この記事のポイント！
- 正確なデータ収集が鍵
- 適正なモデル選択が要
- 戦略的改善で成長促進
アトリビューションとは、顧客が商品購入や問い合わせなどの成果に至るまでに接触した広告やコンテンツについて、それぞれが成果にどの程度関わったかを評価する考え方です。たとえば、SNS広告で商品を知り、検索で情報を調べ、メールを読んだ後に購入した場合、最後にクリックされた接点だけでは購買までの流れを十分に説明できません。複数の接点を視野に入れることで、成果につながる道筋を多面的に捉えられます。
アトリビューションという言葉は、一般に「帰属」や「原因の特定」を意味します。マーケティングでは、コンバージョン（CV。購入、申し込み、問い合わせなど、事業上の成果として定めた行動）に対する各接点の貢献を評価する際に使われます。最終接点以外の影響を分析することから、「間接効果の分析」と呼ばれることもあります。接点とは、顧客が広告や検索結果、メール、店舗などに触れる機会のことです。
ただし、アトリビューション分析でわかるのは、採用した計測方法とモデルに基づいて配分された貢献度です。個々の広告が売上を生んだ原因だと確定できるわけではありません。分析結果を正しく扱うには、モデルの特徴に加えて、計測できない接点やデータの偏りも理解する必要があります。ここでは、基本の意味からモデルの選び方、実務での進め方、他の効果測定との違いまで順に解説します。
アトリビューションとは、成果に至る接点の貢献を捉える考え方
アトリビューションとは、顧客がコンバージョンに至るまでに接触した複数のチャネルや施策に対して、成果への貢献度を割り当てる考え方です。チャネルは、広告、自然検索、SNS、メール、ウェブサイト、店舗など、顧客と企業が接する経路を指します。成果に結びつく一連の接点は「カスタマージャーニー」と呼ばれ、認知から比較、購入へ進む経過を把握する際に使われます。
例として、ある人が動画広告で商品を知り、数日後に検索エンジンで商品名を調べ、比較記事を読んでから広告をクリックして購入したとします。最後にクリックされた広告だけを成果に結びつけると、動画広告や比較記事は売上への貢献がないように見えます。しかし、それらが認知や検討を後押しした可能性は残ります。アトリビューション分析は、こうした途中の接点にも目を向けるためのものです。
成果への貢献度をどのように配分するかを定めたルールは「アトリビューションモデル」と呼ばれます。最初の接点を重視するモデルもあれば、最後の接点を重視するモデル、接点すべてに均等に配分するモデルもあります。分析結果はモデルによって変わるため、モデルの数値を客観的な真実として受け取るのではなく、どの視点から顧客行動を評価しているのかを確認することが大切です。
また、アトリビューションにはマーケティング以外の文脈もあります。サイバーセキュリティでは、攻撃の発生源や実行主体、手口などを特定する活動を指すことがあります。文脈によって意味が異なる言葉ですが、マーケティング分野では、主に広告や顧客接点がコンバージョンに果たした役割を評価する分析として使われます。目的を取り違えないよう、対象となる業務領域と成果指標を先に明確にしておきましょう。
なぜ最後のクリックだけで評価すると判断を誤りやすいのか
広告効果を測る際、コンバージョンの直前にクリックされた接点へ成果を計上する方法は理解しやすく、運用にも使いやすいものです。一方で、認知を広げる広告や検討を促すコンテンツは、直接の購入につながらないことがあります。最終クリックだけを見ていると、成果を生む前段階を支えた施策の価値が数字に表れず、費用対効果が低いと誤認される可能性があります。
その結果、最終接点を生みやすい施策へ予算が集中し、潜在顧客との接点をつくる活動が縮小されることがあります。たとえば、商品名を知っている人に向けた検索広告が多くの購入を獲得している一方、認知広告が商品名を知るきっかけを提供している場合です。認知広告を止めれば、しばらくは検索広告の成果が維持されても、将来検索する人が減り、全体の獲得数に影響する可能性があります。
顧客の検討期間が長い商品やサービスでは、接点の評価が特に難しくなります。高額商品、専門性の高いサービス、法人向け商材などは、資料の閲覧、問い合わせ、社内検討、営業担当との面談など、オンラインとオフラインの複数の接点を経て意思決定されることがあります。短期間の広告クリックだけでは、成果に至る経路の一部しか確認できないため、接点を広く把握する視点が重要です。
とはいえ、ラストクリック（コンバージョン直前のクリック）を使うこと自体が誤りというわけではありません。購入意向の高い顧客を獲得する施策の比較や、短期間のキャンペーン評価では、最終接点を見ることが役立つ場合もあります。大切なのは、単一の評価方法に依存しないことです。アトリビューション分析を使い、最終接点以外の寄与も確認すれば、施策の役割を分けて検討できます。
代表的なアトリビューションモデルと使い分け
アトリビューションモデルには、最初や最後の接点を重視する方法から、経路上の複数接点へ配分する方法まで、いくつかの種類があります。モデル選びでは、どれが常に正しいかを探すのではなく、何を知りたいのかを先に決めます。認知施策の評価、購入直前の施策の把握、チャネル全体の概観など、目的によって適した見方は変わります。代表的なモデルの特徴を押さえましょう。
単一接点を重視するファーストクリックとラストクリック
ファーストクリックモデルは、顧客が最初に接触したチャネルへ成果をすべて割り当てます。商品やサービスを知るきっかけとなった広告、記事、紹介経路を評価したい場合に使いやすい考え方です。新規顧客との接点を増やす取り組みを見直すときに役立ちますが、初回接点以降の比較や購入を後押しした施策は評価に反映されにくくなります。
ラストクリックモデルは、コンバージョンに至る直前のクリックに成果をすべて割り当てる方法です。購入や問い合わせに近い顧客を獲得する施策を把握しやすく、評価の仕組みも比較的シンプルです。ただし、初回の認知や検討段階の働きかけを見落としやすい点には注意が必要です。また、広告を見ただけでクリックしなかった接点が計測対象になるかどうかは、利用する媒体や設定によって異なります。
ファーストクリックとラストクリックは、同じ経路を異なる位置から見る方法です。たとえば「SNS広告を見た後に自然検索で訪問し、メール経由で購入した」という経路なら、前者はSNS広告を、後者はメールを評価します。どちらか一方を唯一の正解として採用するのではなく、両方を並べることで、顧客獲得の入口と購入に近い出口の役割を比較できます。
複数の接点に成果を配分するマルチタッチモデル
線形モデルは、コンバージョンまでに記録された接点へ均等に成果を配分します。最初と最後だけではなく、途中の接点も含めて全体を見たいときに理解しやすい方法です。ただし、接点ごとの影響の強さが同じだと仮定するため、購買を決めるうえで重要だった情報と、偶然経由しただけの接点が同じ重みになることがあります。均等配分は中立に見えても、影響を正確に表すとは限りません。
減衰モデルは、コンバージョンに近い接点ほど大きく評価し、時間的に離れた接点ほど小さく評価する考え方です。直近の情報や施策が購入を後押ししたと考えられる場合に適しています。一方、検討初期の認知施策が長期的に影響する商材では、初期接点の価値を小さく見積もる可能性があります。評価の配分割合や対象期間は、分析ツールの仕様と設定を確認して解釈しましょう。
接点ベースモデル（ポジションベースモデルとも呼ばれます）は、最初と最後の接点を重視し、中間の接点にも一定の成果を配分します。認知のきっかけと、購入を促した接点の両方を見たい場合に使える発想です。ほかにも、機械学習を用いて接点ごとの貢献度を推定するデータドリブン型があります。どのモデルも前提や必要なデータが異なるため、適用条件と計測範囲を確認することが欠かせません。
アトリビューション分析を始めるための実務手順
分析を始める前に、何を改善するための分析なのかを具体化します。コンバージョン数を増やすのか、新規顧客の獲得を広げるのか、広告予算の配分を見直すのかによって、確認すべきデータとモデルが変わります。目的が曖昧なままツールのレポートを開くと、数値を眺めて終わりになりがちです。まず、分析結果を受けてどのような意思決定を行うのかを関係者で共有しましょう。
目的と計測設計を整える
最初に、成果として数える行動を決めます。ECなら購入、BtoBなら問い合わせや資料請求、アプリならインストールや登録などが候補になります。複数の行動をすべて同じ成果として扱うと、検討の深さや事業への価値が異なるコンバージョンが混在します。売上、商談化、継続利用など、最終的に重視する指標と途中段階の指標を分け、各指標の意味を明確にしておくと分析がぶれにくくなります。
次に、顧客が接触するチャネルを洗い出し、記録方法を整えます。ウェブ広告やメールに流入元を識別するパラメータを付け、キャンペーン名や媒体名の命名規則を統一します。パラメータとは、URLに付加して流入元などを判別する情報です。表記が部署や担当者ごとに異なると、同じ施策が別々のチャネルとして集計される恐れがあります。運用開始前に記入ルールを決め、既存データの整理も行います。
オンラインだけでなく、店舗、展示会、営業面談、電話などの接点を含めるかも検討します。すべての接点を同じ精度で個人単位につなげるのは難しく、無理に結合すると誤った紐づけが生じることがあります。顧客の同意や個人情報保護に配慮し、利用目的、取得項目、保管期間、アクセス権限を定めます。計測できる範囲とできない範囲を記録し、分析結果の前提として共有することが重要です。
データを確認し、仮説を検証して施策へつなげる
計測環境が整ったら、一定期間のデータを集め、コンバージョンまでの経路を確認します。ここでは「どの媒体が最も貢献したか」だけでなく、接点の数、初回接点から成果までの期間、チャネルの組み合わせなども見ます。たとえば、認知広告の後に自然検索へ進む経路が目立つなら、認知施策が検索行動につながっている可能性があります。ただし、経路の存在だけで因果関係が証明されるわけではありません。
続いて、ラストクリック、ファーストクリック、線形など、目的に合う複数のモデルで結果を比べます。各モデルで評価が変わるチャネルは、役割が異なる可能性があります。最終接点では評価が高く、初回接点では低い媒体は、購入直前の需要を捉えているのかもしれません。逆の傾向なら、認知や関心づくりを担っている可能性があります。差が出た理由を顧客行動や施策内容と照らし合わせ、数字だけで結論を急がないようにします。
分析から仮説を立てたら、小さな変更で検証します。認知施策の予算を増やす場合は、対象地域や期間を限定し、全体のコンバージョン数や新規顧客数がどう変化するかを確認します。広告文や配信対象を変える場合も、同時に多くの条件を変えると何が結果に影響したか判別しづらくなります。変更内容と実施期間を記録し、施策前後の比較条件をそろえて、次の判断に使える形で結果を残しましょう。
分析結果を読むときに確認したいデータと前提
アトリビューション分析の結果は、利用するデータの範囲に左右されます。広告のクリック、表示、サイト訪問、購入などをどのように取得し、どの期間の接点を対象にしたかで、貢献度は変わります。分析画面に表示された数字だけで判断せず、対象となるチャネル、計測期間、コンバージョンの定義、重複排除の方法を確認しましょう。設定が変わると過去との比較が難しくなるため、変更履歴も残しておきます。
計測期間は、接点が成果に影響したとみなす期間です。広告接触から何日以内の購入を関連づけるかを設定するもので、短すぎると検討期間の長い商材の接点が除外され、長すぎると偶然の接点まで含まれるおそれがあります。商品や顧客の検討期間、再購入までの時間などを参考に設定し、期間を変えた場合の結果も比較するとよいでしょう。媒体ごとに計測期間が異なる場合、数字を横並びにする際にも注意が必要です。
複数の広告媒体の管理画面を合算すると、同じコンバージョンが重複して計上されることがあります。各媒体がそれぞれ自社広告の貢献を評価するため、合計値が実際の購入件数を上回ることも起こり得ます。媒体別の報告値と、社内の受注・売上データを照合し、どの数値を意思決定の基準にするか決めておきましょう。計測方法が異なる値を単純に足し合わせたり、同一の尺度として比較したりするのは避けます。
また、データドリブン型の分析では、利用できるデータ量や接点の記録状況が結果の安定性に関係します。データが少ない場合でも推定値が表示されることはありますが、数値が細かく見えるからといって確かな差があるとは限りません。特定の期間や顧客層に偏りがないか、計測タグが正しく動作しているか、流入元が「不明」や「直接」に寄っていないかを点検します。異常値を見つけたら、施策を評価する前にデータ品質を調査してください。
アトリビューションのメリットと限界を理解する
アトリビューションのメリットは、ラストクリックだけでは見えにくい接点の役割を検討できることです。認知、比較、再訪、購入など、顧客の段階に応じてチャネルが異なる働きをしている可能性を把握できます。これにより、獲得数だけで評価されていた施策の位置づけを見直し、予算配分やクリエイティブ、配信対象の検討に役立てられます。チャネルを横断して顧客行動を考えるきっかけにもなります。
分析結果は、マーケティング部門内の共通認識づくりにも役立ちます。広告運用担当者は獲得単価、ブランド担当者は認知や想起、営業担当者は商談の質を重視するなど、部門によって成果の見方が異なることがあります。アトリビューションを通じて、各施策がどの段階に関わっているかを話し合えば、単一の指標だけで施策の価値を決める事態を避けやすくなります。ただし、評価の前提を共有しておくことが必要です。
一方、アトリビューションは、接点と成果の関連を一定のルールで配分する分析であり、広告が成果を生み出した因果関係を自動的に証明するものではありません。広告に接触した人は、もともと購入意向が高かった可能性もあります。たとえば、購入を決めた人が最後に検索広告をクリックしたとしても、その広告だけが購入の原因とは限りません。相関、すなわち同時に起きている関係と、因果、つまり施策が結果を生んだ関係を区別して考えましょう。
さらに、プライバシー保護やブラウザー、OSの仕様変更により、ユーザー単位で接点をつなぐことが難しい場合があります。複数の端末を使う人や、広告を見てもクリックしない人の行動は、計測環境によって把握できる範囲が異なります。オフライン接点も含める場合は、記録方法や同意の取得が課題になります。したがって、分析値は顧客行動の全体そのものではなく、観測できたデータに基づく推定だと理解することが欠かせません。
アトリビューションと他の効果測定手法の違い
アトリビューションは、接点ごとの貢献度を分析し、顧客の経路やチャネルの役割を理解するために使われます。これに対して、MMM（マーケティング・ミックス・モデリング）は、広告費や販促費、価格、季節性などの集計データと売上の関係を統計的に分析する手法です。MMMは個々のユーザーの接触履歴を追うのではなく、一定期間や地域単位のデータから、複数の施策が全体に与えた影響を推定します。
両者の違いは、扱うデータの粒度と活用目的にあります。アトリビューションは、デジタル上の接点を比較的細かく見て、広告運用や顧客導線の改善に活用しやすい方法です。一方、MMMはテレビ広告や屋外広告など、個人単位で接触履歴を取得しにくい施策も含め、マーケティング投資全体を俯瞰したい場合に向いています。MMMは分析の設計や検証に時間を要することがあり、日々の運用調整とは役割が異なります。
インクリメンタリティテストは、施策を実施した場合と実施しなかった場合を比較し、施策によって追加で生じた成果を確かめる方法です。対象者や地域を分ける実験などを通じて、広告がなかった場合との差を測ります。アトリビューション分析が成果の配分を示すのに対し、インクリメンタリティテストは施策の増分効果、つまり施策がなければ発生しなかった成果を検討します。因果関係を確認したいときに有力ですが、実験の設計と実施条件を整える必要があります。
どれか一つの方法ですべての疑問に答えようとする必要はありません。運用中のデジタル広告の役割を見たいならアトリビューション、全体予算の配分を考えたいならMMM、特定施策による純増を確かめたいならインクリメンタリティテストというように、問いに応じて使い分けます。複数の方法で結果を照らし合わせると、一つの計測手法に固有の偏りを見つけやすくなります。
実務で起こりやすい失敗と改善のポイント
よくある失敗の一つは、分析モデルを変えただけで、施策の効果そのものが変わったと受け取ることです。モデルを切り替えると、同じコンバージョンが接点間で再配分され、チャネル別の数値が変わります。しかし、実際の購入件数が増えたわけではありません。モデルの変更による数値の移動と、事業成果の変化を分けて報告し、売上や新規顧客数などの実績と照らして判断する必要があります。
次に、特定のモデルを「正しい評価」と決めつけることも避けたいところです。たとえば、線形モデルはすべての接点に均等に配分するため公平に見えますが、各接点の貢献が同じであると確かめたわけではありません。減衰モデルも、直近の接点が重要だという前提を含みます。モデルの採用理由と限界を説明し、モデルを変えた場合にどのように評価が動くかを併記すると、意思決定者が解釈しやすくなります。
計測設計の不統一も、分析の信頼性を損なう原因になります。キャンペーン名や流入元の表記がばらばらだと、同じ施策が複数の項目に分かれ、実態をつかみにくくなります。また、タグの設置漏れやコンバージョン設定の誤りがあれば、分析モデル以前にデータが欠けています。命名ルールを文書化し、キャンペーン開始時の確認項目、定期点検の担当者、異常を見つけた場合の連絡先を決めておくと、運用上の抜けを減らせます。
最後に、分析を行っても施策を変えないままでは、事業上の改善にはつながりません。レポート作成自体を目的にせず、「何を変えるか」「どの期間で見るか」「どの指標がどうなれば継続するか」を決めてから検証に進みます。結果が仮説と異なった場合も、データ不備なのか、顧客行動の想定違いなのか、モデルの前提なのかを分けて考えます。次の施策に反映できるよう、判断の理由と学びを記録しましょう。
自社でアトリビューションを活用する判断基準
アトリビューション分析が役立ちやすいのは、コンバージョンまでに複数の接点があり、検討に一定の期間がかかるケースです。たとえば、広告、自然検索、資料閲覧、メール、営業接点などが組み合わさるサービスでは、最終接点だけでは顧客獲得の流れを説明しにくくなります。初回訪問から問い合わせまでの経路を確認し、チャネルごとの役割を把握することで、改善すべき接点や情報提供のタイミングを考えやすくなります。
一方、購入までの経路が短く、顧客の大半が一度の訪問で購入する商品では、複数接点の配分を細かく分析しても新しい示唆が少ない場合があります。コンバージョン数が限られている場合や、媒体間のデータを十分に結合できない場合も、複雑なモデルの結果を安定して解釈するのは難しくなります。その場合は、基本的な流入分析や顧客アンケート、期間・地域を分けた施策検証から始めるほうが現実的です。
実施するか迷ったら、まず現状のコンバージョン経路を確認します。初回接触と最終接触が同じチャネルに偏っているか、複数の接点を経る顧客がどの程度いるか、接点が増えるほど購入率や顧客価値が変わるかを調べます。ここでいう顧客価値には、LTV（顧客生涯価値。顧客が取引期間を通じて企業にもたらす価値）などが含まれます。データが示す課題に応じて、分析の深さを決めるとよいでしょう。
また、分析に必要な担当者や運用体制も判断材料です。データを取得する担当、広告施策を実行する担当、売上や顧客情報を管理する担当が連携できなければ、結果を施策に反映しづらくなります。最初から全チャネルを統合しようとせず、重要な成果と主要なオンライン接点に対象を絞り、計測の整合性を確認してから範囲を広げる方法があります。分析の実施そのものより、得た知見を意思決定に使える体制があるかを確認してください。
まとめ：アトリビューションとは顧客経路を多面的に考えるための分析
アトリビューションとは、顧客がコンバージョンに至るまでに接触した広告やコンテンツ、チャネルなどについて、成果への貢献度を評価する考え方です。ラストクリックだけでは見えにくい認知や比較検討の接点を含めて捉え、施策ごとの役割を考える際に役立ちます。ファーストクリック、ラストクリック、線形、減衰、接点ベース、データドリブンなど複数のモデルがあり、それぞれ評価の前提が異なります。
実務では、まず改善したい課題とコンバージョンの定義を明確にし、流入元や計測期間、チャネル名のルールを整えます。そのうえで、顧客の経路を確認し、目的に合った複数のモデルで結果を比較します。モデルによる数値の違いは、各チャネルの役割を考える手がかりになりますが、成果の原因を証明するものではありません。分析結果を売上や顧客数などの実績と照らし合わせ、小さな施策変更を通じて検証することが重要です。
計測できない接点やプライバシー上の制約、媒体ごとの計測条件、データの欠落によって、分析結果には限界があります。MMMやインクリメンタリティテストなど、問いに応じた別の効果測定と組み合わせれば、接点の貢献度だけでなく、マーケティング投資全体や施策による純増も検討できます。すべてを一つの数値で説明しようとせず、分析の前提と不確実性を関係者で共有しましょう。
大切なのは、アトリビューション分析の導入を目的にせず、顧客がどのような情報に触れ、どの接点で行動を進めたのかを理解して、次の判断に活かすことです。初めは重要なコンバージョンと主要チャネルに絞り、データ品質を確かめながら分析範囲を広げると、過度な負担を避けられます。モデルの特徴を踏まえて結果を読み、施策の仮説、検証、改善を続けることで、マーケティング活動をより納得感のある形で見直せます。
