キーワード群から予算を決める方法：検索ボリューム、CPC、競合度を一つの判断にまとめる

キーワードツールの画面には、検索ボリューム、CPC、競合度が並んでいます。しかし出稿判断で欲しいのは、その表そのものではありません。今月、このキーワード群にいくら投じるべきか。その予算額です。個別に見える3つの指標をどう予算へ変換するのか、そしてモデルが実務を速くする場面と、かえって判断を誤らせる場面を整理します。

先に前提を置いておきます。ここで扱うのは、各プラットフォームの公開広告ライブラリやクリエイティブセンターで、自分のアカウントから確認できるデータだけです。署名の利用や制限の回避は行いません。誰でも閲覧可能な公開データを、予算判断に変える話です。

検索ボリューム・CPC・競合度は、そのまま信じない

キーワード一覧の3列を、動かない確定値として扱ってしまいがちです。ですが、どれもそうではありません。

検索ボリュームは、どの期間を切り取るかで変わる値です。同じ語でも、7日・30日・180日のどの期間を見るかで数倍違うことがあります。通常は前月比や前年比も併記されます。「低ボリュームだが前年比で倍増」と「高ボリュームだが前年比で半減」は、取るべき意味が正反対です。ボリューム列だけを抜き出すと、その違いは見えなくなります。

CPCは一点の数値ではなく、レンジです。プランナーが示すのは下限から上限までの幅であり、そこから安易に中央値を選ぶと、プラットフォーム自身が示している不確実性を消してしまいます。保守的に予算を組むなら上限を、楽観的なリターンを見るなら下限を使うべきです。単一の値に決め打ちするのは、実際には分からないことを分かっているふりをする行為です。

競合度も、絶対的な難易度ではなく相対評価です。「低・中・高」は、フィルタをかけた時点のプラットフォーム全体のキーワードプールに対して付けられたラベルです。分かるのは「この集合の中では競争が厳しい側にある」ということだけで、絶対的にどれほど獲得が難しいかは示しません。市場やカテゴリが変われば、同じ水準でもティアは変わります。別々のキーワード群をまたいで比較可能な絶対スコアとして扱うのが、最も気付きにくい落とし穴です。

単語を足すのではなく、キーワード群で集計する

3つの指標がそのままでは使えないと分かると、次の疑問が出てきます。単語ごとに「検索ボリューム × CPC」を計算し、最後に合計すればよいのではないか、と。

答えはノーです。近い意味の検索語は、検索ボリュームを単純加算できません。「Xを買う」と「Xの価格」を検索する人は、同じ購買行動の中で両方を調べている可能性が高いからです。そのまま足せば、同じ人を二重に数え、根拠なく予算を膨らませることになります。

そのため、実用的なプランナーには単語別の表示だけでなく、キーワードセット単位の集計ビューがあります。複数の語をひとまとまりとして送ると、語どうしの重複を除いたセット全体の検索ボリューム帯と予算見積もり帯が返ってきます。単語別の合算ではありません。プラットフォーム側も予算をセット単位で提示しているのです。単語ごとの3列は、並べ替えやグルーピングには使えても、合算のための列ではありません。

社内で呼ぶ言葉と、ユーザーが検索する言葉は違う

この記事で最も重要で、かつ最も見落とされやすい論点です。自社が商品を呼ぶ言葉と、市場が検索ボックスに打ち込む言葉は、しばしば一致しません。

ビジネス上のトピックワードとは、商品名、機能名、企画資料に書かれたポジショニングの言葉など、社内で使う言語です。一方、検索ワードはユーザーの言語です。より口語的で、課題に寄った表現になります。たとえば提供しているのが「AI video generation」であれば、トピックワードも「AI video generation」かもしれません。けれど実際に検索されるのは、「how to turn a photo into a video」や「text to video free」といった語です。この2種類の言葉は、検索ボリューム、CPC、競合度を測る同じ箱には入っていません。

このずれは、とりわけ市場をまたぐローンチで致命的になります。トピックワードをそのまま翻訳しても、対象市場では誰もそのように語っていないかもしれません。新しいカテゴリでも同じです。自社が新しい言葉を作っても、市場は既存の言葉で新しいニーズを説明している可能性があります。対処は単純です。トピックワードはあくまで種であり、予算表に入れるべき語は市場の検索ワードから育てなければなりません。成熟した運用フローでは、「クリエイティブ用のトピックワード」と「市場の検索ワード」を別フィールドで管理します。前者は広告で何を語るかを決め、後者はどこへ予算を配分するかを決めます。混ぜてしまえば、自社の言葉でしかなく、誰にも検索されない語を買うことになります。

モデルで拡張するなら、種と文脈を渡して意図も出させる

数個の種キーワードから、市場で実際に検索される語をカバーするキーワード表へ広げる。この工程は、質問の仕方を間違えなければ、モデルが本当に時間を節約できる最初の場所です。「関連キーワードを拡張して」とだけ聞けば、構造のない類義語の山が返ってきます。正しくは、事業文脈を与えたうえで、各語について次の3点を必ず返すよう求めます。

I'm doing search advertising for <one-sentence product description> in
<target market/country>.
Seeds: <3 to 10 words you already know>

Expand the keywords, and output each in the structure below, no prose:

1. Keyword
2. Intent stage it belongs to (awareness / comparison / decision / brand)
   awareness: the user is describing a problem, doesn't know the solution yet
   comparison: the user is weighing several solutions
   decision: the user is ready to buy, looking for a channel/price/alternative
   brand: the user is searching a specific brand name
3. Why it's adjacent to the seed (a different phrasing of the same need?
   the downstream next step? an adjacent need in the same scenario?)

予算につながるのは、2番目の意図段階です。意図のラベルがなければ、拡張された語は単なる文字列にすぎません。3番目は人間がレビューするためにあります。モデルが作り出した、実際には事業と関係のない語は、この列を見ると崩れやすいからです。この2列があることで、もっともらしい連想ではなく、検証可能な構造をモデルに出力させられます。

実検索ボリュームで検証する：モデルの答えは仮説にすぎない

この工程がチェーン全体の関門です。ここを飛ばすと、幻覚によって作られた語の表を使ってローンチすることになります。モデルが拡張したキーワードは、ツールへ戻して確認するまで仮説です。文法的には自然で、意図ラベルももっともらしいのに、月間で誰にも検索されていない語をモデルは出せます。モデルはライブの検索ボリュームを持っていません。「検索語らしく見えるか」で候補を生成しているだけで、「実際に誰かが検索しているか」では判断していません。

方法は機械的です。各キーワードをプランナーへ戻し、実際の検索ボリューム、CPC、競合度を取得します。そのうえで、ボリュームがゼロではなく、意図ラベルと実データの整合が取れる語だけを残します。たとえばモデルが「decision intent」と判定した語なら、通常は実際のCPCが高く、競合も激しいはずです。decision intentなのにCPCが不自然に低く、競合度も最下位ティアなら、掘り出し物ではなく意図の付け間違いです。差し戻してください。

「モデルは仮説を出し、実データが採否を決める」という役割分担は、リバースエンジニアリングにおいてモデルに難読化コードのアルゴリズムを見つけさせ、次に差分テストで幻覚をふるい落とす構図と同じです。モデルは候補生成には強い一方、事実検証には弱い。だから両方を同時に任せてはいけません。キーワードにおける「フィードバック検証」はここでいう差分テストであり、volume > 0という判定は、「これは良いキーワードです」というモデルの主張よりはるかに権威があります。

予算は意図段階ごとの数値として着地させる

検証済みのキーワード表には、実用的な構造が加わっています。各語に実際の検索ボリューム帯、CPC帯、競合ティア、そして意図段階のタグがあります。予算を計算できるのはここからです。重要なのは、単語へ均等に配ることではなく、意図段階ごとに配分することです。

意思決定段階のキーワード：「X price」「X alternative」「buy X」のような語です。コンバージョンに最も近く、クリックあたりの価値も高い一方で、ボリュームは少なく、競争は最も激しく、CPCの上限も高くなります。優先度は高く、単価を許容しやすい領域ですが、今すぐ購入する人の数には限りがあるため、上限は必要です。
比較段階のキーワード：コンバージョンとボリュームの両方で中間に位置します。意思決定段階の語で使い切れない予算を受け止める役割です。
認知段階のキーワード：「how to do X」「what is X」のような語です。ボリュームは最大で、CPCは低く、コンバージョンからは最も遠い層です。カバレッジのために少額を配分し、意思決定段階の語と同じコンバージョン期待値を求めてはいけません。

各グループ内では、さらに「ボリューム帯 × 目標シェア × CPC帯」で並べます。最終的にキーワードセットは、空中から取り出した単一の金額ではなく、意図段階ごとに分かれた予算構造、つまり段階ごとのレンジとして着地します。

工程ごとに使うモデルを分ける

この一連の工程でモデルに求める仕事は大きく異なります。全工程を1つのモデルで済ませようとすると、コストか精度のどちらかを無駄にします。

工程	必要な能力	推奨	model id
キーワード拡張＋意図分類	強い推論力、事業文脈の理解、意図の判断、「なぜ近接するか」の説明	Claude Opus 5	`claude-opus-5`
キーワードセット＋ローンチ履歴＋ランディングページの文面を丸ごと渡して拡張	長いコンテキストを扱い、事業文脈の細部を落とさない能力	Kimi K3	`kimi-k3`
案件ごとに数百〜数千語をタグ付け・重複排除	低コスト、高並行性、大量処理	Claude Sonnet 5	`claude-sonnet-5`
フィードバック後の乖離要因分析（モデルの意図判定と実指標がなぜずれたか）	中程度の推論力、数値に基づく説明	GPT-5.6 Sol	`gpt-5.6-sol`

特に注目すべきなのは最初の工程です。キーワード拡張と意図分類は、モデルを替えることで結果が目に見えて変わる唯一の工程です。問われるのは「事業を理解しているか」と「実際には関係のない語を、関係がないと認められるか」です。弱いモデルは、すべての意図を「decision」と付けた完全に展開済みの表を返します。フィードバックを1回かけるだけで、低い的中率が露呈します。推論力の強いモデルなら、近接していない語を自ら警告できます。違いは自分で試せます。手順はシンプルです。

事業文脈を把握している種キーワードセットを1つ選びます。語数は5〜10語です。
同じ「種キーワード＋事業文脈」をclaude-opus-5とgpt-5.6-solに渡します。それぞれに50語を求め、「語＋意図段階＋近接する理由」の形式で出力させます。
両方の出力をプランナーへ戻し、実際の検索ボリューム、CPC、競合度を取得します。
確認するのは2点です。拡張語のうち実際のボリュームがゼロではない語が何件あるか、そして意図ラベルが実際のCPCと競合度に整合しているかです。意思決定段階の語は、より高価で競争も激しいはずです。
この的中率がモデル選定の基準になります。下流で捨てる幻覚キーワードがどれだけ出るかを、直接決める数字です。ベンチマークを見るより、1ラウンド試すほうが違いを明確に把握できます。

本当の障害はモデル切り替えのコスト

4つのモデル、3つのベンダー、3種類のSDK、3種類の認証方式、3種類のエラー形式。拡張、バルクタグ付け、要因分析でモデルを替えるたびにクライアントを書き直す価値はありません。その結果、多くの人が全工程で同じモデルを使うことになります。拡張時に意図分類を十分にこなせないティアを使い、なぜフィードバックの的中率が低いのかも分からないままです。

AIReiterなら、この層を取り除けます。キーは1つ、インターフェースはOpenAI互換で統一され、背後に4つのティアがあります。リクエストボディのmodelフィールドを変えるだけで切り替えられます。

# Keyword expansion + intent classification: the reasoning tier
curl https://aireiter.com/api/v1/chat/completions \
  -H "Authorization: Bearer $AIREITER_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "messages": [{"role": "user", "content": "<expansion prompt + seeds + business context>"}]
  }'

# Tag hundreds of expanded words in bulk: change the model field, leave the rest
#   "model": "claude-sonnet-5"
# Post-feedback deviation attribution:
#   "model": "gpt-5.6-sol"

すでにOpenAI SDKを使っているなら、base_urlをhttps://aireiter.com/api/v1へ向けるだけで、ほかは変更不要です。Anthropic SDKでは、同じキーを使ってPOST /api/v1/messagesに送信します。

価格面では、Claudeモデルはリスト価格から30%オフ、GPTモデルは半額です。このフローで主なコストになるのは、数回の呼び出しで済む推論ティアの拡張処理ではありません。利用量を消費するのはバルクタグ付けです。計画ごとに数百〜数千の候補語を、案件単位で意図分類し、重複を除きます。高並行で回せる低価格ティアを使う密度の高い呼び出しに、30%オフのClaudeがちょうど合います。

APIキーを取得する
登録なしで試す：まずはキーワードセットを1つ手作業で拡張し、2つのティアで得た語のフィードバック的中率を比べてから、組み込むか判断してください。

まとめ

キーワードツールが返す3つの指標には、それぞれ癖があります。検索ボリュームは期間依存の値、CPCはレンジ、競合度は相対ティアです。一方、ローンチに必要なのは意図段階別に分けられた予算構造です。その変換の骨格は明確です。単語単位で足さずセット単位で重複を除くこと、事業上のトピックワードではなく市場の検索ワードを起点にすること、モデルには意図付きで候補を拡張させつつ全語を実検索ボリュームで検証すること、そして単語へ均等配分せず意図段階ごとに予算を割り当てることです。モデルは拡張と意図分類を加速する道具であり、予算の決定者ではありません。

この予算額を算出できたら、それはキーワードから完成した広告クリエイティブへつなぐパイプラインにおける商業検証段階への入力になります。基準を超える予算が見込めるキーワードセットだけを、クリエイターの選定やアセット生成へ進める価値があります。並行する判断軸は、広告の秒ごとのリテンションカーブを読むことです。前者はどの言葉に資金を投じるかを決め、後者はどのクリエイティブに資金を投じるかを決めます。