TikTok広告のターゲティング｜「興味関心」より「行動データ」が効く理由

いつもご覧いただき、ありがとうございます。運用支援の窓口の角田です。

TikTok広告のターゲティングを、Instagram広告と同じ感覚で組むと、ほぼ間違いなく成果が出ないんですね。

 

これは私自身、自社D2Cブランド「Fresk」で運用していて、痛い目を見ながら学んだことです。最初は「ターゲティングなんて、媒体が違っても考え方は一緒だろう」くらいに思っていたんですが、全然そんなことはなかった、というのが結論でした。

 

TikTokは「興味関心」ではなく「行動データ」でユーザーを判定するアルゴリズムだからです。今回は、TikTok広告のターゲティング設計の本質を、私の運用実体験ベースでお話ししていきます。

TikTok広告ターゲティングの主要種類

デモグラフィック

年齢・性別・地域などの基本属性ですね。Instagramと同じ感覚で問題ないところです。

興味関心

「料理」「ファッション」「フィットネス」など、ユーザーが興味を持つカテゴリで絞る形ですね。一見、Instagramと変わらないように見えるんですが、ここに罠があります。

行動データ

「過去30日にこのカテゴリの動画を視聴した」「いいねした」「コメントした」など、実際の行動履歴で絞る方法です。TikTok最大の強みはここにあると、私の中では定義づけています。

カスタムオーディエンス

サイト訪問者、アプリインストール者、CV未達者などのリスト配信。リターゲティング用ですね。

Lookalike（類似オーディエンス）

既存顧客や過去CVユーザーに「似た属性」のユーザーへ配信する仕組みです。

「興味関心」よりも「行動データ」が効く理由

興味関心の精度が低い

TikTokの「興味関心」カテゴリは、ユーザーの自己申告ではなく、アルゴリズム推定なんですね。

 

つまり、ユーザー本人が「これに興味があります」と申告しているわけではなく、システム側が「たぶんこれに興味あるだろう」と推測しているだけ。Instagramの興味関心と比べると、精度はどうしても劣ります。

行動データは「直近の関心」を表す

「過去30日に料理動画を10本視聴した」というデータは、「直近で料理に強い関心がある」ということを示しているわけです。

これが、興味関心より刺さりやすい理由ですね。

 

「過去の興味」より「いま動いている関心」のほうが強い、というのは、考えてみれば当たり前なんですが、媒体特性として明確に出てくるのがTikTokの面白いところです。

TikTokアルゴリズムが行動データを重視

TikTok本体のレコメンドアルゴリズム自体が、「視聴履歴」「滞在時間」「リアクション」を重視する設計です。

広告配信ロジックもこれに連動している。媒体構造そのものが、行動データ寄りなんですね。

TikTok広告ターゲティングの「実務設定パターン」

行動データ中心の絞り込み

「過去30日にコスメ関連動画を視聴した20〜35歳女性、首都圏」のように、行動データ＋デモグラフィックで絞ります。これが基本パターンですね。

Lookalike中心の拡張

過去CVユーザーの類似オーディエンスに配信。既存顧客の特性に近いユーザーを開拓できます。

 

地味なんですが、これがけっこう効くんですね。

オープンターゲティング

絞り込みを最小限にして、TikTokのアルゴリズムに任せる方法。クリエイティブが強ければ、これでも結果が出ます。

 

「絞らないのが勝ち」というのも、TikTokならではの面白い特性だと感じています。

地域絞り込みの実務

都道府県・市区町村単位での絞り込み

「金沢市内のみ」「石川県全域」のような地域絞り込みが可能です。Instagramと同等の精度ですね。

地方ローカルでのTikTok広告

地方では配信ボリュームが少なくなるため、地域絞り込み＋年齢層幅広く設定が現実的です。「金沢市内＋20〜45歳」のような設計を私はよく組みます。

 

金沢でローカルSEOで1位を取ってきた経験からも、地方は「絞りすぎないこと」が大事だと感じます。母数を意識して、まずアルゴリズムに学習素材を与える。これが基本ですね。

ターゲティングを「狭めすぎる」失敗

典型的失敗

「30代女性、金沢市内、料理に関心、過去30日にレシピ動画視聴、フォロワー100人以上」のように絞りすぎると、配信ボリュームが激減し、アルゴリズム学習が進まないんですね。

 

「精度を上げよう」と思ってやっていることが、実はアルゴリズムの足を引っ張っている、という典型例です。

正しいアプローチ

初期は「30〜40代女性、北陸3県」など緩めに設定します。配信データが蓄積されたら、効率の悪い層を除外していく。

後から削っていく、というのが王道ですね。

カスタムオーディエンスの活用

サイトリターゲティング

自社サイトに訪問したユーザーにTikTok広告で追跡。動画形式での再接触はCV率が高いと感じています。

CV未達者のリターゲティング

カート投入したが購入しなかったユーザーへ、限定オファー配信。CVR改善に直結する施策ですね。

顧客リストでLookalike作成

既存顧客リスト（メール）をTikTokにアップロードし、類似オーディエンスを作成。新規開拓に効きます。

 

「既存顧客の延長線上に、新規顧客がいる」という考え方ですね。これは経営的に見ても理にかなっていると思うんです。

TikTokピクセル設置の重要性

ピクセル設置でできること

• サイト訪問者の追跡
• CV計測
• カスタムオーディエンスの作成
• 機械学習による配信最適化

これは、もう前提です。設置していないと、TikTokのアルゴリズムが学習しない、ということになってしまうんですね。

設置のコツ

GTM（Google Tag Manager）経由で設置するのが現代の標準です。HTML直接記述より管理しやすいので、ここはぜひそちらで。

ターゲティング設定後の検証ステップ

1〜2週間で配信状況確認

インプレッション数、CTR、CPMの基礎数字を確認します。配信ボリュームが極端に少ないなら、ターゲティング緩和、という判断が必要です。

3〜4週間でCV単価評価

CV単価が許容範囲内か。許容外なら、ターゲティング調整 or クリエイティブ調整ですね。

 

大事なのは、「何が原因でCV単価がブレているのか」を仮説立てて見ること、だと思うんです。

月次でセグメント別分析

年齢別・地域別・興味関心別のCV単価を分析し、効率の悪いセグメントを除外していきます。

失敗例：Instagram広告のターゲティング流用

事例：Freskで失敗したケース

初期、Instagram広告で効いていた「30代女性、コスメ関心、首都圏」のターゲティングを、そのままTikTok広告に転用したことがあります。

結果、3週間でCV単価が約2倍に。

 

原因はシンプルで、TikTokは「行動データ」が効く媒体だからなんですね。「コスメ関心」だけだと、TikTok特有の絞り込みが不足していたわけです。

「過去30日にコスメ系動画視聴」を追加したら、CV単価が半減しました。

 

媒体ごとの「効くツボ」が違う、というのを身をもって体感した瞬間でしたね。

地方ローカル業種でのTikTok広告ターゲティング

飲食店

「金沢市＋25〜45歳＋過去30日に飲食系動画視聴」

美容室

「金沢市＋20〜40歳女性＋ヘアスタイル関心」

整体・治療院

「石川県全域＋30〜55歳＋健康・ボディケア関心」

 

このあたりはあくまで一例ですが、「行動データを必ず含めること」「地域は絞っても、年齢は広めに」というのが、地方ローカルでの基本設計だと、私の中では位置づけています。

ターゲティングで「自動配信」を選ぶ判断

自動配信のメリット

• TikTokアルゴリズムが最適化
• 運用工数が削減
• 未開拓層の発見

自動配信のデメリット

• ターゲット精度を担保しにくい
• 無駄打ちのリスク
• 学習データが少ないと不安定

判断軸

クリエイティブが強ければ自動配信、クリエイティブが弱ければ手動絞り込み、というのが大まかな目安ですね。

 

「自動配信で結果が出ない」と感じたとき、ターゲティングではなくクリエイティブ側に問題があることが多い、というのが私の感覚です。

結論として｜「行動データ」を制する者がTikTok広告を制す

TikTok広告のターゲティングは、Instagramなど他SNSとは別物だと、私の中で定義づけています。

行動データを軸にした絞り込みと、TikTok特有のアルゴリズムを理解した運用が必須です。

 

「行動データ」を制する者がTikTok広告を制す。これは、何度繰り返してもいい原則だと思うんですね。

 

ご自身の事業に当てはまる部分がもしあれば、まずは現状の棚卸しからお手伝いできます。お気軽にお声がけください。

 

最後までお読みいただき、ありがとうございました。今後とも、宜しくお願い申し上げます。