アトリビューション分析とは？モデルの種類と実践手順を解説

「YouTube広告とTVCM、どちらがコンバージョンに貢献しているのか？」——認知施策に予算を投下しているにもかかわらず、この問いに答えられないマーケターは少なくありません。ラストクリックだけで評価していると、認知施策の貢献が「ゼロ」に見えてしまい、間違った予算削減につながるリスクがあります。

アトリビューション分析を活用すれば、複数のタッチポイントそれぞれの貢献度を定量化し、投資判断の根拠を持てます。本記事では、アトリビューション分析の基本概念から主要モデルの違い、実践手順、そして認知広告への応用まで体系的に解説します。

アトリビューション分析とは何か

アトリビューション分析の定義と目的

アトリビューション分析（Attribution Analysis）とは、顧客がコンバージョンに至るまでに経由した複数のタッチポイントに対して、それぞれの「貢献度（クレジット）」を割り当てる分析手法です。

たとえば、あるユーザーがTVCMを見てブランドを認知し、後日YouTube広告を視聴し、翌週リスティング広告をクリックして購入したとします。このとき「どのチャネルがどの程度コンバージョンに貢献したか」を明らかにするのがアトリビューション分析の役割です。

現代のマーケティングでは、消費者が購買に至るまでに平均6〜8回の異なるタッチポイントを経ると言われています。テレビ・YouTube・交通広告・検索広告・SNS広告など複数のチャネルを組み合わせる認知施策が当たり前になった今、各チャネルの貢献度を正確に把握することは、予算配分の最適化に直結する重要課題となっています。

アトリビューション分析の主な目的は以下の3点です。

• 予算の最適配分：貢献度の低いチャネルへの過剰投資を防ぎ、効果の高いチャネルに集中させる
• 施策の改善：どのタッチポイントでユーザーが離脱・転換しているかを把握する
• ROIの可視化：上流施策（認知広告）の事業KPIへの寄与を数値で示す

ラストクリック評価が引き起こす予算配分ミス

多くの企業が今も採用している「ラストクリックモデル」は、コンバージョン直前の接触点（最後にクリックした広告）にすべての貢献度を100%割り当てる方法です。計測が簡単でGA4やGoogle広告でも標準的に使われますが、認知施策を評価する際には致命的な欠点があります。

具体的な問題をシミュレーションで見てみましょう。

この評価方法では、TVCMやYouTube広告が「効果なし」と判断され、予算が削られやすくなります。しかし実際には、認知施策があってこそリスティング広告がクリックされているのです。ラストクリック評価を盲信すると、認知施策への過小投資が続き、中長期的にブランドの獲得効率が低下するという悪循環が生まれます。

アトリビューションモデルの種類と特徴比較

アトリビューションモデルは大きく「シングルタッチモデル」「マルチタッチモデル」「データドリブンモデル」の3種類に分類されます。それぞれの特徴を理解し、自社の状況に合ったモデルを選ぶことが重要です。

シングルタッチモデル（ファーストクリック・ラストクリック）

シングルタッチモデルは、1つのタッチポイントにのみ100%の貢献度を割り当てるシンプルな手法です。

ファーストクリックモデルは最初の接触点に全貢献を帰属させます。新規顧客獲得に効果的なチャネルを特定したい場合や、ブランド認知施策の評価に向いています。一方で、購買直前のナーチャリング施策が過小評価される欠点があります。

ラストクリックモデルは先述の通り、コンバージョン直前の接触点に全貢献を帰属させます。計測が容易でデータが少なくても使える反面、上流施策の貢献が完全に無視されます。

シングルタッチモデルは計測環境が整っていない初期段階や、単一チャネルで完結するシンプルな施策評価には有効ですが、複数チャネルを組み合わせた認知施策の評価には不向きです。

マルチタッチモデル（線形・時間減衰・位置ベース）

マルチタッチモデルは、コンバージョンまでのすべてのタッチポイントに貢献度を分散して割り当てます。

線形モデル（Linear）は、すべてのタッチポイントに均等に貢献度を配分します。たとえば4つのタッチポイントがあれば、各チャネルに25%ずつ割り当てられます。どのチャネルも平等に評価できる反面、実際の貢献度の差が反映されません。

時間減衰モデル（Time Decay）は、コンバージョンに近いタッチポイントほど高い貢献度を割り当てます。購買検討期間が長いBtoB製品や高額商材に適しており、直前の意思決定プロセスを重視したい場合に有効です。

位置ベースモデル（Position Based / U字型）は、最初と最後のタッチポイントにそれぞれ40%、残りの中間タッチポイントに合計20%を配分します。「認知獲得」と「購買決定」の両方を重視しつつ、中間のナーチャリングも評価できるバランス型モデルです。

データドリブンアトリビューション（DDA）の精度と条件

データドリブンアトリビューション（DDA）は、実際のコンバージョンデータを機械学習で解析し、各タッチポイントの貢献度を統計的に算出する最先端のモデルです。ルールベースの割り当てではなく、「このタッチポイントがあった場合となかった場合のコンバージョン率の差分」から純粋な貢献度を推定します。

精度は他のモデルと比較して最も高いですが、導入には以下の条件が必要です。

• データ量：GA4ではコンバージョンイベントが一定数（目安：月間300件以上）必要
• 計測環境：全タッチポイントのデータが統合されていること
• 計測期間：モデルの学習に数週間〜数ヶ月のデータ蓄積が必要

DDAはGoogleアナリティクス4（GA4）やGoogle広告でも利用可能になっており、十分なデータ量がある企業には積極的な活用をお勧めします。

アトリビューション分析の実践手順3ステップ

アトリビューション分析を効果的に活用するには、計測設計→データ収集→モデル選定・活用という3つのステップを順を追って進めることが重要です。

Step1｜計測設計——KPIとコンバージョンポイントの定義

アトリビューション分析で最初に決めるべきは「何を成果（コンバージョン）とするか」です。目的が曖昧なままモデルを選定しても、得られる示唆が経営判断に使えるものになりません。

認知施策を評価する場合、コンバージョンポイントは以下のように多層的に設定することをお勧めします。

bfj Scopeが重視するのは「MQL（Marketing Qualified Lead：マーケティングの条件を満たしたリード）・指名検索数・Organicセッション」といった事業KPIベースの評価です。代理店が提出するリーチ数やインプレッション数だけでなく、ビジネス成果と直結した指標で認知施策を評価することが重要です。

Step2｜データ収集環境の整備（GA4・広告媒体・CRM連携）

計測設計が完了したら、各タッチポイントのデータを統合する環境を整えます。

デジタルチャネルの計測はGA4を中心に、Google広告・Meta広告・YouTube広告などの媒体データをUTMパラメータで統一管理します。CRMやMAツールとの連携により、リードの獲得から商談化・受注までのジャーニー全体を可視化できます。

オフラインチャネルの計測は難易度が上がります。TVCMや交通広告は直接のクリックデータが存在しないため、以下の代替計測手法が使われます。

• 指名検索数の変化：広告出稿前後の指名KW（ブランド名）検索量の増減
• 地域別比較：出稿エリアと非出稿エリアのコンバージョン率差分
• アンケート調査：購買時の接触広告に関するサーベイ

ただし、これらの方法には「外部要因の影響を分離できない」という限界があります。この課題を解決するのが、次節で紹介するインクリメンタルアトリビューションです。

Step3｜モデル選定・結果解釈・予算アロケーションへの反映

データ収集環境が整ったら、自社の状況に合ったアトリビューションモデルを選定します。以下の判断基準を参考にしてください。

• データ量が少ない・計測環境が不十分な場合 → まず線形モデルまたは位置ベースモデルから始める
• BtoB・長期検討型の商材の場合 → 時間減衰モデルで直前のナーチャリングを重視
• 月間CV300件以上・GA4計測完備の場合 → データドリブンアトリビューションを活用

モデルで得られた貢献度データは、次期の予算配分（アロケーション）の根拠として活用します。「認知施策Aの貢献度が想定より高かった→予算を20%増額」といった意思決定に、定量的な裏付けを持たせることができます。

認知広告でアトリビューション分析が難しい理由と解決策

デジタル広告に比べ、TVCMや交通広告などのオフライン認知施策は、アトリビューション分析に特有の困難が伴います。

オフラインタッチポイント（TVCM・交通広告）の計測壁

デジタル広告は「クリック」という明確なデータが存在しますが、TVCMや交通広告にはクリックデータがありません。そのため、以下の構造的な問題が発生します。

• 因果関係の不明確さ：TVCM放映と同時期に他の施策も動いていると、どの施策が効いたかわからない
• デバイス跨ぎの計測困難：テレビで認知してスマートフォンで検索・購入するクロスデバイス行動が追えない
• 外部環境ノイズ：季節要因・競合施策・SNSバズなど、広告以外の要因の影響を排除できない

従来のMMMでこれらを分析しようとすると、数ヶ月〜1年分のデータと高額なコストが必要でした。

インクリメンタルアトリビューションで「純増効果」を測る

これらの課題を解決するのが「インクリメンタルアトリビューション（Incremental Attribution）」という手法です。

インクリメンタルアトリビューションとは、「広告に接触したグループ」と「接触しなかったグループ」のコンバージョン率を比較し、広告による純粋な増分効果（インクリメンタリティ）を算出する手法です。

bfj Scopeが採用している差分の差分法（DID法：Difference-in-Differences）は、このインクリメンタルアトリビューションをエリア単位で実装する方法です。認知広告を出稿したエリアと出稿していないエリアの事業KPI変化を比較することで、外部環境ノイズを除去した「広告の純増効果」を精緻に算出します。

従来のアトリビューション分析では見えなかった認知施策の貢献を可視化できるため、特にTVCM・YouTube・交通広告など複数の認知施策を組み合わせて運用している企業に有効です。

bfj Scopeによるアトリビューション分析の活用事例

オービックビジネスコンサルタント社での実績

会計・ERPソリューションを提供するオービックビジネスコンサルタント様は、bfj Scopeの分析導入前、認知広告の効果が定量化できず経営層への説明責任を果たすことが難しい状況にありました。

bfj Scopeが特許技術（ノイズ除去アルゴリズム）とDID法を組み合わせた分析を導入した結果、以下の成果が得られました。

この事例で特筆すべき点は、認知施策の効果を「指名検索数」というSEOにも直結する指標で可視化できた点です。認知広告が増えることで指名検索が増え、それがOrganic経由のコンバージョンにも波及するという連鎖効果を、データで証明することに成功しました。

認知施策の効果を事業KPIに繋げるbfj Scopeのアプローチ

bfj Scopeが一般的なアトリビューション分析ツールと異なる点は、「認知施策の効果を事業KPIで評価する」ことに特化した設計にあります。

特許取得済みの3つのアプローチ：

1. ノイズ除去技術：季節変動・競合施策・外部イベントなど広告以外の要因を統計的に除去し、純粋な広告効果を抽出
2. DID法によるエリア比較：出稿エリアと非出稿エリアの差分から「広告がなければ発生しなかった成果」を算出
3. MQL・指名検索・Organicを統合評価：代理店レポートのインプレッション数ではなく、ビジネス成果と直結した指標で評価

従来のMMM（マーケティング・ミックス・モデリング）と比較して、短期間・低コストで高精度な分析が実現できるため、大企業だけでなく上場準備中の中堅企業でも活用できるのが強みです。

bfj Scope サービスページ

まとめ

本記事では、アトリビューション分析の基本から実践的な活用方法まで解説しました。

• アトリビューション分析とは、複数のタッチポイントにコンバージョン貢献度を割り当てる手法
• ラストクリック評価では認知施策の貢献が見えず、予算配分を誤るリスクがある
• モデルの選び方はデータ量と施策の性質に応じて判断する
• 認知広告の評価には、インクリメンタルアトリビューション（DID法）が有効
• bfj Scopeの事例では、認知施策の効果可視化により指名検索数160%増・CV150%増を達成

認知広告の効果が見えないまま投資判断を続けることは、マーケティング予算の無駄遣いにつながりかねません。アトリビューション分析の精度を上げることで、認知施策への投資根拠を持ち、経営層への説明責任を果たすことができます。

認知広告の効果可視化や予算最適化にお悩みの方は、ぜひbfj Scopeにご相談ください。

お問い合わせはこちら