Scowttの予測値は成果の代わりではない|入札に学ばせる線引き

「自動入札は、問い合わせや受注を返せば賢くなるものだと思っていた」「成約しそうかどうかの予測を媒体に返すと聞いて、それは本当に成果と呼んでいいのか分からない」——広告の運用と営業の数字の両方を見ている担当者から、最近よく届く戸惑いです。自動入札に返す信号は、これまで「実際に起きた成果」が前提でした。米国の Scowtt は、そこに「AIが予測した成約の見込みと価値」を返す仕組みを提供しています。予測値を返すことは、計測の改善ではありません。入札が何を目指して学ぶかを、自社のモデルに預ける判断です。この記事では、公式サイトと公開された発表、業界メディアの報道で確かめられる範囲で、Scowtt の予測値を自動入札に学ばせてよいかを、課題・原因・対策の順に整理します。画面の操作や料金の一覧は扱いません。
カメ先生自動入札に返すのは、起きた成果だけだと思われがちなんだ。でも今は、成果が起きる前に「この人は成約しそうで、このくらいの価値がある」という予測を返す仕組みが出てきている。媒体のAIは、返された数字を正解として学ぶんだよ。
カメ子予測が正解として扱われるなら、予測が外れていたら入札も外れた方向に学ぶ、ということですか。
カメ先生そのとおり。しかも外れ方は広告の画面には出てこない。だから予測の根拠を説明させること、実際の受注と突き合わせる周期を決めること、顧客データをどこまで外に出すかを決めることを、入れる前に済ませておく必要がある。
カメ子速く学ばせる仕組みほど、確かめる手順を先に用意しておくんですね。
- Scowtt は、CRMの記録とサイトの行動から見込み客ごとの成約の見込みと価値を予測し、その値を Google・Meta などの自動入札に返す。2026年2月に LiveRamp と提携し、予測モデルが同社のデータ連携基盤に組み込まれた
- 予測値を返すと、媒体のAIは予測を正解として学ぶ。外れたときに入札がどこへ流れるか、予測の根拠に何を使うかを導入前に書き出させる
- 効き目は半分ずつ分ける比較試験と、予測値と実際の受注の突き合わせで自社が確かめる。顧客データの出口と同意、止め方も契約前に決める
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
Scowttとは:CRMの記録から、成約の見込みと価値を予測して媒体に返す層
Scowtt は、2024年に米国シアトル圏で創業した会社です。創業者は Google と Meta の広告部門で幹部を務めた人物だと紹介されています。公式サイトでは、事業を「顧客の価値の見込みを点数化し、その点数でキャンペーンの最適化を導く予測の基盤」と説明しています。業界メディアの報道では、製品は三つに分かれ、CRMから作る予測モデル、その予測を自動入札に流し込む広告向けの製品、見込み客に応対する生成AIのエージェントがあると紹介されています。この記事が扱うのは、予測を自動入札に返す部分です。
公式サイトが示す流れは4段階です。まず、企業がすでに記録している顧客データと成果をつなぐ。次に、どの見込み客が価値を生みそうかを予測する。その予測を、対応する広告媒体に信号として送る。最後に、媒体の自動入札がその信号に向けて最適化される、という順番です。公式サイトには Google 広告・Meta・TikTok・LinkedIn・Microsoft・Amazon の広告が並んでいますが、どこまで対応しているかの細かな説明はありません。業界メディアの報道では、予測を自動入札に流し込む製品として Google・Meta・TikTok が挙げられています。
対応業種として公式サイトが挙げるのは、美容医療などの自由診療、教育、金融サービス、住宅まわりのサービス、会員制・定額制の事業です。いずれも問い合わせから契約までに段階があり、契約ごとの価値に差が大きい業種です。BtoBの企業が検討するときは、この前提が自社に当てはまるかを最初に確かめる必要があります。
2025年末から2026年の動き:シリーズA、LiveRampとの提携
2025年12月、Scowtt は1,200万ドルのシリーズAを発表しました。報道によれば、米国のベンチャーキャピタルが主導し、データ連携基盤を運営する LiveRamp の投資部門も参加しています。前年の小規模な調達と合わせ、調達総額は約1,300万ドルとされています。
2026年2月20日には、LiveRamp が Scowtt との提携を発表しました。発表文によると、Scowtt の予測モデルが LiveRamp の基盤の中で使えるようになり、利用企業は手持ちのオーディエンスと一緒に予測の点数を広告配信に使えます。CRMのデータが少ない企業は、第三者の購買意向データを足して予測を補えるとも説明されています。
この発表の中で Scowtt の創業者は、顧客企業で ROAS が40%以上改善していると述べています。ただし、この数字は同社側の発言で、試験の設計や比較の方法は示されていません。公式サイトに載る事例の改善率も同様に、同社が掲載したものです。導入を判断する側は、これらを「試してみる理由」にはしても、「入れてよい根拠」にはしないことが大切です。
誤解:媒体に返すのは「実際に起きた成果」だけ、ではなくなった
コンバージョンAPIやオフラインの成果の取り込みは、どれも「起きたこと」を媒体に返す仕組みです。フォームの送信、商談化、受注といった事実を、後から媒体に伝えて学習に使わせます。返すまでに時間はかかっても、返す値そのものは事実です。仕組みの詳細や重複の除き方は、別の記事で扱っています。
Scowtt の考え方は違います。業界メディアの報道によれば、50を超える変数から成約の見込みと顧客の価値を予測し、その予測値を、成約が起きる前に Google と Meta の入札に返すと説明されています。CRMや行動のきっかけが起きてから、約15分で媒体に届くとも報じられています。受注を待たずに価値の信号を返せるので、学習が早く始まるというのが同社の主張です。創業者は、大きな広告媒体は「ネットワーク全体の成功」に向けて最適化されている、と語っています。媒体任せではなく、広告主の側の物差しを媒体に教え込む、という発想です。
ここで見落とされやすいのは、媒体のAIは、返された値が事実か予測かを区別せずに学ぶという点です。予測値を主たる成果として設定すれば、入札は「予測が高く出る人」を探しにいきます。予測が実際の受注とよく合っていれば強力ですが、合っていなければ、外れた方向へ速く学んでしまいます。
課題:予測値を学ばせると、入札は「予測が高い人」に寄っていく
自動入札に予測値を学ばせたとき、何が起きるかを分けて考えます。予測が正しければ、成約しそうな人に入札が集まり、成約しにくい人への出費が減ります。これが同社の言う改善の中身です。一方で予測にくせがあると、そのくせが入札の方向として固定されます。
たとえば、過去に成約した顧客が特定の地域や時間帯、特定の流入元に偏っていたとします。モデルはその偏りを「成約しやすさ」として覚え、入札はその層に寄ります。新しい市場や新しい商材の見込み客は、過去の記録に少ないため低く予測されやすいのです。広告の数字は良く見えても、取り込める顧客の幅が狭くなることがあります。
- 予測値を主たる成果に切り替えた月に、管理画面の ROAS が上がったことだけを見て効果ありと判断する
- 過去の成約の偏りを確かめないまま学習させ、新しい地域や商材への配信が細っていくのに気づかない
- 予測モデルを作り直した日と、入札の動きが変わった日を、誰も記録していない
この課題には原因が四つあります。外れ方が見えないこと、根拠を説明できないこと、検証の周期が合わないこと、データの出口が増えることです。順に見ていきます。
原因1:予測の外れ方が、広告の画面からは見えない
広告の管理画面に出るのは、返された値の合計と、それに対する費用です。予測値を成果として返していれば、画面の ROAS は「予測の価値」と費用の比になります。予測が楽観的に出れば、実際の受注が増えていなくても画面の数字は良くなるという構造です。
報道によれば、Scowtt は Google 広告に専用の主たるコンバージョンアクションを作り、キャンペーンの目標にする設定をとります。Meta では新しいデータセットを作り、コンバージョンAPIで価値を送る形と説明されています。報道では、Meta 側には予測の結果が購入のイベントとして送られるとも書かれており、社内の帳票で実際の購入と混ざらないよう区別が要ります。どちらも媒体側では、予測値がいつもの成果と同じ欄に並ぶことになります。
つまり、広告の担当者が普段どおり管理画面を見ているだけでは、予測が当たっているかは分かりません。当たっているかを知るには、営業やCRMの側にある実際の受注と、予測値を並べる作業が別に要ります。この作業を誰が持つかが決まっていないと、外れていても気づく人がいません。
原因2:何を根拠に予測したかを、誰も説明できない
報道によれば、Scowtt のモデルはCRMの記録に加え、行動の分析データを BigQuery 経由で取り込み、利用者単位とサイト単位の行動を使うとされています。CRMには少なくとも三つの項目、たとえば商談の段階や架電の時間のような関与の信号が必要だとも伝えられています。ただし、どの項目がどれだけ予測に効いているかは、外からは分かりません。
根拠が説明できないと、困るのは問題が起きたときです。ある月から特定の層への入札が急に減ったとき、それがモデルの判断なのか、CRMの入力の仕方が変わったせいなのか、媒体側の変更なのかを切り分けられません。営業がCRMの段階の付け方を変えただけで、予測の前提が崩れることもあります。
予測の基盤を外部に任せる場合でも、どの項目を入力に使い、どの項目は使わないかを、導入前に書面で出させることが必要です。あわせて、予測が大きく動いたときに理由を問い合わせる窓口と、回答までの期限も決めておきます。AIに入札の方向を決めさせても、なぜそうなったかの説明は人が受け取れる形にしておく、という線です。
原因3:検証の周期が、受注までの長さに追いつかない
予測値を返す利点は、受注を待たずに学習を始められることです。裏返すと、予測が当たったかどうかは、受注が出そろうまで分からないということでもあります。受注までに数か月かかる商材では、予測の答え合わせも数か月後になります。
報道によれば、同社の導入はおよそ30日で、データの準備に2週間、モデルとキャンペーンの設定に2週間をかけ、公開後2週間ほどで増分の結果が見え始めるのが通例とされています。この「2週間で見える結果」は、多くの場合、媒体側の指標や手前の段階の数字です。受注で確かめた結果とは、時間の物差しが違います。
ここで起きやすいのは、手前の指標が良いうちに予算を増やし、受注の答えが出るころには引き返しにくくなっている状態です。検証の周期を、手前の指標で見る短い周期と、受注で見る長い周期の二本立てにしておかないと、判断が常に早い方の数字に引っ張られます。
原因4:顧客データの出口が、予測基盤・連携先・媒体の三つに増える
実際の成果を媒体に返すだけなら、データの出口は媒体の一つです。予測の層を挟むと、CRMの記録はまず予測の基盤に渡り、そこで作られた値が媒体に渡ります。報道によれば、Salesforce と HubSpot は接続用のアプリで連携し、それ以外のCRMは BigQuery の表を共有するか、API経由で送る方法が案内されています。
LiveRamp の基盤を通す場合は、さらに同社の識別子でつながれたデータと予測を組み合わせる形になります。発表文では、仮名化された識別子でつなぐことでプライバシーの保護を保つと説明されていますが、どのデータがどの事業者の環境で処理されるかの詳細は公表されていません。第三者の購買意向データを足す場合は、自社が集めていないデータが判断に混ざります。
日本の企業が使う場合、個人データを米国の事業者に渡すことになるため、委託として扱うのか、第三者提供として扱うのか、外国にある事業者への提供として同意や情報提供が要るのかを、法務と確かめる必要があります。公式サイトは欧州の一般データ保護規則と SOC 2 への準拠をうたっていますが、それで日本の個人情報保護法上の整理が済むわけではありません。
対策1:予測の根拠と使う項目を、導入前に書き出させる
最初の対策は、予測に使う項目の一覧を出させ、自社の側で「使ってよい項目」と「使わせない項目」を決めることです。たとえば、商談の段階や問い合わせの内容の区分は使ってよいが、営業担当者の個人名や、顧客との会話の記録の本文は渡さない、といった線を引きます。
| 区分 | 例 | 扱いの目安 |
|---|---|---|
| 予測に使ってよい項目 | 商談の段階、問い合わせの種類、流入元、業種、従業員規模の区分 | 一覧に載せて合意する。段階の定義を変えるときは事前に知らせる |
| 条件付きで使う項目 | 受注金額、架電の時間、閲覧したページ | 金額は帯で渡す、閲覧は回数に丸めるなど、粒度を落として渡す |
| 渡さない項目 | 会話の記録の本文、担当者の個人名、契約書の内容、健康や信条に関わる情報 | 接続の設定で除外し、除外したことを記録に残す |
| 媒体に返す値 | 予測した価値(点数) | 予測値であることを社内の帳票で区別し、実際の成果と混ぜない |
あわせて、予測が大きく動いたときに理由を説明する義務を契約に入れます。どの項目の変化が効いたのかを、少なくとも上位の要因として出してもらう取り決めです。説明の形式は、要因の名前と影響の向きが分かれば十分です。完全な仕組みを開示させる必要はありませんが、「分かりません」で終わらない状態を作っておきます。
対策2:半分ずつ分ける比較試験で、効き目を自社で確かめる
報道によれば、Scowtt は効果の測定に Google 広告での50対50の比較試験を使うと説明しています。片方はこれまでどおりの成果で入札し、もう片方は成果の設定を予測値に差し替えます。この設計自体は筋が通っていますが、試験の結果を誰が、どの数字で判定するかは、自社が決める必要があります。
管理画面の ROAS ではなく、CRM上の商談化件数と受注金額を判定の指標にします。予測値で返した側の画面の数字は判定に使いません。
試験の期間を、問い合わせから受注までの中央値より長く取ります。手前の指標は途中経過として見るだけにします。
予算、配信の地域、広告文、入札の上限を両方でそろえます。途中で片方だけ設定を変えた場合は記録に残し、判定から除く期間を決めます。
広告の運用会社や提供元ではなく、CRMの数字に責任を持つ部署が受注で判定します。AIにも運用会社にも判定させません。
受注金額がどれだけ上回れば続けるか、どれだけ下回れば止めるかを、試験の前に数字で決めます。
試験を設計するときに注意したいのは、件数が少ないと差が偶然か本物か分からないことです。月に数件しか受注がない事業では、半分に分けた時点で判定できる件数に届かないことがあります。その場合は、比較試験を長く取るか、試験の対象を商談化の段階までにとどめ、受注の判定は別に行うと割り切ります。
対策3:予測値と実際の受注を、決まった周期で突き合わせる
比較試験は導入の判断のためのものですが、使い続けるなら、予測の当たり具合を定期的に確かめる仕組みが要ります。やることは単純で、予測値を出した見込み客の一覧と、その後の商談化・受注の結果を並べ、予測の高い順に区切って実際の成約率を見るだけです。
周期は二本立てにします。月に一度は、予測の高い層と低い層で商談化の割合に差が出ているかを見ます。四半期に一度は、受注まで出そろった分で、予測の価値と実際の受注金額の比を見ます。予測の高い層の成約率が低い層と変わらなくなったら、予測は入札の役に立っていないと判断できます。その時点で、予測値を主たる成果から外すかどうかを検討します。
- 突き合わせの作業そのものは、表計算やBIで自動化してよい。ただし「予測が効いている・いない」の判断はAIに任せず、担当者が数字を見て記録する
- CRMの入力ルールを変えた月、媒体の仕様が変わった月、モデルを作り直した月は、突き合わせの結果に注記を残す
- 提供元が出す効果の報告書と、自社の突き合わせの結果が食い違ったら、自社の数字を優先して理由を問い合わせる
対策4:出してよいデータと同意の線を、契約に書く
データの出口が三つに増える以上、契約で決めることも増えます。最低限、渡したデータを予測以外の目的に使わないこと、他の顧客のモデルの学習に使うかどうか、解約したときの返却と削除の期限、処理する国と再委託先の一覧を書面で確かめます。
同意の面では、自社のプライバシーポリシーに、広告の最適化のために外部の事業者へデータを提供する旨が書かれているかを確認します。媒体側の同意の仕組みとの整合も必要です。LiveRamp の基盤を通して第三者のデータを足す場合は、その第三者のデータがどのような同意で集められたものかを、提供元に確かめる必要があります。
もう一つ見落としやすいのが、媒体の規約との関係です。報道は、予測した価値を成果として送ることが各媒体の方針で認められるかについて触れていません。予測値を成果として返す運用が、使う媒体の規約と仕様で問題ないかは、自社でも媒体の窓口に確かめておくのが安全です。
BtoBで効く条件と、効かない条件
Scowtt の対応業種は、問い合わせの件数が多く、問い合わせから契約までの期間が比較的短い事業が中心です。BtoBでこの仕組みが効きやすいのは、月に数百件以上の問い合わせがあり、CRMに段階が丁寧に記録され、受注金額の差が大きい場合です。たとえば、中小企業向けのクラウドサービスや、資料請求の多い研修・人材のサービスなどが当てはまりやすいでしょう。
反対に効きにくいのは、受注が年に数十件で、1件ごとの事情が大きく異なる大型の商談です。予測の材料になる過去の成約が少なく、成約を決めるのが購買の委員会の事情や予算の時期といった、CRMに残らない要因だからです。受注まで1年かかる商材では、予測の答え合わせが追いつきません。件数が少ない事業は、予測の層を挟む前に、手前の段階の成果を返す工夫を先に試すのが順番です。
| 条件 | 効きやすい | 効きにくい |
|---|---|---|
| 問い合わせの件数 | 月に数百件以上 | 月に数十件以下 |
| 受注までの期間 | 数週間から数か月 | 半年から1年以上 |
| CRMの記録 | 段階と金額が毎回入っている | 担当者によって入力がばらつく |
| 1件ごとの価値 | 差が大きく、早く見分ける意味がある | ほぼ一定、または個別事情で決まる |
| 配信の媒体 | 検索広告と Meta が中心 | 業界の専門媒体や展示会が中心 |
費用の増え方と、止め方
料金は公式サイトに載っていません。業界メディアの報道によれば、リード獲得型の事業では増えた売上の一定割合と、分析したリードの件数に応じた手数料を組み合わせる形とされています。広告費が増えれば、処理する件数も増えた売上も増えるので、費用は広告の規模に連動して伸びます。
増分の売上に連動する料金で気をつけたいのは、何を「増えた売上」と数えるかが、そのまま請求額になることです。比較試験の対照群をどう取り、どの期間の受注を数えるか、予測値ではなく実際の受注で数えるのかを、契約前に文書で合意しておきます。判定の数字は自社のCRMを正とし、提供元の報告書は参考扱いにします。
見落とされやすいのが、社内の工数です。報道では導入の最初の2週間がデータの準備に充てられるとされており、この間に必要になるのは、CRMの段階の定義をそろえる作業、BigQuery に渡す表の項目を決めて除外の設定をする作業、法務の確認です。提供元の料金とは別に、データの担当者と営業企画の時間がまとまって要ると見込んでおきます。導入後も、月次と四半期の突き合わせ、モデルが作り直されたときの記録、媒体の仕様変更への追従が続きます。これらを誰の業務として持つかを決めずに始めると、予測の層だけが動き続け、確かめる人がいない状態になります。
止め方も先に決めておきます。予測値を主たる成果にしているキャンペーンでは、接続を切るだけでは足りません。媒体側で主たるコンバージョンアクションを元の成果に戻し、入札が学び直す期間を見込む必要があります。切り替えた直後は配信が不安定になるため、元の設定を残しておき、止めるときの手順と担当者を書いておきます。CRMとの接続アプリの権限を外すこと、共有した表の共有を解除すること、渡したデータの削除の証明を受け取ることも、止める手順に入れておきます。
導入前の確認リスト
ここまでの論点を、導入の判断の前に確かめる項目として並べます。すべてに答えが出てから試験に進むのが理想ですが、少なくとも上の三つが決まっていない状態では始めないことをおすすめします。
- 予測値を返したキャンペーンの効果を、CRMの受注で判定する担当部署が決まっている
- 予測に使う項目と使わせない項目の一覧を、提供元から受け取り、社内で合意した
- 予測が大きく動いたときに理由を説明してもらう取り決めがある
- 比較試験の期間・判定の指標・続ける条件と止める条件を、数字で書いた
- 予測値と実際の受注を突き合わせる周期(月次と四半期)と担当者が決まっている
- データを渡す先(予測の基盤・LiveRamp・媒体)と、それぞれで処理されるデータを図にした
- 個人データの提供について、委託か第三者提供か、外国への提供の扱いを法務と整理した
- 渡したデータを他の目的や他社のモデルに使わないこと、返却と削除の期限を契約に書いた
- 増分の売上の数え方を、請求の前提として文書で合意した
- 止めるときに媒体の成果の設定を戻す手順と、接続の権限を外す手順を書いた
このうち、予測を入札に使うかどうかの最終判断は、AIにも運用会社にも任せず、自社の担当者が受注の数字を見て決めることが前提です。予測の基盤は判断を速くする材料を出してくれますが、何を成果とみなすかは事業の方針そのものだからです。
予測の層を検討する前に試すこと
予測値を返す仕組みは、実際の成果を返す仕組みの代わりではなく、その上に重ねるものです。順番としては、まずフォーム送信や商談化といった成果をコンバージョンAPIやオフラインの取り込みで正しく返せる状態を作り、そのうえで受注までが長すぎて学習が追いつかない場合に、予測の層を検討します。
成果の件数が少ないことが悩みなら、手前の行動を成果として数える、複数のキャンペーンをまとめるといった一般的な工夫を先に試すほうが、外部にデータを出さずに済みます。予測の層は、件数の不足ではなく「価値の差を早く見分けたい」ときに意味があると考えると、検討の順番を誤りにくくなります。実際の成果を正しく返せていない状態で予測を重ねると、予測の答え合わせに使う正解そのものが揃わないため、効いたかどうかを誰も判定できなくなります。
まとめ
Scowtt は、CRMの記録から見込み客ごとの成約の見込みと価値を予測し、その値を Google や Meta の自動入札に返す仕組みを提供しています。2025年12月にシリーズAを調達し、2026年2月には LiveRamp の基盤にモデルが組み込まれました。受注を待たずに学習を始められる点は、受注までの期間がある事業には魅力です。
ただし、予測値は成果の代わりではありません。媒体のAIは返された値を正解として学ぶので、予測の外れはそのまま入札の方向になります。導入するなら、予測の根拠と使う項目を書き出させ、比較試験と定期的な突き合わせで自社の受注を物差しに確かめ、データの出口と同意、料金の数え方、止め方を契約前に決めておくことです。AIに入札の方向は任せても、何を成果とみなすかの判断は人が持つ。その線を引いてから試すのが、予測を学ばせる仕組みとの付き合い方です。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
