定させると、「稼ぎ頭候補」に分類した商品の広告費を来月なんとなく削ってみる、といった場当たり的な運用に戻ってしまいます。
なお、ここでいう広告依存度とは「広告を止めたときに残る売上がどれだけあるか」を指します。自然流入比率・広告費用対効果（ROAS／ACOS）・粗利率の3指標を組み合わせて商品ごとにスコア化し、4象限に仕分ける前提で話を進めます。
実行フェーズに必要な3つの設計要素
- 定点観測の頻度と担当を決める仕組み（誰が、いつ、何を見るか）
- 象限ごとに異なる打ち手の優先順位（限られた工数をどこから使うか）
- 広告費を動かす際のルール（減額幅・観察期間・判断分岐をあらかじめ決めておく）
この3つは独立した課題ではなく、90日という期間の中で連動して動きます。次章から順に設計していきます。
週次で定点観測するシートを設計する
広告依存度スコアの算出自体は月次でも成立しますが、脱却の実行フェーズに入ってからは週次の観測に切り替えます。理由は単純で、広告費を段階的に絞る期間中は、月に1回の確認では判断が手遅れになるタイミングを見逃すためです。売上が想定以上に落ち込んでいることに気づくのが1か月後では、在庫や資金繰りへの影響が大きくなりすぎます。
実行フェーズ用に足す列
象限判定までのシートに、次の列を追加します。
- 観測週（週番号または開始日）
- 商品ID／SKU
- 直近4週平均の広告依存度スコア（単週のブレを避けるため移動平均で見る）
- 前週比の増減（ポイント差）
- 現在の象限
- 象限移動フラグ（前回観測時から象限が変わったか）
- 広告費の減額実施状況（未着手／実施中／完了）
- 観察期間の残り日数
- 施策実施（その週にどのオーガニック施策を打ったか）
誰が更新するか：取得と解釈を分ける
実務では「取得」と「解釈」を分けて担当を割り振ります。取得の部分、つまりモールの広告レポートと売上レポートをスプレッドシートに転記する作業は、Google Apps Script でCSVエクスポートやAPI連携を扱い、週次のトリガーで自動追記させます。取得できるデータの粒度や更新周期、広告経由売上の帰属ルール（クリックからの計上期間など）はモールごとに異なります。実装前に各モールの広告レポートの公式ヘルプで集計期間と帰属ルールを確認してください。ここを揃えないまま横並びで比較すると、モール間で意味の違う数字を同じ指標として扱うことになります。
解釈の部分、つまり「象限移動フラグが立った商品のうち、特に注意すべきものはどれか」「前週比でスコアが大きく動いた商品に何が起きたか」といった要約は、シートのデータをAIに渡して定期的に依頼します。人が毎週すべてのSKUを目視確認するのではなく、動きがあった商品だけをAIが要約して提示し、人はその要約を見て次のアクションを判断する。この役割分担にすることで、週次観測の運用コストを抑えられます。
象限別の打ち手に優先順位をつける
4象限すべてに同時に手を打つのは、限られた工数では現実的ではありません。90日でリソースを配分するなら、着手の順番を決めておく必要があります。relmeaの現場では、次の順で着手しています。
優先度1：撤退・縮小候補（高依存度・低粗利）
最初に着手すべきはこの象限です。広告費をかけ続けても薄利のまま規模だけが大きくなる状態を放置するコストが最も高く、かつ「広告費を絞る」という打ち手そのものは即座に実行できるためです。他の象限の施策（SEO・レビュー獲得）は効果が出るまでラグがありますが、広告費の減額は意思決定の翌週から着手できます。まず財務上のリスクを小さくする、という考え方です。
優先度2：稼ぎ頭候補（高依存度・高粗利）
次に着手するのがこの象限です。売上規模が大きい分、依存度が下がったときのインパクトも最大になります。ただし広告費を先に削るのではなく、オーガニック施策（レビュー獲得・商品ページSEO・指名検索の強化）を先に仕込み、依存度スコアの動きを見ながら広告費を追いかけて絞る、という順序を守ります。順序を逆にすると、売上の穴を埋める手段がないまま広告を絞ることになります。
優先度3：資産商品（低依存度・高粗利）
すでにオーガニックで売れているため、90日間で積極的に手を入れる必要はありません。むしろ、撤退・縮小候補から浮いた広告費や工数の再配分先として位置づけ、在庫の積み増しや関連商品展開のテスト予算に回す対象として扱います。
優先度4：育成候補（低依存度・低粗利）
この象限は90日間の主戦場からは外します。粗利構造の改善（原価・送料・価格設計）が先に必要な商品群であり、広告依存の脱却というテーマとは対策の性質が異なるためです。90日運用が一巡した後、次の四半期のテーマとして切り出すのが現実的です。
広告費を絞る実務ルール：減額幅・観察期間・季節性
広告費を絞る際に最も判断を誤りやすいのが、減額幅と観察期間の設計です。一気にゼロにすると、依存度が高い商品ほど売上が急落し、在庫や資金繰りに直接影響します。逆に減額幅が小さすぎると、90日という期間内に変化を検出できません。
減額幅は小さく、複数回に分ける
relmeaの運用では、1回の減額幅を対象商品の広告費の10〜15%程度に抑え、複数回に分けて段階的に絞る設計を基本にしています。減額幅を大きくしすぎない理由は、依存度スコアが同程度の商品でも、実際に広告費を絞ったときの売上への感応度が商品ごとに異なるためです。最初の1回で反応を見てから次の減額幅を決める、という逐次的な進め方のほうが、取り返しのつかない判断を避けられます。この10〜15%という幅は業界標準ではなく、あくまで「一度に踏み込みすぎない」ための運用上の初期値です。
観察期間は最低3週間を取る
観察期間は最低でも3週間を確保します。理由は2つあります。1つ目は、購入からレビュー投稿までにタイムラグがあり、短期間の観察ではオーガニック側の変化を拾えないためです（レビュー投稿までの実際の分布はモールごとに異なるため、各モールの公式ヘルプおよびレビュー機能の仕様を確認してください）。2つ目は、曜日・週単位の需要の波を1周期以上含める必要があるためです。1週間だけの観察では、たまたま特定の曜日に需要が偏っていただけなのか、減額の影響なのかを区別できません。
季節性という交絡をどう外すか
広告費を絞った直後に売上が落ちても、それが減額の影響なのか季節要因なのかを切り分けないまま判断すると、稼ぎ頭候補を誤って撤退候補に落としてしまいます。交絡を外すための現実的な方法は次の3つです。
- 同じ商品の前年同時期のデータと比較する（前年データが取得できる場合）
- 同カテゴリ内で広告費を変えていない類似商品を、疑似的な対照群として並べて観察する
- セール期間・特集掲載・クーポン配布など、広告費以外の変数が動いていないかを観察期間中フラグで記録する
仮に、あるカテゴリで広告費を15%絞った週に売上が10%減ったとします。同時にそのカテゴリ全体の検索需要も季節要因で下がっていたなら、10%の減少すべてを減額の影響と判断するのは早計です。カテゴリ全体の需要変動と、対象商品固有の変動を分けて見る視点が、判断の精度を左右します。
オーガニック施策を「依存度低下」という1つのKPIに接続する
依存度を下げる打ち手は複数ありますが、それぞれの施策がどの経路で自然流入比率に効くのかを整理しておかないと、「施策をやったかどうか」だけが記録され、依存度スコアが本当に動いたかの検証ができなくなります。
商品ページSEO：数週間のラグを前提に置く
タイトル・仕様表・FAQの改善は、モール内検索やカテゴリ内の自然順位を経由して自然流入比率に反映されます。改善から反映までは検索順位の再評価サイクルを挟むため、数週間のラグを見込んでおく必要があります。減額直後の週に効果を求めず、観察期間を長めに取る前提で設計します。
レビュー獲得：効くのは流入より転換率
レビュー数・評価点の改善は、直接的に自然流入を増やすというより、閲覧から購入への転換率を押し上げる経路で効きます。依存度スコアだけでなく転換率も並走して観測しておくと、レビュー施策の効果を正しく評価できます。
指名検索：最も遅く、最も強い
商品名やブランド名での検索・指名的な再訪は、同梱物やメール配信といったリピーター施策の積み重ねで育ちます。他の2つより効果が出るまでの期間は長い一方、一度定着すると広告費の変動に最も影響を受けにくい流入経路になります。
これらの施策を実施した週には、シートの「施策実施」列にどの施策をどの商品に行ったかを記録し、次回の観測時に「自然流入比率がどれだけ動いたか」を同じ行で追えるようにしておきます。施策と数値の対応が取れていないと、何が効いたのかを検証できないまま次の施策に移ることになります。
90日運用カレンダーと、つまずきやすい失敗パターン
フェーズ1（Day 1〜30）：可視化
まず対象を上位20〜30SKU程度に絞り、直近3か月分のデータでスコアと象限判定を確定させます。週次シートの自動更新とAIによる要約の運用を立ち上げ、この30日間は広告費を動かさずに、スコアが週ごとにどう推移するかのベースラインだけを観察します。ここで早まって広告費を動かさないことが、後の判断の土台になります。
フェーズ2（Day 31〜60）：部分的な減額
撤退・縮小候補から着手し、10〜15%刻みの段階的な減額を開始します。同時に、稼ぎ頭候補にはオーガニック施策を仕込み始めます。この段階では稼ぎ頭候補の広告費にはまだ手をつけず、依存度スコアの動きを観察する期間として扱います。
フェーズ3（Day 61〜90）：再配分
稼ぎ頭候補のうち依存度スコアの低下が確認できた商品から、追いかけて広告費を絞ります。撤退・縮小候補で浮いた広告費と工数は、資産商品の在庫積み増しや関連商品展開のテストに再配分します。90日目に全SKUのスコアを再計算し、どの商品がどの象限からどの象限へ移動したかを記録して、次の90日サイクルの起点にします。
この運用が止まる4つのパターン
- 測る前に切る：週次観測の仕組みが立ち上がる前に広告費を絞ってしまい、変化の原因を広告費・季節性・施策のどれに帰属させればよいか分からなくなる。
- 季節性で誤判定する：繁忙期または閑散期だけのデータで象限を確定し、需要の波を広告費の効果と取り違える。
- 指標を増やしすぎる：3指標に加えて派生指標を同時に追い始め、週次更新の運用そのものが止まる。
- 属人化する：シートの解釈やAIへの指示が特定の人の頭の中にしかなく、担当が変わると引き継げなくなる。
いずれも「仕組みを止めない」という一点に集約されます。広告依存度スコアも90日カレンダーも、精度より継続性を優先したほうが実務では機能します。完璧な因果推論を目指すのではなく、毎週同じ場所に同じ数字が並び続ける状態を先に作ることが、脱却の実行フェーズを前に進めます。