BtoBマーケティングの施策配分|成功確率を決めつけず予算・実験・撤退を考える

広告、ウェビナー、SEO、営業連携のどれへ予算と工数を配分するか。BtoBマーケティングで判断を難しくするのは、施策ごとの成果が事前には確定しないことです。だからといって、成功確率を「30%」、期待リターンを「300%」と根拠なく置けば不確実性を管理できるわけではありません。必要なのは、既存施策の実績、まだ分からないこと、変えられる予算、確認方法を切り分けることです。

『確率で考える』とは、数字を適当に置くことではない

旧稿には「勝率30%」「新規施策は成功率10%」「予算の6〜7割を守りに回す」といった具体的な割合がありました。しかし、当サイトにその割合を裏づける独自実績や比較研究はありません。これらを標準的な目安として提示することは不適切なため削除しました。

施策ごとの見込みは、対象顧客、計測対象、過去実績、チャネルの成熟度、営業サイクルで変わります。過去の実績がないなら、確率の点推定を無理に作らず「まだ分からない」と置き、最小限の検証に必要な費用と期間を記録するほうが健全です。

予算配分より先に、施策を3つの状態に分類する

継続的に運用する施策:対象顧客や商談への貢献について比較可能な実績があり、運用上の必要性が確認できているもの。改善したい施策:一定の需要はあるが、クリエイティブ、LP、対象顧客、営業への引き渡しなどの問題がありそうなもの。探索する施策:新しいチャネル、ターゲット、価値提案のため、まだ成果予測の根拠が弱いもの。

この3分類は当サイトの編集上の提案です。検索広告やSEOだから無条件に『守り』、生成AIを使うから『冒険』とはなりません。検索広告も新規市場では探索的ですし、新しい技術を使っていても既存の安定業務を支える施策はあります。配分率は固定せず、施策停止時の損失、余裕資金、必要な学習、事業の時間軸に応じて決めます。

『小さく試す』ときは比較条件を先に定義する

Google広告には、既存キャンペーンに対する変更を一定のトラフィックまたは予算で並行比較する実験機能があります。Google公式ヘルプは、実験の期間と配分を決め、結果を比較したうえで変更を適用する仕組みを説明しています。ただし、利用できる実験種別や設定には条件があり、すべての施策にそのまま適用できるわけではありません。

A/Bテストでは、変更箇所を絞り、主指標、基準値、検出したい効果、必要サンプル、観測期間を事前に決めます。Nielsen Norman Groupは、必要サンプルを決める際に基準指標・最小検出効果・有意水準を考慮すること、十分なデータが集まる前に結論を出さないことを勧めています。

架空例:ウェビナーを増やすか、既存の検索広告を改善するか

いま運用している検索広告と、新しいウェビナー共催案があるとします。検索広告は費用と商談化率の履歴がある一方、ウェビナー共催は参加対象の企業像も商談化までの時間も未確認です。ここで『ウェビナーの勝率は50%』と作り話の予測を置くのではなく、最初の共催1回に必要な工数、参加企業の条件、営業が確認できる顧客課題、次回開催の条件を記録します。

また検索広告の改善には、検索語句、対象市場、LP、営業への引き渡しまでを確認する必要があります。両施策の短期リード数だけを比べると、需要創出と需要獲得の役割の違いを見落とすため、比較可能な指標を別に定めます。この例は判断の仕方を示す架空例で、実績や成功率を示すものではありません。

中止・継続・保留を事前に決める

実験の開始前に、どのデータを集め、何が分かれば予算を増やし、どの条件なら中止するかを決めます。ただし、たとえば『CPAが1万円を超えたら即中止』と一律に設定するのは危険です。営業サイクルが長いBtoBでは、判定する時点で必要な商談や受注の情報がそろっていないことがあります。データが不十分なら、無理に成功・失敗を決めず判定保留にします。

中止条件には予算超過、顧客への不利益、根拠の誤り、情報セキュリティや法令上の懸念などのガードレールも含めます。『勝った広告案』でも苦情や解約が増えれば採用しないことがあります。期待した指標以外の副作用を同時に見るためです。

月次レビューに使える判断表

各施策について①対象顧客と目的、②投下した費用・工数、③実測できた成果と分母、④不明点・同時期の他施策、⑤顧客・営業の定性的情報、⑥次月の判断(継続・改善・探索・中止・保留)、⑦次に確認する条件を並べます。数字の精密さよりも、同じ定義で追跡できることを優先します。

複数チャネルへ投資する意味は、常に『分散すればリスクが減る』ということではありません。同じ顧客層と同じ市場環境に依存していれば、施策を増やしてもリスクが共通している場合があります。対象、目的、測定可能性を見たうえで組み合わせます。

関連記事と一次資料

BtoBマーケティング実験の進め方、相関と因果の見分け方、A/Bテストの有意差と判断。出典:Google広告ヘルプ:Experimentsの概要(既存キャンペーンとの比較方法)、Nielsen Norman Group:A/B Testing 101(サンプルと評価条件)。本記事の施策3分類および月次レビュー項目は編集上の提案であり、原資料が具体的な予算配分比率を保証するものではありません。

ほかの記事を探す

記事の訂正・出典情報は、お問い合わせから該当記事のURLと根拠資料をお知らせください。