Claude CodeでGoogle広告運用を7割自動化

この構成は判断の代替ではなく、これまで現実的でなかった作業を可能にするものとして説明されている。著者は線引きを明確にしている。データ取得・分析・反復作業はスタックが担い、広告戦略やどの検索意図を狙うかといった判断は人間に残る。この位置づけが重要なのは、約70%の時間削減や50万円の無駄といった見出しの数字が、ツールが単独で生み出した成果ではなく、スタックが可視化した問題に対処した結果として示されているからだ。

データアクセスの設計にもその慎重さが表れている。CData Connect AIは読み取りクエリに応答し、直近30日間でコンバージョンゼロかつ支出4万円超の広告グループを抽出する自然言語リクエストも含む。書き込み、つまりRSAの見出しと説明文の更新、キーワードの一時停止、予算変更は、あえて別のGoogle Ads APIスクリプト経由にし、本番アカウントに届く前にドライランと1回の人によるレビューを挟む。著者はAIに書き込み権限は不要だと主張し、この分離を稼働中の広告アカウントでAIを使うための安全設計と位置づけている。

著者はGoogle公式のAds MCPサーバーではなくConnect AIを選んだ理由について、クロスプラットフォームの必要性を挙げる。Meta、Bing、GA4、Search Console、BigQueryも関わる場合、広告データだけでは全体像を捉えられない。例えば広告データとSearch Consoleを結合すれば、オーガニックで既に上位表示されているのに高額入札を続けているキーワードを発見できる。単一プラットフォームの公式サーバーでは対応できない用途だ。