アトリビューション分析とは
アトリビューション分析とは、顧客が購買に至るまでの複数の接点(広告クリック・メール開封・SNS訪問など)の中で、どの接点がどれだけ売上に貢献したかを数値化する手法。顧客には「欲しい商品との出会い」を、企業には「マーケティング投資の効果」をもたらす。
バーのカウンター:まいの迷い
MAツールベンダーの営業・まいがカウンターに座り、グラスを傾けながら頭を抱えていた。
まい:「マスター、困ったんですよ。うちのクライアント、Google広告に月100万使ってて、そこから30万の売上が出てるって言うんです。でも同じ期間、メールも打ってるし、SNSもやってるし、Instagramも走ってる。結局、どの施策が効いてるのかわからないまま『広告の効果あった、やったぜ』って喜んでる。それって危なくないですか?」
マスター:「そりゃあ危ないな。その100万の広告費、全部が30万の売上を作ったわけじゃないかもしれんぞ」
まい:「え、そうなんですか?」
マスター:「考えてみてくれ。客がGoogle広告を見た。でも、そのとき買わなかった。3日後にメールを受け取った。それでも迷ってた。1週間後、Instagramの投稿を見かけて、やっと『買おう』って思った。この客が30万の売上を作ったとしたら、その30万は誰の手柄だ?」
まい:「あ…全部の接点が、合わさってやっと購買に至った、と」
マスター:「そうだ。これが『アトリビューション分析』だ。複数の接点がどう組み合わさって、最終的に売上が生まれたのか。その貢献度を測ることをな」
マスター:「普通のツールだと『最後にクリックした接点が100%の成果』って計算する。それを『ラストクリック』って呼ぶ。だが現実は違う。最初の認知があり、2番目の比較があり、3番目の後押しがあって、やっと4番目の購買に至る。この1、2、3の価値を無視してたら、マーケティング予算の配分を間違える」
まい:「では、どうすればいいんですか?」
マスター:「アトリビューション分析を使えば、『Google広告が最初の認知に30%貢献、メールが比較の段階で40%、Instagramが決定時に30%』みたいに数値化できる。そうすれば、本当に投資すべき接点が見える。場合によっちゃあ、『Google広告は認知力は高いが、購買力は弱い』と判明することもある。そこからが本当のマーケティング最適化だ」
ありがちな失敗:ラストクリックの罠
多くの企業がやってしまう失敗がある。あや(化粧品EC)の例を思い出してほしい。
あやは月間広告費800万を、Google・Instagram・Facebook・メールに分けていた。ところが、Google Analytics(当時はUAだ)で計測すると、「成約の直前のクリックはInstagramばっかり」という結果が出た。そこであやは判断した。「Instagramだけに集中しよう。他の広告は効果ゼロだ」と。
3ヶ月後、何が起きたか。Instagramだけに予算を振ったら、成約数は逆に50%落ちた。なぜか。Instagramは「決定時の後押し」には強いが、「認知」はできていないからだ。新規客は、Google検索や他の接点で初めて商品を知る。その認知がなければ、Instagramのフィードには流れてこないし、流れてきても響かない。
つまり、ラストクリック(最後のクリック)だけを見ると、前段の役割を無視してしまう。これがアトリビューション分析が必要な理由だ。
アトリビューション分析の主な手法
マスターがカウンターに手書きで示したメモを見よう。
最後の接点に成果を100%付与
例)Google広告→メール→Instagram購買 → Instagramに100%クレジット
【ファーストクリック】
最初の接点に成果を100%付与
例)Google広告→メール→Instagram購買 → Google広告に100%クレジット
【線形アトリビューション】
全接点に均等に貢献度を配分
例)Google広告→メール→Instagram購買 → 各33%ずつクレジット
【タイムディケイ】
最後の接点に重く、さかのぼるほど軽く配分
例)購買から近い方が40%→30%→20%→10%
【データドリブン(機械学習)】
実際の購買パターンから、各接点の貢献度を自動計算
実務ではGoogle Analytics 4の推奨モデルがこれに該当
マスター:「どれが『正解』かって問い合わせが多いんだが、実は場面で変わる。新規客集めが目的なら、ファーストクリックに重みを置く。リピート促進なら線形かタイムディケイを使う。理想は、機械学習で自社の顧客行動パターンから最適モデルを自動判定させることだ」
📋 本日の処方箋
1. 【なぜやるか】現在の広告費配分が『錯覚』に基づいてるかもしれないから / 【どうやるか】Google Analytics 4のアトリビューション比較ツールで、複数モデルを同時に計測し、差を可視化する
2. 【なぜやるか】ラストクリックだけを見ると、認知・検討段階の重要な接点を過小評価するから / 【どうやるか】「この顧客は最初にどこで商品を知ったか」「購買前に何回、何個の接点を経験したか」を顧客セグメント別に分析する
3. 【なぜやるか】チャネル別の真の貢献度がわかると、予算配分を最適化できるから / 【どうやるか】タッチポイントごとに「認知」「検討」「決定」のどの段階で強いか役割を定義し、各段階の予算比率を意図的に設計する
4. 【なぜやるか】単一の施策だけでなく「施策の組み合わせ」がROIを決めるから / 【どうやるか】複数接点を経験した顧客と、1つの接点だけの顧客で、LTV・リピート率にどう差が出るかを比較する
5. 【なぜやるか】全社共通の「貢献度の数値基準」がないと、各部門が予算争いを始めるから / 【どうやるか】マーケティング・営業・CS部門で合意した『アトリビューションルール』をドキュメント化し、月次レビューで実績を評価する
業種を超えた応用例
これはECだけの話ではない。化粧品なら、「朝のSNS広告→昼間のメール→夜間のLINE→翌日の店舗購買」の組み合わせ効果を測れるし、サプリなら「検索広告での疾患認知→Youtubeのレビュー動画→メールマガジンでの成分説明→最終購買」という長いカスタマージャーニーの中で、各接点の本当の役割が見える。ペットフードなら「犬種別コンテンツ(認知)→栄養計算ツール(検討)→定期購買キャンペーン(決定)」という各段階での接点が、実は1つだけで成立するのではなく、複数が合わさってやっと購買に至ることがわかる。アトリビューション分析は、顧客体験が複雑になるほど、その価値が高まるのだ。

