人間の仕事は、毎朝1通になった ——Amazon広告が“自分で賢くなる仕組み”になるまで

1. 前回のおさらい：「見える化」はできた。でも、見えた後は誰がやる？

前回作ったのは、全キーワードをTier（S/A/B/C）で仕分けし、毎朝「悪化が見える表」がSlackに届く仕組みでした。「気づいたら手遅れ」は確かになくなりました。

ところが、運用を続けて分かったことがあります。見えても、対処するのは人間のままだったのです。毎週システムが出してくる変更案を、私たちが1件ずつ見て承認する。件数が多い週は、それだけで時間が溶ける。気づけば、仕組みの中で一番のボトルネックは私たち自身になっていました。

そこからの進化を、この記事では3段階で整理します。

2. 第2世代：承認制をやめた日——安全弁つきの自動実行

最初に変えたのは「人が全部見る」体制です。発想を逆にしました。全部を人が見るのではなく、危ないものだけが人のところに来るようにする。

具体的には「安全弁」を用意しました。引っかかった提案だけが⏸保留になって人間に回り、それ以外は自動実行されて、事後に週報で報告されます。

• 変更幅が±50%を超える
• 入札額が一定ラインを超える（新規キーワードはさらに低いラインで）
• 1週間の変更件数が上限を超える
• 過去に「効かない」と学習済みの手に該当する（後述）

あわせて、機械が暴走しないための足かせも入れてあります。同じ対象は変更後6日間さわらない（冷却期間を置く）、1日の変更数に上限、1回の変更幅は±8%まで、データが足りないものは判断しない。派手に動かさず、小さく頻繁に動かすのが基本思想です。

この切り替えで、週次の承認作業はほぼ消えました。人間の役割は「全件の検品係」から「例外の判断係」へ。これが第2世代です。

3. 北極星は利益額——「効率を追って縮む」を機械が防ぐ

自動運転を始めると、すぐに重要な問題にぶつかります。機械に何を目指させるかです。

広告の世界では「売上に占める広告費の割合」を目標にすることが多く、私たちもこの割合を目標水準へ少しずつ下げていく計画を機械に持たせています。ただし運用してみると、この「効率の指標」には罠があることが分かりました。広告を削れば削るほど割合の数字は「良く」なりますが、やりすぎると指標はきれいなのに売上も利益も縮んでいく「縮小均衡」に入るのです。

そこで、判断の優先順位を明文化しました。「広告費の割合」と「利益額」が矛盾したら、利益額が勝つ。割合は手段、北極星は利益額です。

実装としては「利益ブレーキ」を入れました。週の利益が前週比で大きく減り続けているときは、効率化のための入札カット（黒字キーワードを削る動き）を機械が自動で停止します。赤字キーワードのカットだけは続ける。つまり「節約はするが、ダイエットのしすぎで倒れない」ように機械が自分で踏みとどまる。

4. 第3世代：機械が自分の手を採点する（全体図）

ここからが今回の本題です。自動で手を打てるようになると、次の疑問が生まれます。「その手、本当に効いてるの？」

そこで、毎週月曜の朝に「答え合わせ」を組み込みました。先週システムが実行した全変更を、変更前7日と変更後7日の成績で機械的に採点する。結果は「教訓ノート」に✅有効／❌逆効果／➖中立として貯まっていき、❌が確定した手はルールとして台帳に書き戻され、翌朝からその手は自動実行の対象から外れます（打つ場合は人間の判断を通す形に変わります）。

仕組みの全体像はこうなっています。一番のキモは、右端の「賢くなって、戻る」矢印です。

色の意味：グレー＝集まる情報 ／ 緑＝機械が自動でやること ／ オレンジ＝ブレーキ ／ 紫＝人が関わる場所。

この学習ループが動き始めて最初に起きたことが、象徴的でした。

大事な設計判断がひとつあります。採点は機械が全自動でやりますが、ルール化の最終確定だけは人間がやる。たまたまの結果を「法則」と誤認して暴走しないための、最後の関所です。自動化を進めるほど、「どこを人間に残すか」の設計が品質を決めます。

なお、ループは時間軸の違う二重構造になっています。

「役割の貼り直し」は、全キーワードに毎週こんなラベルを貼り直す作業です。役割によって機械の扱いが変わります。

ポイントは、広告の判断に「自然検索の順位」が直結していることです。順位が上位のキーワードは無条件防衛、順位が上昇中のキーワードは入札を下げない（広告→自然順位の好循環を壊さない）、順位が3日下がり続けたらアラート。広告だけ見て広告を判断しない、が私たちの運用の柱です。

5. 守りの完成形：セールを知る・在庫を知る・打った手を見張る

自動運転には、アクセルとハンドルのほかに「状況認識」が要ります。運用して痛感した順に3つ。

5-1. セールを知らない機械は、事故る

セール日程を知らない自動化は、想像以上に危険でした。実際に起こりうる事故は4つあります。

• セール期間と重なった変更が「効いた」ように見える（効果測定の誤学習）
• セール翌週は数字が必ず沈むので、反動を悪化と誤認して利益ブレーキが誤発火する
• セール翌日の反動で失速アラートが誤報を出す
• セール中こそ攻めるべきなのに、目標超過を理由に機械が締めてしまう（攻め時に逆走）

対策として、プライムデーなどのセール予定とエントリー締切を自社で管理しているセール予定カレンダーに集約し、毎週自動でシステムに取り込むようにしました。セール情報は効果測定・ブレーキ・アラート・入札方針の4箇所すべてに配管されていて、セール中は「締め」を自動停止、セール翌週はブレーキの閾値を自動で緩めます。

5-2. 攻めて在庫切れ、が一番もったいない

広告で攻めて売れた結果、在庫が切れる——これが最悪のシナリオです。在庫切れで販売ランキングの勢いを失うと、回復に数週間かかることがあります。

そこで、FBA在庫と直近7日の販売スピードから「在庫があと何日もつか」を毎朝計算し、残り7日を切った主力商品は、その朝から入札アップを自動停止するガードを入れました（守りの入札ダウンは継続）。初日からいきなり「残り3日」の主力商品を検知して補充アラートを出し、初仕事をしてくれました。

正直な話もしておくと、このガードは初日に誤判定もやらかしています。「FBA在庫ゼロなのに売れ続けている商品」を在庫切れと判定したのですが、実はその商品は自社発送に切り替えて運用中でした。即日ルールを直しました。仕組みは初日から完璧にはなりません。運用の学びで磨くものです。

5-3. 打った手には、必ず見張りをつける

入札を上げた対象は「上げっぱなし」が一番危ない。そこで上げた手すべてに毎朝の事後監視がつきます。表示が急増していないか、検索結果の一番目立つ場所への露出が急に増えていないか、広告費だけ消化して注文が止まっていないか、クリック単価が急騰していないか。危険な兆候が3つ同時に出たら🚨として、元の入札に戻す提案つきで通知されます。新しく投入したキーワードも、一人前と判定される14日目まで毎日見張られます。

毎朝の見張りを一覧にするとこうなります。

6. 攻めの完成形：市場レーダーで「出稿してるつもり」を潰す

守りが揃ったら、次は攻めの機会損失です。ここで効いているのが「市場トレンドレーダー」。Amazonが提供する検索データ（検索クエリパフォーマンス）を使って、市場全体の検索量と、その中での自社シェアを毎週突き合わせます。

• T1 急上昇：市場の検索量が前週比+30%以上 → 攻め時の検知
• T2 シェア低下：市場は安定なのに自社のクリックシェアが急落 → 競合への流出
• T3 未開拓：検索量は大きいのに自社の表示シェアが5%未満 → 取りに行けていない市場

「出稿している」と「オークションで戦えている」はまったく別物です。そして広告の管理画面だけを見ていると、この差は一生気づけません。市場のデータと突き合わせて初めて「つもり」が露呈する——これが攻め側の一番の学びでした。

7. 人間の仕事は、毎朝1通になった

ここまでの仕組みを全部入れた結果、最後に残った問題は意外なものでした。通知が多すぎて、読むのが仕事になっていたのです。日次レポート、監視アラート、自動調整の報告……Slackに情報が乱立して、どれを見ればいいか分からない。

そこで情報の動線を棚卸しして、「1つの情報には1つの住所」に整理しました。

毎朝届く「朝刊」のイメージはこんな感じです（数値は伏せています）。

もうひとつ、日次と週次をつなぐ仕掛けがあります。毎朝の気づき（失速・予算余り・順位下落など）はすべて記録されていて、同じ気づきが3日以上続くと、週次の作戦会議に議題として自動昇格します（📡マークつき）。毎日アラートに人間が疲れるのではなく、「続く異変だけが会議の議題になる」わけです。

規模感でいうと、管理しているキーワード候補は約2,400件、機械の自動調整は1日十数件ペース。それに対して人間の作業は、毎朝1通を30秒読む＋月曜に週報を確認する。これだけです。

8. 正直に言うと、ここまで作るのは大変です

ここまで読んで「うちもやりたい」と思った方に、先に正直なことを言います。これは週末にサクッと作れるものではありません。私たちも前回の記事の状態からここまで、運用しながら数ヶ月かけて進化させてきました。越えるべき壁は大きく3つあります。

壁①：データの蛇口を開けるまでが長い（API・権限の壁）

• Amazon広告APIの利用申請と承認が必要です。申請してすぐ使えるものではなく、審査待ちの期間が発生します
• 売上・在庫データの自動取得にはSP-APIの開発者登録と審査が必要です。申請内容によっては数週間単位かかることもあり、認証キーやトークンの管理体制も求められます
• 市場の検索データ（検索クエリパフォーマンス）はブランド登録（Amazonブランドレジストリ）が前提です。商標を持っていない場合、そこから始まります

壁②：学習には「過去」が要る（データ蓄積の壁）

答え合わせも学習も、すべて「変更前と変更後の比較」です。つまり比較できるだけの過去データが溜まっていないと、第3世代は始められません。最低でも数週間〜数ヶ月の蓄積が先で、学習はその後。データ基盤が先、賢さは後、という順番は飛ばせません。

壁③：毎日無人で動き続ける基盤（運用の壁）

この仕組みは「毎日動く」ことが前提です。実行環境の用意、失敗時のリトライ、二重実行の防止、止まったことに気づく監視——地味ですが、ここが崩れると「動いているつもりの自動化」になります。作る時間より、安定して回るようにする時間の方が長いくらいです。

もうひとつ大事なこと。途中でも書いた通り、すべてを機械任せにはしていません。学習ルールの最終確定、大きな変更の判断、そして「何を北極星にするか」という方針——ここは人間の仕事として意図的に残しています。自動化の目的は人間を消すことではなく、人間の判断を一番効く場所だけに集中させることです。

9. まとめ

• 「見える化」の次は「見えたものへの自動対処」、その次が「結果からの自動学習」。広告運用は3世代で進化する。
• 承認制はボトルネックになる。安全弁を設計して、人は例外だけ見る体制へ。
• 北極星は効率指標ではなく利益額。矛盾したら利益が勝つ、を機械に教える。
• 毎週の「答え合わせ→教訓→ルール化」で、効かない手は自動実行から外れる（最終判断は人に残す）。人間の経験則すら、数字で反証されることがある。
• セール・在庫・打った手の事後——機械に「状況認識」を持たせないと自動化は事故る。
• ただし構築は大変。API承認・ブランド登録・データ蓄積という壁があり、順番を飛ばすことはできない。一段ずつ。