TikTok広告アカウント構成の最適解｜
キャンペーン・広告グループの分け方

TikTok Ads Managerの3層構造を理解する

TikTok広告のアカウントは、キャンペーン・広告グループ・広告の3つの階層で構成されています。この構造を正しく理解していないと、どこで何を設定すべきかが曖昧になり、運用効率が大幅に低下します。

• キャンペーン：広告の「目的」と「予算の上限」を決める最上位の層。アプリインストール、コンバージョン、トラフィックなどの目的をここで選択します
• 広告グループ：「誰に」「どこで」「いくらで」配信するかを決める中間層。ターゲティング、配信面、入札戦略、スケジュール、最適化イベントの設定を行います
• 広告：実際にユーザーに表示されるクリエイティブ（動画・テキスト・CTA）を登録する最下層

重要なのは、TikTokの機械学習は「広告グループ」単位で動くという点です。学習データが十分に蓄積された広告グループほど最適化の精度が上がるため、アカウント構成の設計は「広告グループをどう分けるか」が核心になります。

キャンペーンの分け方

目的別に分ける（基本ルール）

キャンペーンは広告の「目的」ごとに作成するのが大原則です。目的が異なると最適化のアルゴリズムも異なるため、1つのキャンペーンに複数の目的を混在させることはできません。

• アプリインストール：CPI（インストール単価）を指標に最適化
• コンバージョン：Webサイト上の特定アクション（購入・登録等）を最適化
• トラフィック：サイトへのクリック数を最大化

予算管理の観点で分ける

キャンペーンには「日額予算」または「通算予算」を設定できます。予算管理の単位としてキャンペーンを活用するケースも一般的です。

• プロダクト別に分ける：複数のアプリやサービスを運用している場合、プロダクトごとにキャンペーンを作成し、予算配分を明確にする
• フェーズ別に分ける：テスト用キャンペーン（少額・多クリエイティブ）と本配信用キャンペーン（高予算・勝ちクリエイティブ集中）を分離する

ただし、キャンペーンを細かく分けすぎると管理画面が煩雑になります。1アカウントあたりのキャンペーン数は5〜15個程度に収めるのが運用しやすい目安です。

広告グループの分け方

アカウント構成の中で最も設計判断が問われるのが広告グループの分割です。分割の軸は主に3つあります。

ターゲティング別

異なるオーディエンスセグメントに対して、それぞれ異なるクリエイティブやメッセージを当てたい場合に分けます。

• ブロード配信（ノンターゲティング）：TikTokのアルゴリズムに最適化を委ねる。学習データが集まりやすく、初期テストに最適
• 興味関心ターゲティング：特定カテゴリに関心のあるユーザーに限定
• カスタムオーディエンス/類似オーディエンス：既存顧客データをもとにしたリターゲティングや拡張配信

注意点として、ターゲティングが異なる広告グループ同士でオーディエンスが重複すると、自社内で入札競合（オークション重複）が起きます。重複が大きい場合は統合を検討してください。

配信面別

TikTok Ads Managerでは、TikTok本体のほかにPangle（パングル）などのネットワーク面にも配信できます。配信面ごとにユーザーの反応パターンが異なるため、パフォーマンスを個別に把握したい場合は分けるのが有効です。

• TikTok面のみ：ブランドセーフティを重視する場合や、TikTokのUGC文脈に最適化したクリエイティブを使う場合
• Pangle面を含む：リーチを広げたい場合。CPIが安くなる傾向がある反面、リテンション率が低いケースもある

最適化タイプ別

同じ「アプリインストール」目的でも、最適化イベントを変えることがあります。

• インストール最適化：インストール数を最大化。CPIは安いがLTV（ユーザーの質）は読みにくい
• アプリ内イベント最適化（AEO）：課金・登録完了など深いイベントに最適化。単価は上がるがROASが改善しやすい
• バリューベース最適化（VBO）：収益額に基づいて最適化。十分なデータ量が前提

最適化タイプが異なるグループは必ず分けてください。混在させるとアルゴリズムが正しく機能しません。

広告（クリエイティブ）の管理

1広告グループあたりの推奨本数

TikTok公式のベストプラクティスでは、1広告グループあたり3〜5本のクリエイティブが推奨されています。

• 少なすぎる（1〜2本）：A/Bテストができず、勝ちパターンの発見が遅れる
• 多すぎる（10本以上）：配信が分散し、各クリエイティブに十分なインプレッションが行き渡らない

まず3〜5本でテストし、データが溜まった段階でパフォーマンスの低いクリエイティブを停止、新しいクリエイティブを追加するサイクルが効率的です。

クリエイティブの差し替えルール

クリエイティブのパフォーマンスは時間とともに低下します（クリエイティブファティーグ）。差し替えの判断基準は以下の通りです。

1. CTRが2日連続で平均値の70%以下に低下したら差し替え候補
2. CPAが目標値の130%を超えた状態が3日以上続いたら停止を検討
3. 新クリエイティブの追加は一度に1〜2本ずつ。一気に入れ替えると学習がリセットされる

差し替え用のクリエイティブストックを常に確保しておくことが、安定運用のカギです。

学習効率を最大化する3つの設計パターン

アカウント構成は「集約度」によって大きく3つのパターンに分類できます。自社の予算規模・運用フェーズに合ったパターンを選択してください。

1. 集約型：学習完了を最速で狙う

広告グループを最小限に絞り、学習データを1箇所に集中させるパターンです。

• 構成例：1キャンペーン → 1〜2広告グループ → 各3〜5本のクリエイティブ
• メリット：学習フェーズの完了が早い（週50CVに最速で到達）。少額予算でも最適化が効きやすい
• デメリット：セグメント別の分析が困難。特定ターゲットへの配信制御ができない
• 適するケース：月額予算100万円未満、初期テストフェーズ、ブロード配信中心の運用

2. 分散型：セグメント別に細かく制御

ターゲティングやクリエイティブのテーマごとに広告グループを細かく分割するパターンです。

• 構成例：2〜3キャンペーン → 各5〜10広告グループ → 各3〜5本のクリエイティブ
• メリット：セグメントごとのパフォーマンスが明確に把握できる。予算配分を細かく制御可能
• デメリット：各グループの学習が遅くなりがち。運用工数が増大する
• 適するケース：月額予算300万円以上、複数訴求軸の同時テスト、ターゲット層が明確に異なる商材

3. ハイブリッド型：実務で最も使われるパターン

集約型をベースに、明確な理由がある場合だけ広告グループを分割する折衷型です。実際の運用現場ではこのパターンが最も一般的です。

• 構成例：2キャンペーン（テスト用＋スケール用） → テスト用に3〜5広告グループ、スケール用に1〜2広告グループ
• メリット：学習効率とデータ分析のバランスが取れる。テスト→スケールの移行がスムーズ
• デメリット：テスト用とスケール用の移行基準を明確にしないと中途半端になる
• 適するケース：月額予算100〜500万円帯、継続的にクリエイティブをテストしつつ安定配信を維持したい運用

命名規則のベストプラクティス

アカウント構成と同じくらい重要なのが命名規則の統一です。命名が統一されていないと、レポート集計や過去データの参照に無駄な工数がかかります。

推奨フォーマット

• キャンペーン名：[目的]_[プロダクト名]_[予算タイプ]（例：CPI_AppA_daily）
• 広告グループ名：[日付]_[ターゲティング]_[配信面]_[最適化]（例：20260411_broad_TikTok_install）
• 広告名：[CR番号]_[訴求軸]_[フックタイプ]（例：CR045_price_question）

命名規則で守るべき3つのルール

1. 区切り文字を統一する：アンダースコア（_）かハイフン（-）のどちらかに揃える。混在させない
2. 日付は8桁のYYYYMMDD形式：ソートしたときに時系列で並ぶようにする
3. 略語ルールをドキュメント化する：「broad」「LA」（Lookalike Audience）「AEO」など、チーム全員が同じ略語を使えるようにリストを共有する

やってはいけないアンチパターン

アカウント構成でよく見る失敗パターンを5つ紹介します。これらは学習効率の低下やCPA高騰に直結するため、必ず回避してください。

1. 広告グループの乱立

「少しでもターゲティングが違えば別グループ」と考えてしまい、数十〜数百の広告グループが乱立するケースです。各グループに十分なCV数が集まらず、いつまでも学習フェーズが完了しない最大の原因になります。

2. 頻繁な設定変更

予算・入札・ターゲティングを毎日変更すると、その都度学習がリセット（またはリセットに近い状態に後退）されます。設定変更は最低でも3〜5日間のデータを見てから判断し、変更幅も1回あたり20%以内に抑えるのが基本です。

3. 学習完了前のクリエイティブ大量入れ替え

学習フェーズ中にクリエイティブを一斉に差し替えると、学習がリスタートします。新クリエイティブの追加は学習完了後に1〜2本ずつが鉄則です。

4. キャンペーン目的とKPIの不一致

「本当はCPIを下げたいのに、トラフィック目的のキャンペーンを使っている」というミスマッチです。目的設定がズレていると、TikTokのアルゴリズムが本来の目標とは異なる方向に最適化してしまいます。

5. 命名規則の未統一

担当者ごとに命名ルールが異なると、過去の配信データを横断的に分析できなくなります。特にチームで運用する場合は、アカウント開設時に命名規則を定めてドキュメント化しておくことが不可欠です。

まとめ

TikTok広告のアカウント構成は、クリエイティブの質と並んで成果を左右する重要な要素です。基本原則は以下の3つに集約されます。

1. キャンペーンは目的別に分け、数は最小限に
2. 広告グループは学習効率（週50CV以上）を基準に集約度を決める
3. 命名規則を統一し、データ分析と運用引き継ぎを容易にする

まずは集約型で学習を完了させ、データに基づいて段階的にセグメントを広げるハイブリッド型に移行するのが、最もリスクの低い進め方です。アカウント構成の最適化は一度設計して終わりではなく、運用フェーズや予算規模の変化に合わせて継続的に見直していくことが大切です。