アトリビューションモデリング

英語名 Attribution Modeling
読み方 アトリビューション モデリング
難易度
所要時間 3〜6時間
提唱者 デジタルマーケティングの発展に伴い、Google Analyticsなどの分析ツールとともに普及
目次

ひとことで言うと
#

ユーザーがコンバージョンに至るまでに接触した複数のマーケティングチャネルに対して、それぞれの貢献度を数値で割り当てる分析手法。「最後にクリックされた広告だけが成果」という思い込みを壊し、本当に効いているチャネルを見極められる。

押さえておきたい用語
#

押さえておきたい用語
コンバージョン(Conversion / コンバージョン)
ユーザーが購入・会員登録・資料請求などの目標行動を完了すること。アトリビューションモデリングでは、このコンバージョンに至るまでの経路全体を評価対象にする。
タッチポイント(Touchpoint / タッチポイント)
ユーザーがブランドや広告と接触する各ポイントを指す。SNS広告を見る、検索で記事に来る、メルマガを開くなど、すべてがタッチポイントにあたる。
ラストクリック(Last Click / ラスト クリック)
コンバージョン直前の最後の接触だけに成果を100%帰属させるモデルである。もっとも単純だが、それ以前のタッチポイントの貢献を完全に無視してしまう。
マルチタッチアトリビューション(Multi-Touch Attribution / マルチタッチ アトリビューション)
コンバージョンに至るまでの複数のタッチポイントに貢献度を分散配分する手法。線形・減衰・U字型・データドリブンなど複数のモデルがある。

アトリビューションモデリングの全体像
#

アトリビューションモデリング:タッチポイントごとの貢献度を定量評価する
カスタマージャーニー(タッチポイント経路)SNS広告検索流入メルマガCV(購入)どう評価する?ラストクリックモデルSNS広告: 0% / 検索: 0%メルマガ: 0%最後の接触 = 100%⚠ 認知チャネルの貢献を無視マルチタッチモデルSNS広告: 30% / 検索: 25%メルマガ: 25% / 直接: 20%全接触に貢献度を配分✓ 経路全体を正しく評価代表的なモデル線形モデル全タッチに均等配分U字型モデル最初と最後を重視減衰モデル直近ほど高く配分データドリブン機械学習で自動算出ビジネスの特性とデータ量に応じてモデルを選択する
アトリビューション分析の進め方フロー
1
タッチポイント収集
接触データを一元管理
2
モデル選定
ビジネスに合うモデルを選ぶ
3
貢献度を算出
チャネルごとのROIを数値化
予算を再配分
高ROIチャネルに集中投下

こんな悩みに効く
#

  • 広告を複数チャネルで出しているが、どこが本当に効いているかわからない
  • ラストクリックだけで評価した結果、認知向け施策の予算が削られ続けている
  • マーケティング予算の根拠を経営層に数字で説明できない

基本の使い方
#

ステップ1: タッチポイントデータを収集する

コンバージョンに至るまでにユーザーが接触したすべてのチャネルを記録する。

  • 広告クリック: Google広告、SNS広告、ディスプレイ広告
  • オーガニック接触: SEO流入、SNS投稿、口コミ
  • 直接接触: メルマガ、プッシュ通知、リターゲティング

UTMパラメータやトラッキングツールを使い、ユーザー単位で接触履歴をつなげることが前提になる。

ステップ2: アトリビューションモデルを選ぶ

ビジネスの特性に応じてモデルを選定する。

  • ラストクリック: 短期キャンペーンの即効性を評価したいとき
  • 線形モデル: すべてのタッチポイントを等しく評価したいとき
  • U字型モデル: 最初の認知と最後の決断を重視したいとき(最初と最後に各40%、中間に**20%**を配分)
  • データドリブン: 十分なデータ量(月間1,000CV以上が目安)があるとき

迷ったらまず線形モデルから始めて、ラストクリックとの差分を見るのがおすすめ。

ステップ3: チャネル別の貢献度を算出する

選んだモデルでチャネルごとのコンバージョン貢献度を計算し、**CPA(顧客獲得単価)やROAS(広告費用対効果)**をチャネル別に出す。

例: 月間100件のCVをモデル別に比較

チャネルラストクリック線形モデル差分
検索広告55件38件−17件
SNS広告10件28件+18件
メルマガ35件34件−1件

SNS広告の貢献度がラストクリックでは過小評価されていたことが一目でわかる。

ステップ4: 予算配分を見直す

貢献度の分析結果に基づいてマーケティング予算を再配分する。

  • 過小評価されていたチャネルに**テスト的に10〜20%**の予算を上乗せ
  • 2〜4週間ごとに結果を検証し、ROAS改善を確認
  • 四半期ごとにモデル自体の妥当性も見直す

一度の分析で終わらせず、PDCAサイクルとして回すことが成果につながる。

具体例
#

例1:D2Cスキンケアブランドがラストクリック偏重を見直す

月間広告予算300万円のD2Cブランド。ラストクリック評価では検索広告のCPA 3,200円に対し、Instagram広告のCPA 12,000円。数字だけ見ればInstagramは非効率に見える。

線形モデルで再評価したところ、Instagramはコンバージョン経路の**68%**に初回接触として含まれていた。Instagramを見て認知し、後日検索して購入するパターンが大半だった。

試しにInstagram予算を月50万円増やし、検索広告を同額減らしたところ、全体CVが月120件 → 158件に増加。CPAは2,800円 → 2,530円に改善した。「最後にクリックされた場所」と「最初に興味を持った場所」は別物だという当たり前の事実を、データが証明した形になった。

例2:BtoB SaaSが営業とマーケの対立を解消する

リード獲得月間200件のSaaS企業。営業部門は「展示会で獲得したリードが一番成約率が高い」と主張し、マーケ部門は「Webリードの方がコスト効率が良い」と反論。予算会議が毎回紛糾していた。

U字型モデルで分析した結果、成約に至ったリードの**72%**が「ホワイトペーパーDL → メルマガ育成 → 展示会で接触 → 商談化」という経路をたどっていた。展示会だけでも、Webだけでもなく、両方が噛み合って初めて成約していた。

この数字を共有したことで、マーケと営業が「認知→育成→接触」の一連の流れとして予算を組むようになり、翌四半期の成約数は前期比**+23%**。対立がなくなっただけでなく、成果まで上がった。

例3:地方の観光協会がプロモーション効果を可視化する

年間プロモーション予算800万円の観光協会。テレビCM、旅行サイト広告、SNS運用、インフルエンサー施策の4チャネルに予算を配分していたが、「どれが効いているのか」を誰も説明できなかった。

Webサイトへの流入データとクーポン利用データを紐づけ、線形モデルで分析。テレビCMは認知(初回接触)の**45%を占めるが、その後の行動喚起にはSNSとインフルエンサーが合計62%貢献していた。旅行サイト広告は貢献度8%**にとどまっていた。

翌年度は旅行サイト広告の予算150万円をインフルエンサー施策に振り替え。宿泊予約数は前年比**+17%、プロモーション全体のROIは1.4倍 → 2.1倍**に改善した。

やりがちな失敗パターン
#

  1. ラストクリックだけで判断し続ける — 最後の接触しか見ないと、認知チャネル(SNS広告・ディスプレイ広告)の予算が毎年削られ、いつの間にか新規流入が減り、全体のパフォーマンスが悪化する悪循環に陥る
  2. データ不足のままデータドリブンモデルを使う — 月間CV数が少ない状態(目安: 100件未満)で高度なモデルを使うと、ノイズに引きずられて誤った結論になる。まずは線形やU字型で十分
  3. 一度の分析で予算を大きく変える — アトリビューション結果を鵜呑みにして一気に予算を動かすと、外部要因(季節性・競合動向)の影響を見落とす。10〜20%ずつ段階的に変え、効果を検証しながら進める

まとめ
#

アトリビューションモデリングは、コンバージョンまでの複数のタッチポイントに貢献度を配分し、チャネルの本当の価値を明らかにする分析手法。ラストクリックだけでは見えない「認知」や「育成」の貢献が数字で見えるようになる。モデル選びに正解はないが、まず線形モデルでラストクリックとの差分を見るところから始めれば、予算配分の改善ポイントは必ず見つかる。