売上が4倍にアップ！記事ごとに可視化されたデータをもとに劇的な改善に成功した事例金融
株式会社インベストメントブリッジ 齊藤 数馬様
「Media Analytics」のクローズドベータ版リリース段階から1年以上利用していただいているユーザーで、業界最大手の金融メディアを運営する株式会社インベストメントブリッジの齊藤様にお話をお伺いしました。なぜ「Media Analytics」を選んだのか、約1年使ってみた感想についてお話を伺いました。
- 多数のASPに登録していたので、コンバージョンのCSVデータを個別にダウンロードする必要があった。
- ASPごとにデータを取得するので、データの整形に時間がかかっていた。
- 工数を削減できるツールを採用したいが、社内展開しやすいように本格的すぎないツールを採用したい。
- ASPごとのデータの集計を自動化できるツールを採用した。
- 社内展開のしやすさを考えて、アフィリエイトメディアに特化したシンプルな機能の「Media Analytics」を採用した。
- コンバージョンの自動インポートのおかげで、複数のASPのデータを集計する必要がなくなった。
- PV / CV / CVR / 平均単価/売上集計が自動化されたので、注力すべき記事が可視化された。
- 発生ベースでの売上が4倍に増加した。
- 社内リライトなどの優先順位付けに役立てられるようになった。
「Media Analytics」を活用することで、ASPごとのデータ集計の工数を削減できそうだったからです。
アフィリエイトメディアを運営していると、どうしても商材ごとにASPが増えてしまいます。弊社でも多くのASPに登録していたので、それぞれの管理画面にアクセスしてコンバージョンのCSVデータをダウンロードする必要がありました。
なにかBIツールなどを活用して効率化できないかと思っていたのですが、本格的すぎるツールは社内展開がしにくいので、機能的にシンプルなものがないか探していたところ「Media Analytics」にたどりつきました。
導入当時は私が週次でASPごとのCVデータの集計作業をやっていました。
各ASPの管理画面からCSVデータをダウンロードして、ひとつのファイルにまとめるので、集計に半日ほどを要していました。
これには検索順位などのSEO関連の指標も含みますが、週単位で発生する業務なので、工数を圧迫していたこともあり、効率化が課題でした。
Google Search ConsoleやSemrushなどのツールを活用して、クリックの増減や順位変動を追いながら改善サイクルを回していました。
具体的には、上記の数値と各ASPの売上データを集計し優先順位をつけて社内や外部ライターに手を動かしてもらうという流れでした。
Media Analyticsの導入前は、私を含む社員2名にインターン2〜3名ほどでメディアを運営していました。
集計課題に関してですが、週次でASPごとのCVデータの集計作業をやっていますが、その負担が軽減されてきました。
各ASPの管理画面からCSVデータをダウンロードして、データを整形する作業の工数が減らせたので良かったなと思います。
また、Media Analyticsを利用して1年ほどで、発生ベースでの売上が約4倍ほどになりました。弊社では記事のジャンルごとにタグ付けをしているのですが、判断基準が可視化されたことで、どのタグの記事に注力すべきかわかるようになったことが一因ではないでしょうか。
また、組織に関しては、導入当時と比較するとメンバーの数が倍ほどになり、組織が拡大しています。
Media Analyticsの導入前は、私を含む社員2名にインターン2〜3名ほどでメディアを運営していましたが、売上増加にともない社員3名にインターンが5〜6名規模のチームへと変わりました。そのため、Meddia Analyticsを用いてデータを可視化をすることで適切に注力すべき記事の判断ができ、メンバーの着手するコンテンツの優先順位付けに役立てています。
ASPごとにバラバラに散らばったデータを一箇所に集めて、ビジュアル化できることです。
組織でメディアを運営していると社内報告やクライアントへの共有も発生するので、グラフなどの視覚情報が取得できるのはありがたいです。弊社では主に月次の報告に活用しています。
他にも各ジャンルごとの注力ポイントがわかりやすくなりました。たとえば好調なジャンルへの投資を増やしたり、ライターさんの単価判断に用いたりなど、事業投資の意思決定にも影響しています。
一番よく使うのは以下の2つの機能です。
- プロモーション分析
- 記事分析
特にプロモーション分析ではジャンルごとの商材の売上がグラフで可視化されるので、日々数値を追っています。直近でCVしている記事・CVしていない記事を明らかにしてから対策をしています。
「プロモーション分析」を活用することで獲得が好調な案件がグラフで可視化されるので、施策の優先順位づけに活用しています。
具体的にどの記事からどれぐらい売上が出てるのかがわかるので、導線を強化して売上アップが見込めそうな記事の予測がしやすくなりました。副次的にはASPとの単価交渉にも影響がありました。好調な案件の単価交渉はもちろん、過去の事例や類似記事のデータをもとにした獲得予測ができるようになったので、交渉の幅が広がっています。
また「記事分析」ではどの記事の発生が多かったのかなど、主に社内向けの共有に活用しています。たとえばGoogleのアップデート後の順位変動や、週単位でTOP3の記事をチームに共有したうえで、要因分析に活用しています。今後は施策管理の機能など、インターン生にも活用してもらえるような仕組みづくりが課題なので、社内レクチャー実施や簡単なマニュアルを作成予定です。
