BtoBのP-MAX運用術｜低品質リードを断ち商談化率を上げる調教設定

P-MAXを回しているのに、増えるのは資料請求だけで商談につながらない。そんな「リードの質」の悩みを抱えていませんか。

この記事では、BtoBのP-MAXで低品質リードを遮断し、商談化率を上げるための具体的な運用手順を解説します。AIに「本当に価値のあるリード」を学習させるシグナル設計、除外設定のやり方、アセットの組み方まで、現場でそのまま使える形でお伝えします。

BtoBのP-MAXで質の高いリードを取るために最優先すべきは、広告文やデザインの改善ではありません。「AIに何を成果として教えるか」というコンバージョン設計の見直しです。ここが的外れだと、どれだけアセットを磨いても質の低いリードが増え続けます。

ではどうするか。やるべきことは、大きく次の3つに整理できます。順番に見ていきましょう。

• シグナル設計：何を「成果」としてAIに教えるか（コンバージョン、マイクロコンバージョン、顧客リスト）を組み直す
• 除外設定：低品質な配信先・検索語句・オーディエンスを遮断し、AIの「視界」を矯正する
• BtoB特化アセット：ターゲット別の素材を用意し、刺さらない層を自然にふるい落とす

この3つは、どれか一つだけやっても効きません。3点セットで初めて「質の高いリードだけを学習するAI」に育っていきます。逆に言えば、この3つの考え方さえ押さえれば、あとは自社のデータに合わせて調整するだけです。全体像を先に表で示します。

やること	目的	BtoBでの効きどころ
コンバージョン設計の見直し	AIに「本当の成果」を教える	商談・受注データを価値として学習させる
マイクロコンバージョン追加	学習データ不足を補う	月間CVが少ないBtoBの弱点を補強
顧客リスト（カスタマーマッチ）	優良客に似た層を探させる	受注企業の傾向をAIに渡せる
除外設定	無駄な配信を断つ	アプリ面・無関係クエリを遮断
ターゲット別アセット	刺さらない層を自然に除外	経営層／情シス／現場で訴求を分ける

ここが分かれ道。P-MAXは「設定して放置」ではなく「AIを育てる」ものです。育て方の方針を最初に決めておくと、途中で迷わなくなります。

Contents / 目次

1. 具体的なやり方。質を上げる調教を4ステップで進める
2. 効果のイメージ。件数は減っても商談は増える
3. よくある失敗と回避法。多くはここでつまずく
4. 現場の本音。P-MAXが「向かない」ケースもある
5. よくある質問
6. まとめ。まずはコンバージョン設計から見直そう

具体的なやり方。質を上げる調教を4ステップで進める

質の高いリードを取るための調教は、次の4ステップで進めます。上から順にやれば、AIの学習が「件数重視」から「質重視」へ切り替わっていきます。いきなり全部やろうとせず、ステップ1から着実に固めるのがコツです。

ステップ1。何を「成果」として計測するか決める

最初にやるべきは、コンバージョンの棚卸しです。AIは「成果」として教えられたものを増やそうとするので、ここが緩いと質が崩れます。基本方針はシンプルで、本当に商談につながるアクションだけをメインの成果として計測することです。

ただし、BtoBには落とし穴があります。BtoB商材は最終コンバージョン（問い合わせ・商談化）の件数が少なく、AIの学習に必要なデータが足りなくなりがちです。月間の主要コンバージョンが少ないと、AIが最適化の判断材料を持てず、成果が不安定になります（必要な件数は業種や商材によって大きく異なります）。

そこで使うのが「マイクロコンバージョン」です。マイクロコンバージョン（＝最終成果の手前にある小さな行動）を補助的に計測して、学習データを補います。BtoBで設定しやすいものを挙げます。

• 資料・ホワイトペーパーのダウンロード：検討初期の見込み客の行動として計測しやすい
• 料金ページ・事例ページの一定時間の閲覧：ある程度の滞在時間を条件に加えると、検討度の高い行動を拾いやすくなる（目安の秒数は自社の運用実感に合わせて調整する）
• フォーム到達・入力開始：問い合わせ寸前の行動なので確度が高い

ポイントは、これらを最終成果と「同じ価値」で扱わないことです。次のステップで価値の重みづけをして、AIに優先順位を教えます。

ステップ2。コンバージョンに「値付け」をする

マイクロコンバージョンを足すと、今度は「質の低いリードでも件数が増えればOK」とAIが誤解しがちです。これを防ぐのが、コンバージョンごとの値付け（価値の重みづけ）です。ビジネス上の価値を数字でAIに伝えます。

考え方の例として、資料ダウンロードを「1」とするなら、問い合わせフォーム送信は「10」、実際の商談化は「50」、受注は「200」というように、後工程ほど大きな価値を割り当てます。数字そのものは自社の実感で決めて構いません。大事なのは後工程の成果ほど価値を大きくして、AIが「件数」ではなく「質」を追うようにすることです。

具体的には、各コンバージョンアクションの設定画面を開き、「価値」の項目に後工程ほど大きい数値（資料DL＝1、フォーム送信＝10、商談化＝50、受注＝200など）を入力していきます。メニュー名や画面の並びは変わることがあるため、最新の画面での正確な操作はGoogle広告の公式ヘルプで確認してください。ここで大事なのは「操作」より「後工程を高く評価する」という設計の考え方です。

ステップ3。優良客のリストと商談データをAIに渡す

AIに「探すべき人物像」を教える最強のシグナルが、過去の優良客データです。やり方は2つあります。

1つ目は、顧客リストのアップロード（カスタマーマッチ）です。過去に受注した企業や、良い商談につながったリードのメールアドレスなどをリスト化してGoogle広告に渡すと、その優良客に近い層をAIが見つけやすくなります。 営業のセンスを、AIに引き継ぐイメージです。（対応範囲や仕様はGoogle広告の公式ヘルプで確認してください）

2つ目は、オフラインコンバージョンのインポートです。これは、広告経由で獲得したリードが「実際に商談化したか」「受注したか」といったその後の結果を、Google広告側に取り込むための機能です。

つまり、フォーム送信の時点では分からない「その後どうなったか」をAIに教え、値付けの精度を上げるという考え方です。CRM（顧客管理ツール）と連携できると、この流れを回しやすくなります。（対応範囲や設定手順はGoogle広告の公式ヘルプで確認してください）

ステップ4。ターゲット別のアセットを最低3種類そろえる

アセット（＝広告の素材一式。テキスト・画像・ロゴ・動画のこと）は、AIに与える「選択肢」です。ここでBtoB特有の工夫が効きます。それが、ターゲット別にアセットグループを分けることです。

BtoBは、同じ商材でも刺さる悩みが役割によって違います。役割ごとに反応するポイントは、次のように分かれます。

• 経営層：費用対効果
• 情報システム部門：セキュリティや運用負荷
• 現場担当者：日々の作業のラクさ

そこで、アセットグループを最低3つは用意し、それぞれの訴求を作り分けます。 すると、刺さらない層は自然と反応しなくなり、結果として質の低いリードが減る「セルフフィルタリング」が働きます。

アセット作りの下書きには、AIツールを使うと速いです。たとえばClaudeなどのAIツールに、次のようなたたき台を渡して対話しながら詰めていきます。

あなたはBtoB広告のコピーライターです。
以下の条件で、Google P-MAX用の見出し案を10個出してください。
・商材：［自社サービスを入力］
・ターゲット：［経営層／情シス／現場担当 のどれかを入力］
・このターゲットが抱える悩み：［具体的に入力］
・避けたい表現：無料、誰でも簡単、など質の低い層を集める言葉
出したあと、各案が「どのターゲットの悩みに刺さるか」も一言添えてください。

これはあくまで出発点です。出てきた案をそのまま使わず、「この表現だと予算感の合わない層も来そう」「この悩みは自社の顧客と少しズレている」と、自社の実態に合わせて人が選別・修正するのが一番大事な工程です。AIは案を量産できますが、良し悪しの最終判断は現場の人にしかできません。

なお、動画アセットは最低1本は自作したものを入れておくと、ブランドイメージに合った素材を届けやすくなります。除外設定の考え方については無駄打ちを減らす広告「除外設定」入門｜BtoBで予算を守るでも詳しく整理しています。

効果のイメージ。件数は減っても商談は増える

この調教がうまく回ると、多くの場合「リード獲得の件数は減るが、商談化率と有効商談の単価は大きく改善する」という変化が起きます。件数だけ見ると不安になりますが、追うべきは商談の数です。

弊社（大分・福岡でWeb広告運用を支援する株式会社コレットラボ）が現場で見てきたパターンを、分かりやすく整理します。導入当初は質の低いリードに悩まされていたケースでも、検索テーマの厳格化、商談データのフィードバック、ターゲットを絞った動画アセットの追加を数か月かけて実施していくと、変化が表れてきます。

多くの場合、月間のリード獲得数はむしろ減りますが、商談化率が上がり、1件あたりの有効商談の獲得コストは下がっていきます。変化の幅は業種やオファーで大きく変わるため具体的な数字は一概には言えませんが、方向性としては「量が減って質が上がる」という同じ形になることがほとんどです。

見るべき指標が変わる。調教後は「リード件数」や「クリック単価」だけを見て一喜一憂しないこと。商談化率、有効商談単価、受注までつながった割合を評価軸にすると、正しい判断ができます。

成果を出している会社に共通するのは、広告の管理画面だけで完結させず、営業やCRMの「その後のデータ」を広告に戻している点です。AIは、教えられた成果しか賢くなれません。だからこそ、商談化・受注という現場のリアルな結果を渡し続けることが、遠回りに見えて一番の近道になります。予算全体の考え方はBtoB広告の予算設計｜月30万の壁を超え成長を最大化する戦略も参考になります。

よくある失敗と回避法。多くはここでつまずく

P-MAXでつまずく会社の失敗は、驚くほど似ています。現場でよく見る4つのパターンを、原因と防ぎ方のセットで挙げます。自社に当てはまるものがないか確認してみてください。

失敗1。コンバージョン設定が緩すぎて無効リードが増える

「とにかく件数を稼ごう」と緩いコンバージョンを主要成果に設定すると、AIは成果につながらない層にまで配信を広げます。その結果、スパムや情報収集目的の無効リードばかりが増えていきます。防ぎ方は、主要成果を「商談につながるアクション」だけに絞ること。データが足りない場合だけ、マイクロコンバージョンを補助的に足します。

失敗2。オーディエンスシグナルを設定していない

オーディエンスシグナル（AIに「こういう人を探して」と渡すヒント）を空のまま、あるいは何となく設定していると、AIは手がかりがないまま迷子になります。すると的外れな配信が増えます。防ぎ方は、ステップ3で触れた顧客リストや、確度の高いマイクロコンバージョンをシグナルとして与えること。 ここが埋まるだけで配信の精度が変わります。

失敗3。設定を頻繁に変えて学習をリセットしてしまう

成果が出ないと焦って毎週のように設定をいじる。これが一番もったいない失敗です。設定を頻繁に変えると、AIが新しい条件を学習し直す状態になりやすく、成果が安定しにくくなります。 防ぎ方は、一度大きな変更をしたら最低2週間、できれば1か月は動向を観察すること。 BtoBは検討期間が長く、成果がデータに表れるまでタイムラグがあることを前提に、どっしり構えます。

失敗4。除外設定を何もしていない

除外設定をせずに放置すると、質の低いディスプレイ枠やアプリ面に予算が流れ、獲得単価が高騰します。防ぎ方は、配信先や検索語句のレポートを定期的に確認し、無関係なアプリ面や配信先を除外していくこと（除外できる範囲や手順はGoogle広告の公式ヘルプで確認してください）。 既存顧客やコンバージョン済みのユーザーリストも除外すると、無駄打ちが減ります。

現場の本音。P-MAXが「向かない」ケースもある

ここまで調教のやり方を書いてきましたが、正直にお伝えすると、すべてのBtoB企業にP-MAXが最適とは限りません。教科書には書かれにくい、現場で見えた妥協点を率直に共有します。

まず、月間のコンバージョンが極端に少ない商材（たとえば数件程度）では、マイクロコンバージョンを足してもAIの学習が安定しないことがあります。 この場合、無理にP-MAXへ寄せるより、指名キーワードや課題が明確なキーワードを狙う検索広告のほうが、確実に商談を拾えることが多いです。AI任せが常に正解ではありません。

次に、既存の検索キャンペーンとの「食い合い」です。P-MAXが指名検索など、すでに効率よく取れている領域にも配信され、既存キャンペーンと配信が重なることがあります。ブランド名まわりの扱いは役割分担を意識して調整する必要がありますが（設定できる範囲や手順はGoogle広告の公式ヘルプで確認してください）、この調整はレポートを読み解く手間がかかり、片手間だと見落としがちです。

P-MAXは「自動だからラク」と思われがちですが、質を追う運用はむしろ手間がかかります。コンバージョン設計、データ連携、除外のメンテナンスを回し続ける前提で始めないと、「自動で低品質リードを量産する機械」になりかねません。

内製でどこまでやるかの線引きも悩みどころです。アセット作りやマイクロコンバージョンの設定は社内でも十分できます。一方で、CRMとの連携やオフラインコンバージョンの設計、値付けのチューニングは、専門知識がないと事故が起きやすい領域です。ここは内製と外注のハイブリッドが現実的で、考え方は内製化と外注のハイブリッド戦略：Web運用で勝つ組織の役割分担でも整理しています。「全部自社で」と気負わず、事故りやすい部分だけプロに任せるのが、結局は一番早くて安全です。

よくある質問

まとめ。まずはコンバージョン設計から見直そう

BtoBのP-MAXで質の高いリードを取るコツは、広告文の改善ではなく「AIに何を成果として教えるか」の設計にあります。コンバージョンの値付け、優良客データの連携、除外設定、ターゲット別アセット。この4つを地道に回すことで、AIは少しずつ「質を追うパートナー」に育っていきます。

とはいえ、CRM連携やオフラインコンバージョンの設計、既存キャンペーンとの食い合い調整など、事故が起きやすい部分もあります。「自社でどこまでやり、どこを任せるか整理したい」と感じた方は、コレットラボのWeb広告運用支援に気軽にご相談ください。今の設定を一緒に棚卸しするだけでも、次にやるべきことがはっきりします。まずは現状をお聞かせいただくところから、お話ししてみませんか。