Performance Max アセットグループがフィードを破壊している:20万ドル監査の内訳

私たちは3月に、家具、アクティブウェア、スキンケアの8桁DTC ブランド3社を分析しました。すべてPMaxとスタンダードショッピングのハイブリッドを実行していました。3社すべてのパフォーマンス責任者から同じ苦情がありました:予算がPMaxにシフトし、ROASは許容範囲に見えるが、粗利益が四半期ベースで18〜22%減少しました。犯人は入札、クリエイティブ、オーディエンスシグナルではありませんでした。それは彼らの商品フィードアーキテクチャであり、PMaxアセットグループがすべての構造的欠陥を大規模に増幅させました。

20万ドルの問題:なぜPMaxは最悪の商品を促進したのか

ブランド1はモジュラー家具を販売していました。彼らのスタンダードショッピングキャンペーンは、カスタムラベルを使用してヒーローSKU(ソファ、800ドル以上のAOV、42%のマージン)をアクセサリー(クッション、35ドルのAOV、18%のマージン)から分離していました。Performance Maxは1月に「すべての商品」をカバーする単一のアセットグループで開始され、階層的なproduct_type値が欠落したフィードでした。3月中旬までに、PMax支出の67%が50ドル未満のアクセサリーに費やされました。総増分収益は問題なく見えました — 34万ドル — しかし、フルフィルメントと商品コスト後の純貢献は6万1千ドルでした。同じ予算を一時停止したスタンダードショッピングキャンペーンで使用すると、歴史的に14万ドルの貢献を提供していました。

私たちはフィードを確認しました。すべての商品のproduct_typeがShopifyコレクション名に設定されていました:「リビングルーム」、「ベッドルーム」、「アクセサリー」。分類法なし。親子構造なし。Googleの公式アセットグループドキュメントによると、PMaxはproduct_typeとgoogle_product_categoryを使用して商品関係を理解し、アセットグループ内で予算を割り当てます。フラットなカテゴリは、アルゴリズムが900ドルのセクショナルソファと28ドルのクッションを同じグループ内で同等に価値のある在庫として扱うことを意味します。それはコンバージョン量を最適化し、マージンではなく、クッションは低いCPCでより速くコンバージョンします。

ブランド2 — アクティブウェア — は逆の問題を抱えていました。彼らは性別(メンズ、ウィメンズ、ユニセックス)でアセットグループをセグメント化しましたが、product_typeフィールドは生地とスタイルを連結していました:「吸湿速乾レギンス」、「コットンTシャツ」、「コンプレッションショーツ」。共通の親カテゴリなし。PMaxは「レギンス」を「ボトムス」の下、または「Tシャツ」を「トップス」の下にグループ化できなかったため、140の商品バリアントを140の異なるカテゴリとして扱いました。アセットグループは支出をマイクロセグメントに分散させ、どれも学習フェーズに達しませんでした。CPAは月次で34%上昇し、一方スタンダードショッピング — label_0:high-marginのようなカスタムラベルを使用 — は安定したパフォーマンスを維持しました。

2026年第1四半期の3ブランドすべてで見られたマージン侵食は次のとおりです:

共通のスレッド:人間のブラウジング用に構造化されたフィード(Shopifyコレクション、WooCommerceカテゴリ)であり、アルゴリズムセグメンテーション用ではありません。アセットグループはフィードの足場なしでは自己規制できません。

アセットグループが悪いフィードアーキテクチャを継承する仕組み

Performance Maxアセットグループは愚かではありません。フィード、広告クリエイティブ、ランディングページ、ファーストパーティデータからシグナルを引き出し、動的に予算を割り当てます。問題はゴミを入れればゴミが出るということです。フィードのproduct_type、custom_label_0-4、item_group_idフィールドがマージン、速度、戦略的優先度をエンコードしていない場合、PMaxはすべての在庫を等しいと解釈し、最も抵抗の少ない道を最適化します — 通常は低AOVの衝動買い。

アセットグループを妨害する5つのフィードアーキテクチャの間違いを見ています:

1. フラットまたは欠落したproduct_type階層。 単一レベルの値(「アパレル」)は、PMaxが商品関係を理解することを妨げます。Googleは最大5レベルを推奨しています:アパレル&アクセサリー > 衣類 > アクティブウェア > レギンス > ハイウエスト。

2. マージン階層のカスタムラベルなし。 custom_label_0は高/中/低マージンをセグメント化する必要があります。custom_label_1は季節性または在庫リスクをエンコードできます。これらがないと、PMaxはヒーローSKUとクリアランスアイテムを区別できません。

3. 一貫性のないitem_group_id使用。 バリアント(色、サイズ)を販売する場合、すべてのバリアントはitem_group_idを共有し、一意のid値を持つ必要があります。壊れたグループ化により、PMaxは青いシャツと赤いシャツを無関係な商品として扱い、学習を断片化します。

4. 汎用またはキーワード詰め込みのタイトル。 「プレミアムオーガニックコットンTシャツをオンラインで最安値で購入」のようなタイトルは、アセットグループのテーマクラスタリングを混乱させます。PMaxはタイトルのセマンティクスを使用して商品をクリエイティブアセットにマッピングします。キーワードスパムはそのマッピングを劣化させます。

5. 空またはプレースホルダーのdescriptionフィールド。 説明はPMaxの商品の利点とユースケースの理解を養います。500 SKU全体にコピーされた20語の汎用説明は、アルゴリズムに差別化する何も与えません。

家具ブランドのフィードには問題1、2、5がありました。Merchant Centerフィードをエクスポートし、簡単なPython監査を実行しました:

import pandas as pd

df = pd.read_csv('product_feed.csv')

# product_typeの深さをチェック
df['pt_levels'] = df['product_type'].str.count('>') + 1
print(df['pt_levels'].value_counts())
# 出力: 1.0  →  2,847行(100%単一レベル)

# カスタムラベルをチェック
print(df[['custom_label_0','custom_label_1']].isna().sum())
# 出力: custom_label_0  2847, custom_label_1  2847(すべて空)

# 説明の一意性をチェック
print(df['description'].nunique(), '/', len(df))
# 出力: 23 / 2847(2,847 SKU全体で23の一意の説明)

フィードを再構築したとき — 5レベルのproduct_typeを追加し、custom_label_0にマージンバケットを入力し、AI駆動の商品カテゴリ化で説明を書き直したとき — PMaxアセットグループのパフォーマンスは2週間以内に安定しました。高マージンソファがインプレッションの51%を取り戻し、貢献マージンが14パーセントポイント回復しました。

PMaxが実際に必要とするProduct_Type階層(例付き)

Googleのフィード仕様では、>で区切られた最大5レベルのproduct_typeが許可されます。ほとんどのeコマースプラットフォームは、ストアフロントカテゴリに基づいて2または3にデフォルト設定されていますが、PMaxはより深い、マージン認識階層から利益を得ます。3つのブランドのためにproduct_typeを再構築した方法は次のとおりです:

家具(前):

リビングルーム
ベッドルーム
アクセサリー

家具(後):

家具 > シーティング > ソファ > セクショナル > プレミアム
家具 > シーティング > チェア > アクセント > ミッドティア
家具 > デコール > クッション > 装飾 > バジェット

アクティブウェア(前):

吸湿速乾レギンス
コットンTシャツ
コンプレッションショーツ

アクティブウェア(後):

アパレル > ウィメンズ > ボトムス > レギンス > ハイパフォーマンス
アパレル > ウィメンズ > トップス > Tシャツ > エッセンシャル
アパレル > メンズ > ボトムス > ショーツ > コンプレッション

スキンケア(前):

モイスチャライザー
セラム
クレンザー

スキンケア(後):

スキンケア > フェイス > モイスチャライザー > アンチエイジング > ラグジュアリー
スキンケア > フェイス > セラム > ビタミンC > コア
スキンケア > フェイス > クレンザー > ジェル > バリュー

パターンに注目してください:カテゴリ > 性別または部屋 > 商品タイプ > スタイルまたは利点 > マージン階層。 最終レベルは戦略的優先度を明示的にエンコードします(プレミアム、コア、バジェットまたはラグジュアリー、ミッドティア、バリュー)。これにより、レベル4の値でアセットグループを作成し、レベル5を使用してスマート入札ターゲット経由で予算配分を制御できます。

また、custom_label_0にマージンバケットを入力し、custom_label_1に在庫リスク(エバーグリーン、季節、クリアランス)を入力しました。新しい階層と組み合わせることで、PMaxアセットグループは手動リスティンググループ除外なしで自己セグメント化できました。

重要な注意点: product_typeは自由形式のテキストですが、google_product_categoryはGoogleの分類法と一致する必要があります。戦略的セグメンテーションにはproduct_typeを使用し、コンプライアンスにはgoogle_product_categoryを使用してください。PMaxは両方を読み取りますが、product_typeはカタログに固有であるため、アセットグループターゲティングにより大きな重みを持ちます。

監査チェックリスト:PMax動作を制御する8つのフィード属性

PMaxがマージンを蚕食している疑いがある場合、入札やアセットグループ設定に触れる前に、これらの8つのフィードフィールドを監査してください。すべてのクライアントオンボーディングでこのチェックリストを使用します:

家具ブランドには行1〜4に重要な問題があり、行5〜6に中程度の問題がありました。アクティブウェアブランドには行1と3に重要な問題があり、さらに独特の問題がありました:彼らのitem_group_idは季節的に変化するSKUプレフィックスを使用していたため、2025年春のレギンスと2025年秋のレギンスは無関係な商品として扱われました。PMaxは季節をまたいで学習を転送できませんでした。

これらの8つの属性を修正した後、Merchant Centerにフィードを再送信し、再構築されたアセットグループでPMaxキャンペーンを再開しました。スキンケアブランドは最速のターンアラウンドを見ました — マージン回復は11日で損益分岐点に達しました — カタログが最小(340 SKU)で修正後最もクリーンだったためです。

カスタムラベル戦略の詳細なガイダンスについては、DTCブランドが広告支出を制御するためにカスタムラベルを使用する方法の詳細をご覧ください。その投稿には、サブスクリプション商品、バンドル、マージンリスクマトリックスのラベルスキーマテンプレートが含まれています。

キャンペーン構造:PMaxをスタンダードショッピングから分離するタイミング

最もよく受ける質問の1つ:PMaxとスタンダードショッピングを同時に実行すべきか、それともPMaxに統合すべきか? 答えはフィードの成熟度とマージン分散に依存します。

ハイブリッド(PMax +スタンダードショッピング)を実行する場合:

• カタログにマージン分散が大きい場合(例:SKU全体で10〜50%の粗利益)。手動リスティンググループを使用したスタンダードショッピングにより、ヒーロー商品を保護できます。
• ブランドトラフィックと非ブランドトラフィックの詳細な制御が必要な場合。PMaxは検索、ショッピング、ディスプレイ、YouTube、Discoverを組み合わせます。スタンダードショッピングはショッピングのみです。
• フィード監査スコアが<70/100の場合(当社の内部ベンチマーク:8属性×各10ポイント、欠落/破損フィールドの減点)。まずフィードをクリーンアップし、それから統合します。

PMaxに統合する場合:

• カタログがマージン均質である場合(例:すべてのSKUが35〜45%のマージン)。PMaxはマージンリスクなしで収益を最適化します。
• 高品質の商品画像、動画アセットがあり、アセットグループ全体で学習フェーズに到達するのに十分な予算がある場合(グループあたり500ドル以上/日)。
• フィードに階層的なproduct_type、入力されたカスタムラベル、一意の説明がある場合。PMaxは効果的に自己セグメント化するためにこれらが必要です。

段階的アプローチを提唱します。フィードがクリーンであっても、ハイブリッドで開始します。予算の60〜70%をスタンダードショッピングに、30〜40%をPMaxに割り当てます。毎週チャネル別にマージン貢献を監視します。PMaxが30日後および4つの完全な学習サイクル後に一貫して同等またはより良いマージン効率を提供する場合、予算の別の20ppをシフトします。マージンが低下する場合は、PMaxを一時停止し、再開前にフィードの問題を診断します。

家具ブランドはフィード修正後60日間ハイブリッドを実行しました。45日目までに、PMaxの貢献マージンはスタンダードショッピングと一致しました(39.2%対39.8%)、そのため50/50にシフトしました。75日目までに、PMaxが先行しました(41.1%対38.4%)、そして彼らはPMax優先の70/30に移行しました。重要なのは:彼らは盲目的に統合しませんでした。データでフィード変更を検証しました。

よく見る構造的な間違いの1つ:単一の「すべての商品」PMaxキャンペーンを実行すること。カタログが複数のバーティカルまたはマージン階層にまたがる場合、重複しないproduct_typeフィルターで2〜4のアセットグループに分割します。たとえば、アクティブウェアブランドは3つのアセットグループを実行しました:

1. 高マージンコア(レギンス、スポーツブラ、ジョガー):product_typeに「ハイパフォーマンス」または「コア」が含まれ、custom_label_0 = "高マージン"
2. エッセンシャル(Tシャツ、タンク、ソックス):product_typeに「エッセンシャル」が含まれ、custom_label_0 = "中マージン"
3. クリアランス/季節(前シーズンの色、廃盤スタイル):custom_label_1 = "クリアランス"

各アセットグループには異なるROASターゲット(2.8×、2.2×、1.5×)があり、異なる価値提案(パフォーマンス、汎用性、価格)を強調するクリエイティブセットがありました。これにより、PMaxは高AOVと低AOVを単一の学習プールにブレンドするのではなく、マージンガードレール内で最適化できました。

実際の数字:フィード再構築後のマージン回復

フィード修正後90日間、3ブランドすべてを追跡しました。週ゼロ(修正前ベースライン=100)にインデックス化された、週別のマージン貢献向上は次のとおりです:

平均マージン貢献は12週目までに29%改善しました。最初のフィード品質が最悪だった家具ブランドは、最大の絶対回復を見ました:同じ8万8千ドルのPMax支出で月次純貢献が6万1千ドルから14万2千ドルに。それは月間8万1千ドルのスイング、または年換算97万2千ドルであり、フィード修正のみからです。

外部要因(季節性、プロモーションカレンダー)を制御するために、PMax以外のパフォーマンスも追跡しました。スタンダードショッピングとペイドソーシャルの貢献は±3ppでフラットのままで、向上がPMax固有であることを確認しました。メカニズム:より良いproduct_type階層により、PMaxがより高マージンSKUに予算を割り当て、一意の説明+タイトルが広告関連性スコアを改善し、CPCを11〜17%引き下げました。

明白ではない利点の1つ:顧客LTVが改善しました。PMaxが高マージンSKUを促進すると、より良い商品を通じて顧客を獲得します。家具ブランドのPMax由来の顧客は、修正前のPMax顧客よりも180日LTVが18%高く、セクショナル(高マージン)が部屋を固定する検討購入であるのに対し、クッション(低マージン)は衝動的な追加であるためと思われます。より良い初回注文商品ミックス→より強力な顧客コホート。

フィード投資に懐疑的なブランドのために、8つの重要な属性でフィードをスコアリングし、マージン回復可能性を推定する無料監査を提供しています。家具ブランドの初期スコアは28/100でした。修正後は91/100でした。その63ポイントの改善が月間8万1千ドルの向上を解き放ちました。

FAQ

関連記事

google shopping

ゼロクリックショッピング:Googleプロダクトナレッジパネルのためのフィード最適化

Googleは現在、商品検索の34%で価格、在庫状況、仕様を検索結果に直接表示しています。ナレッジパネルを獲得し、ブランド検索の可視性を守るために、ショッピングフィードとスキーママークアップを最適化する方法を学びましょう。

2026年5月14日·34 min

google shopping

カスタムラベル戦略:3つのDTCブランドが8桁のROASを達成した方法

3つのDTCブランドが月5万ドルの壁を突破し、Google Shoppingで8桁のROASを達成したマージン×速度、季節性、LTVベースのカスタムラベルアーキテクチャを逆算して解説します。

2026年5月12日·21 min

google shopping

Googleショッピング広告がコンバージョンしない7つの理由(と修正方法)

インプレッションは問題ないのにコンバージョン率が低迷している場合、最も一般的な7つの診断と、それぞれの30分でできる修正方法を、数百件のEコマース監査に基づいて解説します。

2026年5月8日·11 min