アトリビューションとは？モデルの種類と選び方、GA4活用法を解説

アトリビューションとは、コンバージョンに至るまでにユーザーが接触した各広告チャネルの貢献度を評価する分析手法です。「間接効果」とも呼ばれ、購入や問い合わせといったゴールを達成したユーザーが、どの広告・チャネルを経由してきたかを可視化します。

アトリビューションを理解するうえで、2つの概念を押さえておく必要があります。1つはコンバージョン（CV）で、購入・資料請求・問い合わせなど、サイト上のゴール達成を指します。もう1つはタッチポイントで、CV到達までにユーザーが接触した広告やチャネルのことです。この2つが前提になります。

なお、本記事を公開している株式会社ジーニーでは、Cookie規制下で重要性が増すファーストパーティデータの統合・活用基盤としてCDP（カスタマーデータプラットフォーム）「GENIEE CDP」を提供しています。CDPは、Webサイト・店舗・各種ツールに散らばった顧客データを同一人物として名寄せし、分析から施策実行までを一貫させるためのデータ基盤です。アトリビューション分析を起点に顧客データ活用を本格化したい方は、ぜひご検討ください。

アトリビューションの意味と基本の仕組みとは

アトリビューション（attribution）は英語で「帰属」を意味し、マーケティングの文脈では「コンバージョンへの貢献度の帰属」を指します。日本語では「間接効果」と呼ばれることもあります。なお、「アトリビューション」という語はサイバーセキュリティ（攻撃者の特定）やアプリ計測（インストール経路の把握）の分野でも使われますが、本記事ではマーケティング・広告分析の文脈で扱います。

アトリビューションの概念を理解するには、まず従来の評価手法である「ラストクリック評価」との違いを知るのが近道です。ラストクリック評価とは、CVの直前にクリックされた広告だけに100%の貢献度を割り当てる方法です。シンプルで扱いやすい半面、CVに至るまでに接触したすべての広告の役割を無視してしまいます。

実際のユーザー行動は、ラストクリックが示すほど単純ではありません。たとえば、ある商品を購入したユーザーの経路を追うと、次のような流れがよく見られます。

1. SNS上のディスプレイ広告で商品を知る（認知）
2. 数日後、興味を持って検索広告をクリックし、サイトを訪問する（興味・比較）
3. その後リターゲティング広告で再び引き戻され、サイトを再訪問する（再検討）
4. 最終的に指名検索から購入に至る（CV）

ラストクリック評価では、このケースで最後の指名検索広告だけが評価され、最初のディスプレイ広告や検索広告、リターゲティング広告はすべて「貢献なし」と判定されます。しかし実態として、ユーザーがCVに至ったのは複数の接点が積み重なった結果です。

アトリビューションはこの問題を解決するために、各タッチポイントへ貢献度を分配する考え方を採用しています。上記の例であれば、ディスプレイ広告・検索広告・リターゲティング広告・指名検索それぞれに何らかの貢献度を割り当て、どの接点がCVに寄与したかを多面的に評価します。

貢献度の配分方法は「アトリビューションモデル」と呼ばれ、どのモデルを使うかによって各接点への評価値が大きく変わります。「最後にクリックされた広告だけを評価する」「すべての接点を均等に評価する」「最初の接点を重視する」など、複数の考え方があります。

重要なのは、アトリビューションがどの広告を「正解」と決める手法ではないという点です。あくまで「CVに至るまでの旅程で、各接点がどれだけ役割を担ったか」を推定・可視化する分析手法です。マーケティング予算をどのチャネルに配分すべきか判断する材料として機能します。

アトリビューション分析が求められる背景とは

ラストクリック評価は長年にわたってデジタル広告の標準的な効果測定手法として使われてきました。計測がシンプルで、ツールへの実装が容易だったことが普及の主な理由です。一広告主から見れば「CVを直接生み出したか否か」がわかりやすく、当初は実務的に十分機能していました。

しかしこの評価方法では、ファネルの上流にある広告の貢献が可視化されません。たとえばディスプレイ広告やSNS広告は、ユーザーに商品・サービスを認知させる役割を担っていますが、ユーザーが実際にCVするのは「認知」の後、検索などを経てからであることが多いです。ラストクリック評価では、認知を生み出した広告の貢献はゼロとカウントされ、最後にクリックされた検索広告だけが評価を受けます。

この評価の歪みは、予算配分の判断に直結します。「効果が出ていない」と判定された認知系広告の予算が削られると、新規ユーザーへのリーチが細り、やがて検索広告に流入するユーザー数そのものが減少します。表面上は検索広告の費用対効果が高く見えているだけで、実際には上流施策が下流の成果を支えている構造になっているケースは少なくありません。

加えて、企業が運用するチャネルの数は増え続けています。検索広告・ディスプレイ広告・SNS広告・動画広告・メール・オフライン施策など、多様な接点が混在するカスタマージャーニーが当たり前になった現在、単一接点のみを評価する手法では広告投資全体の最適化が難しくなっています。

アトリビューション分析が注目される実務的な理由は、予算配分の精度を上げることにあります。どのチャネルがCVにどれだけ貢献しているかを正確に把握できれば、効いている施策に予算を集中し、効果の薄い施策を見直す判断が根拠を持って行えます。計測環境も変化している（クッキー規制等）中で、限られた予算をより効率よく使うための基盤として、アトリビューション分析の重要性は高まっています。

アトリビューションモデルの種類と選び方

アトリビューションモデルは大きく2つに分類されます。あらかじめ決めたルールで貢献度を配分する「ルールベース型」と、機械学習を使って実際のデータから貢献度を算出する「データドリブン型」です。

ルールベースの5つのモデルとは

ルールベースモデルは、貢献度の配分方法があらかじめ定義されたモデルです。直感的に理解しやすく、ロジックが透明な点が特徴です。

ただし、2023年5〜6月にGoogle広告・GA4でファーストクリック・線形・減衰・接点ベースの4モデルの新規選択が停止され、同年9月までに既存設定も自動的にデータドリブンへ移行されました。 、現在これらのモデルはGoogle環境では利用できません。アトリビューションの考え方を理解するうえでの参考として把握しておくとよいでしょう。

ラストクリックモデル

CVの直前にクリックされた広告に貢献度を100%割り当てるモデルです。最もシンプルで理解しやすく、CV数が少ない環境でも安定して機能します。Google広告・GA4でも現在利用可能なモデルです。一方で、CVに至るまでの他のタッチポイントへの評価がゼロになるため、上流の施策を正当に評価できないという限界があります。

ファーストクリックモデル

最初にクリックされた広告に貢献度を100%割り当てるモデルです。ユーザーが最初に接触した接点、つまり「認知」のきっかけとなった広告を重視します。新規顧客の獲得経路を分析したい場面では有用な考え方ですが、CVへの最後の後押しとなった接点が評価されない点がトレードオフです。2023年9月にGoogle広告・GA4で廃止されました。

線形モデル

CV経路上のすべてのタッチポイントに貢献度を均等に分配するモデルです。たとえば4つの接点があれば、それぞれ25%ずつ評価されます。特定の接点を優遇せず、全チャネルをフラットに見たいときの参考として使われていました。こちらも2023年9月に廃止されています。

減衰モデル

CVに近い時点のタッチポイントほど高い貢献度を割り当て、時間が遡るほど評価を下げていくモデルです。商談期間が短く、直近の接触がCVに影響しやすい商材に適していると考えられていました。線形モデルと同様、2023年9月に廃止されています。

接点ベースモデル

最初と最後のタッチポイントにそれぞれ40%を割り当て、残り20%を中間の接点に均等配分するモデルです（「ポジションベース」とも呼ばれます）。認知の起点（ファースト）とCV直前の後押し（ラスト）の両方を重視しつつ、中間接点も評価するバランス型の設計です。こちらも2023年9月に廃止されました。

Googleは廃止の理由として、これら4モデルの利用率が極めて低く、大多数の広告主がデータドリブンを選択していたことを挙げています。 （Google Ads Helpの公式アナウンス）。

モデル名	貢献度の配分ルール	現在の利用状況（Google）
ラストクリック	最後にクリックされた接点に100%	利用可能
ファーストクリック	最初にクリックされた接点に100%	2023年9月廃止
線形	全接点に均等配分	2023年9月廃止
減衰	CVに近い接点ほど高く配分	2023年9月廃止
接点ベース（ポジションベース）	最初と最後に各40%、中間に残り20%を均等配分	2023年9月廃止

データドリブンアトリビューション（GA4・Google広告のデフォルト）とは

データドリブンアトリビューション（DDA）は、機械学習を用いてCV経路を分析し、各タッチポイントが実際にCVに与えた貢献度を算出するモデルです。ルールベースのように「ラストだから100%」「均等だから25%ずつ」といった固定ルールではなく、実際のユーザー行動データをもとに貢献度を動的に計算します。

Googleは2021年以降、すべての新規コンバージョンアクションでDDAをデフォルトモデルとして採用しています（Googleの公式ブログ）。また、他のモデルからDDAに切り替えた広告主は平均6%のコンバージョン増加を達成したとGoogleは報告しています（Googleの公式ブログ）。

DDAの強みは、ルールの恣意性を排除できる点にあります。広告主が「なんとなく均等配分が公平そう」「最初の接点を重視したい」といった主観でモデルを選ぶ必要がなく、データが語る実態に基づいた評価が得られます。

一方で注意すべきは、算出ロジックがブラックボックスになりやすいことです。「なぜこの接点にこの貢献度が割り当てられたのか」を説明しにくいため、社内報告や広告代理店との議論の場で根拠を問われたときに答えにくいケースがあります。DDAの結果は参考指標の一つとして活用しつつ、他のKPIや定性的な判断と組み合わせて意思決定することが賢明です。

モデル選択の判断基準とは

Google広告・GA4で現在選べるモデルは、実質的にデータドリブンとラストクリックの二択です。どちらを選ぶかの判断は、自社の運用状況と目的によって決まります。

まずCVデータ量が鍵になります。DDAは機械学習でパターンを学習するため、十分なデータ量がないと精度が落ちます。月間CVが十分確保できている場合はDDAを基本とし、CV数が極端に少ない場合はラストクリックを選ぶのが現実的な方針です。

次に、マーケティングの目的を軸に考えます。認知拡大フェーズでは、ファネル上流の接点（ディスプレイ広告・SNS広告など）が評価されるモデルが適しています。ルールベースの選択肢がなくなった現在、DDAはアルゴリズムで上流の貢献も計算するため、認知期にはDDAが理にかなっています。一方、獲得効率化フェーズでCV直前の接点を重視したい場合は、ラストクリックが一致しやすい考え方です。

商材の検討期間も選択の参考になります。高関与商材（住宅・保険・BtoB商材など）は検討期間が長く、複数の接点を経てCVに至ることが多いです。こうした商材ではDDAを使って複数接点の評価を把握する意味があります。反対に、衝動購入が多い低価格商材では検討プロセスが短く、ラストクリックでも実態と大きくずれないケースがあります。

端的に言うと、CV数が十分あればDDAを選ぶのが基本です。データ不足でDDAの精度に不安がある場合にラストクリックを選ぶ、という優先順位で考えると判断がシンプルになります。

アトリビューション分析はどう進める？

アトリビューション分析は、すべての企業が今すぐ取り組むべきものではありません。自社の状況が分析に向いているかを見極めてから導入するのが、リソースを無駄にしない現実的なアプローチです。

1. 分析に向くケースと向かないケースかの判断をする

アトリビューション分析が効果を発揮するのは、複数のチャネルを同時に運用していて、一定のCV数が確保できているケースです。複数の接点があってこそ「どの接点がどれだけ貢献しているか」という問いが意味を持ちます。単一チャネルだけで運用している場合、アトリビューションを分析する必要がそもそもありません。

向かないケースも明確です。月間CVが数件程度しかない場合、データ量が少なすぎて統計的な信頼性を確保できません。特にDDAは学習データが不足すると精度が下がります。また、検討期間が極めて短い商材（食品・日用品のような即決購入が多いもの）では、ユーザーがラストクリック1回でCVすることが多く、複数接点の分析に意味が出にくいです。

「アトリビューション分析をやれば必ず成果が上がる」という話ではありません。自社のチャネル数・CV数・商材特性と照らし合わせて、導入する価値があるかを判断してください。

2. 導入の3ステップ（仮説→計測→改善）を実施する

アトリビューション分析は、仮説設定→計測環境構築→効果検証・改善のサイクルで進めます。

1. 仮説を立てる

まず「どのチャネルが過小評価されているか」を仮説として言語化します。たとえば「ディスプレイ広告はCVにつながっていないように見えるが、実際には認知形成に貢献しているのではないか」「SNS広告経由のユーザーは最終的に指名検索でCVしているのではないか」といった形です。仮説なしにデータを眺めるだけでは、分析結果から意思決定につながるインサイトを引き出せません。
 

2. 計測環境を構築する

GA4やアトリビューション分析ツールで計測環境を整えます。GA4を使う場合は、各チャネルのUTMパラメータが正しく設定されているか確認するところから始めます。チャネル横断で正確なデータを取得するには、複数のデータソースが統合されていることが前提です。

オンライン・オフラインを含む複数チャネルの顧客接点データがバラバラに管理されている場合、GENIEE CDPのようなデータ統合基盤を活用することで、分析の精度向上につながります。
 

3. モデル比較レポートで仮説を検証し、予算を調整する

GA4のモデル比較レポートやコンバージョン経路レポートを使って、ラストクリック評価とDDAの結果を比較します。ラストクリックでは評価が低いのにDDAでは高評価を受けているチャネルがあれば、そのチャネルは実態よりも過小評価されている可能性があります。

この差異をもとに予算シフトを検討しますが、一度に大きく動かすより、段階的に調整して結果を見ながら判断するほうが安全です。

3. GA4でのアトリビューションを設定する

GA4では現在、以下のアトリビューションモデルが利用できます。有料・オーガニックのデータドリブンアトリビューション、有料・オーガニックのラストクリック、Google有料チャネルのラストクリックの3種類です。

Googleが発表したこの情報はSearch Engine Landも詳しく報じています。2023年9月以前に廃止対象の4モデルを使用していたプロパティは、自動的にデータドリブンアトリビューションへ切り替わっています。

設定場所は管理画面の「広告」セクション内にあります。GA4の管理画面から『管理』→『データ表示』→『アトリビューション設定』と進むと（UIのバージョンにより表示が異なる場合があります） 、現在のモデル設定を確認・変更できます。デフォルトは「有料・オーガニックのデータドリブンアトリビューション」です。

分析に使えるレポートは主に2つあります。「モデル比較レポート」では、複数のアトリビューションモデルで評価した場合のCV数の違いを並べて比較できます。「コンバージョン経路レポート」では、CVしたユーザーが実際にどの接点を経由してきたかのパスを確認できます。この2つを組み合わせることで、仮説の検証が具体的に進められます。

まとめ

アトリビューションはCV到達までの各広告接点の貢献度を評価する手法で、ラストクリック評価では見えなかった上流施策の貢献を可視化します。Google広告・GA4では現在データドリブンとラストクリックの二択であり、CV数が十分あればデータドリブンを基本として選ぶのが現実的な方針です。

分析を始める最初のアクションとして、GA4の管理画面で現在のアトリビューション設定を確認し、自社のモデルがデータドリブンになっているかを確かめてみてください。次にモデル比較レポートを開いて、ラストクリックとデータドリブンで評価が大きく異なるチャネルがないかを見てみると、予算配分の見直しにつながるヒントが得られます。

株式会社ジーニーのGENIEE CDPは、散在した顧客データをノーコードで統合し、ID名寄せによってオンライン・オフラインをまたいだ同一顧客の行動把握を実現します。AI・自然言語による分析サポートでデータアナリストがいない組織でも活用でき、分析結果はMAやENGAGE等のジーニーマーケティングクラウド製品にそのままセグメントとして連携できるため、「データは集めたが施策に繋がらない」状態を解消できます。導入支援・活用支援チームによる伴走もあり、CDPの導入が初めての企業でも無理なく立ち上げられます。

分析結果を施策にそのまま繋げるデータ基盤を検討したい方は、まずはGENIEE CDPの製品ページから詳細をご確認ください。