ユニークキャリア様 導入事例
「Media Analytics」がクローズドベータ版から利用しているユニークキャリアさんにお話をお伺いしました。なぜ「Media Analytics」を選んだのか、インタビューをもとに紹介していきます。
ユニークキャリア株式会社
執行役員兼メディア責任者：柏木翔斗様
ユニークキャリア株式会社に2022年7月からインターンとして参画し、23年4月に初の新卒社員として入社。
インターン期間中に執行役員に就任、同年8月からメディア責任者として自社が運営するメディア全体を管轄している。
- 自社ドメイン配下にあるメディア・コンテンツの数が多く、現状分析ができていなかった
- 現状分析ができていないので、改善の優先度を判断しにくい状態だった
- リファラの取得率が低く、記事ごとのCVを正確に把握できていなかった
- 複数のメディアのデータを一元管理できる「Media Analytics」を採用した
- 「Media Analytics」のベータ版を使用していて、必要な分析ができることがわかっていたので改めて採用した
- 複数のASPのコンバージョンを一元管理できて、リファラが確実に取れるツールを採用した
- 順位改善や売上改善の分析効率が上がった
- リファラがほぼ100%取れるようになったことで、どの記事から改善を進めるべきか明確になった
- 成果が出ている施策が可視化され、成功した施策をチーム全体に共有できるようになった
- メディア全体の記事順位やCVのデータを一元管理できるようになった
コンテンツチームの体制を構築していく中で、自分たちだけで分析・検証を行うことに限界を感じていたことが一番のきっかけです。
弊社では複数のメディアをサブディレクトリで区切って運用しており、メディアが増えるにつれてコンテンツ量も膨大になっていました。
検索順位や、施策の内容はスプレッドシートに入力して管理していましたが、手作業で行う部分が多く、あまり効率の良いやり方ではなかったと思います。
まだリファラが取得できていなかったので、どの記事から優先的に改善をすればよいのか明確な答えがありませんでした。
そこで過去にベータ版を使用していた、Media Analyticsの機能が活かせるのではないかと判断して、導入にいたりました。
もともとベータ版時代に利用していたということもありますが、改めて興味を持った点として以下の3点があります。
CV数はもちろんですが、どの商材がよくCVしているのかまで可視化されたことで、必然的に施策の優先度がつけやすくなりました。
そして、施策実施後の順位変動やCVの増減まで、メディアごとに1つのプラットフォームで管理できるので、重宝しています。
これまではASP単位で一定の売上基準を設けて、10日ごとに達成の進捗状況を追っていた時期もあれば、案件単位で目標発生数を決めて、進捗状況を追いながらコンテンツ改善を実施していたこともあります。
ただ、Media Analyticsの導入前は、ほとんどのコンバージョンのリファラが取れていなかったので、どの記事が収益性の高い記事なのかを正確に把握できていませんでした。
メンバーごとに分担しながらデータを集計していたのですが、記事数が多く、施策実施、検証、改善のPDCAを回すまでにかなりの工数がかかっていました。
トータル12〜13名ほどで、複数のメディアを運営しています。
社員2名とアルバイトに加え、執筆に関しては外部のライターさんたちにお任せしています。
施策のチェックシートを作成して、ライターさんに最低限クリアすべき項目を共有したうえで執筆を進めていましたが、Media Analyticsの導入前は、どの記事から成果が発生しているかわからなかったので、ライターさんごとの評価があいまいでした。
Media AnalyticsではASPごとのコンバージョンがひとつの管理画面に集約されるので、集計のコストが減りました。
また弊社の場合はメディア数が多いので、メディアごとの集計コストという意味でも大幅な削減効果があったのではないでしょうか。
データを集計したうえで、改善インパクトが大きそうな記事から順番に施策を実施しています。
3日〜1週間ほどの検証期間を設けたうえで、順位や売上が上がった施策は別の記事でも横展開をするので、施策のインパクトを最大化できるようになりました。
どの施策に効果があったのかをクリアにするため、1記事に対して1つずつ施策を実施していき、それを複数の記事に対して、同様のサイクルで進めています。
データを集計したうえで、改善インパクトが大きそうな記事から順番に施策を実施しています。
3日〜1週間ほどの検証期間を設けたうえで、順位や売上が上がった施策は別の記事でも横展開をするので、施策のインパクトを最大化できるようになりました。
どの施策に効果があったのかをクリアにするため、1記事に対して1つずつ施策を実施していき、それを複数の記事に対して、同様のサイクルで進めています。
ツールを導入してから、より効率的なリライト体制を構築できるようになりました。
コンテンツ改善に効果がある施策はもちろん、あまり効果がない施策も把握できるようになったので、無駄なく改善を回せるようになったのが最大の収穫です。
また、曖昧になりがちだったライターごとの評価も、客観的な事実に基づいて行えるようになりました。
１ヶ月後にどれくらい順位やCVが上がったのか、ライターによってその成果はバラバラです。
成果が出た人に対してインセンティブを設けるような仕組み作りができたり、良い成果を出した人のやり方をシェアしたりとポジティブなサイクルが生まれています。
まだ導入してから1ヶ月ほどですが、すでにリライトした記事から売上が出ているものが散見されます。
改善施策の優先度づけができるようになったので、より売り上げにもつながりやすい施策から取り組めたのが要因かなと思っています。
順位変動やCV、施策などをひとつのプラットフォームで確認できる点です。
一般的には、ツールを分けて分析する必要がある部分を一元化できたので、データの集計にかけていた工数が減りました。
集計が自動化されて、記事単位でのデータをすぐに確認できるようになったので、より多くの時間を本質的な業務にあてられるようになっています。
またライターやディレクターが「いつ・どのような施策をして、どれくらい結果が出たか？」を把握できるようになったので、マネージャーの視点からもプラスの影響がありました。
一方のライターやディレクターたちも、自分で施策の成果を把握できるようになったので、個々のモチベーション維持につながっているのではないかと思っています。
よく使う機能は以下の3点です。
検索順位分析については、順位変動をパッと見るために利用しています。
施策を追加すると、追加した日の検索順位の数字の背景にマークがつくので、そこを起点に順位の変動を視覚的に追っています。
そして、コンバージョン一覧のページでチェックしているのは、どの記事でどの商材のCVが発生しているのかです。
過去のCVをまとめて見られるので、重宝しています。
施策一覧のページでは、どのメンバーがどんな施策を打って、その結果がどうなったのかが一目でわかるので、効果のあった施策の洗い出しや、個人評価のために使用しています。
自分の担当した施策の一覧を見れば、その成果がわかるので、自走できるライターさんは自発的にPDCAを回してくれるようになりました。
ユニークキャリア様は、Media Analytics導入により以下のような効果があったとのことでした。
今回の事例が、メディア運営における集計コストの削減をしたい、リファラ取得率を上げて分析をしやすくしたいとお考えのメディア担当者の方々の参考になれば幸いです。
