アトリビューション分析とは｜基本・モデル・やり方を解説

｜広告運用ノウハウ公開中！

より詳しく知りたい方は資料をダウンロード！

アトリビューション分析とは、コンバージョンに至るまでにユーザーが接触した複数の広告やチャネルそれぞれに、貢献度を割り当てて評価する分析手法です。ラストクリックだけでは見えなかった、認知段階や比較検討段階の広告の役割を可視化できる点が特徴です。

複数の広告チャネルを運用するなかで、「どの広告に予算を寄せるべきか判断できない」「ラストクリックのCPAだけで停止判断していいのか不安がある」と感じる広告運用者は少なくありません。

本記事では、アトリビューション分析の基本と必要性、代表的な分析モデルと使い分け、分析を成果につなげるための実践手順や注意点までを整理して解説します。

1. 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、ユーザーがコンバージョンに至るまでに接触したすべての広告・チャネルに対して、それぞれの貢献度を評価し配分する分析手法です。最後にクリックされた広告だけでなく、その手前で接触した広告の間接的な効果も含めて評価する点に特徴があります。

従来主流であったラストクリック評価では、コンバージョン直前のクリックに100%の成果を割り当てます。集計が単純で運用しやすい一方、認知段階や比較検討段階で接触した広告の貢献を捉えにくいという課題があります。

たとえば、最初にSNS広告で商品を知り、後日リスティング広告から購入に至ったケースを考えてみます。ラストクリック評価ではSNS広告の貢献はゼロとして扱われます。しかし実際にはSNS広告が初期の認知に寄与しており、その貢献を評価から外すと、中長期的な新規顧客の流入に影響を与える可能性があります。

このようにユーザー行動が多様化し、複数チャネルでの接触が一般化した現在、アトリビューション分析の重要性が高まっています。

2. アトリビューション分析が必要とされる背景

現代のユーザーは、コンバージョンに至るまでに複数のチャネル・複数のデバイスを行き来して情報収集を行います。スマートフォンでSNS広告に接触したあと、PCで検索広告から比較サイトを訪れ、再度スマートフォンで購入するといった経路も一般的です。

このような環境でラストクリックのみを評価軸にすると、次のような失敗が起こり得ます。

成果に貢献している広告を誤って停止してしまう

直接コンバージョンが付きにくい広告でも、認知や比較検討の入り口として機能している場合があります。ラストクリック評価のみで「成果が出ていない」と判断して停止すると、結果的に全体のコンバージョン数が減少することがあります。

費用対効果の悪い広告に予算を増やしてしまう

逆に、ラストクリックのコンバージョンが集まりやすい指名検索やリターゲティング広告に予算を集中させると、新規顧客の流入経路が痩せていきます。短期的なCPAは改善しても、中長期では母数が縮小する可能性があります。

こうした誤判断を避けるために、複数の接点を考慮した評価が必要になります。

3. アトリビューション分析の代表的な6つのモデル

アトリビューション分析には複数のモデルがあり、それぞれ成果の配分ロジックが異なります。ここでは代表的な6モデルを紹介します。

ラストクリックモデル

コンバージョン直前にクリックされた接点に100%の成果を配分するモデルです。直接的な獲得施策の評価や、短期的なCPA最適化に向いています。一方で、認知段階や中間接点の貢献を捉えられない点が課題です。

ファーストクリックモデル

ユーザーが最初に接触した広告・チャネルに100%の成果を配分するモデルです。新規顧客獲得や認知拡大の評価に適しています。ただし、購入意思決定に影響を与えた中間や直前の接点が評価対象から外れる点には注意が必要です。

線形モデル

コンバージョンに至るまでのすべての接点に均等に成果を配分するモデルです。複数チャネルが連携している場合に、全体像を俯瞰するのに向いています。一方で、実際は貢献度が異なる接点も同列に扱われるため、強弱が見えにくくなります。

接点ベースモデル（U字型／ポジションベース）

最初と最後の接点に高い重みを配分し、間の接点に残りを均等に配分するモデルです。認知段階と刈り取り段階の両方を評価したい場合に有効です。中間接点の評価が相対的に小さくなる点は理解しておく必要があります。

減衰モデル（タイムディケイ）

コンバージョンに近い接点ほど高い重みを配分するモデルです。検討期間が短い商材や、直前の施策効果を重視したい場合に向いています。検討期間が長い商材では、認知段階の評価が過小になりやすい点に注意が必要です。

データドリブンアトリビューション

機械学習を用いて、実際のコンバージョンデータから各接点の貢献度を算出するモデルです。十分なデータ量がある場合に、より実態に近い配分が期待できます。一方で、データ量が少ない場合は精度が下がること、算出ロジックがブラックボックスになりやすい点が課題です。

GA4およびGoogle広告では、現在このデータドリブンアトリビューションが標準的なモデルとして位置づけられています（GA4公式ヘルプ：アトリビューションとアトリビューション モデリングについて／Google広告公式ヘルプ：アトリビューション モデルについて）。

6つのモデル比較表

モデル名	配分の特徴	向いている目的	注意点
ラストクリック	直前の接点に100%	直接獲得・短期CPA改善	認知段階の貢献を見落とす
ファーストクリック	最初の接点に100%	新規認知の評価	直前の刈り取り施策が評価されない
線形	全接点に均等配分	接点全体の俯瞰	強弱が見えにくい
接点ベース	最初と最後に重み	認知と刈り取り両立	中間接点が過小評価される
減衰	直前ほど重み大	短期検討商材	長期検討では認知が過小評価
データドリブン	実データに基づく配分	実態に近い評価	一定のデータ量が必要

なお、Google広告では2023年4月の発表を経て、2023年6月から4モデル（ファーストクリック・線形・減衰・接点ベース）の新規選択・既存変更ができなくなり、2023年9月までに該当コンバージョンアクションがデータドリブンアトリビューションへ自動アップグレードされました。GA4側でも同4モデルが2023年11月をもって利用できなくなり、現在Google系プラットフォームではデータドリブンアトリビューションとラストクリックを中心としたモデルへ移行しています（Google広告公式ヘルプ：アトリビューション モデルについて）。

一方、Adobe Analyticsでは、上記6モデルに加えてU字型・J字型・カスタム・アルゴリズムなど、より多様なモデルが現在も提供されています（Adobe Analytics公式ドキュメント：アトリビューションコンポーネント）。

このように、利用するツールによって選べるモデルが異なるため、自社が使用するプラットフォームの最新仕様を確認した上でモデルを選定する必要があります。

4. アトリビューション分析のやり方

アトリビューション分析は、思いつきで始めると解釈に迷う結果になりがちです。以下の4ステップで進めると整理しやすくなります。

1. 目的とKPIを定義する
2. 計測対象のチャネル・接点を洗い出す
3. 分析モデルを選択する（複数モデルの比較を推奨）
4. 結果を予算配分・施策に反映し、定期的に見直す

1. 目的とKPIを定義する

「新規顧客獲得を伸ばしたい」「CPAを維持しつつCV数を増やしたい」など、最初に目的を言語化します。目的が曖昧なまま分析に着手すると、結果の解釈が広告運用者ごとに揺らぎやすくなります。

やりがちな失敗：目的を決めずに分析を始め、出てきた数字をどう判断すべきか合意できない。

2. 計測対象のチャネル・接点を洗い出す

自然検索・指名検索・ディスプレイ広告・SNS広告・メール・外部記事掲載など、ユーザーが接触し得るチャネルを網羅的に洗い出します。同時に、それぞれのチャネルで計測タグが正しく入っているかも確認します。

やりがちな失敗：計測タグが入っていないチャネルの貢献が反映されず、分析結果が偏る。

3. 分析モデルを選択する

目的に応じて1つに絞るよりも、複数モデルを比較するほうが示唆を得やすくなります。たとえばラストクリックと接点ベースを並べて比較することで、認知段階の貢献度がどの程度埋もれていたかが見えてきます。

やりがちな失敗：単一モデルだけで結論を出し、別モデルなら違って見える視点を見落とす。

4. 結果を予算配分・施策に反映し、定期的に見直す

分析結果を予算配分や入札調整、配信抑制などの意思決定に反映して、初めて成果につながります。市場やユーザー行動は変化するため、四半期や半期ごとなど一定周期で再評価を行うのが現実的です。

やりがちな失敗：一度分析して納得し、その後の見直しが行われない。

5. アトリビューション分析を行うメリット

アトリビューション分析を取り入れることで、次のようなメリットが期待できます。

• 広告予算配分の最適化：チャネルごとの貢献度を踏まえて予算を再配分できる
• 認知段階の施策評価が可能になる：直接コンバージョンには寄与しない広告の役割を評価できる
• チャネル間の相互作用が把握できる：単独では成果が見えない広告も、他チャネルとの組み合わせでの貢献度を可視化できる
• 中長期視点でのマーケティングROI改善：短期CPAだけでなく、新規流入の継続的な確保まで含めて判断できる

短期の効率指標と中長期の成長指標を両立しやすくなる点が、アトリビューション分析を導入する大きな価値といえます。

6. アトリビューション分析の注意点と限界

万能の手法ではないため、活用にあたっては以下の制約も理解しておく必要があります。

データの欠損とクロスデバイス計測の難しさ
ユーザーが複数デバイスを行き来する場合、同一ユーザーとして紐付けられないことがあります。ログイン情報や独自ID連携がないと、行動経路が分断されたまま分析されます。

プライバシー仕様変更による計測制約
近年はCookieやデバイス識別子による追跡が制限される動きが広がっています。過去と同じ精度でユーザー行動を追えない場面もあり、分析結果は一定の不確実性を含む前提で見る必要があります。

モデルによって結果が変わる
同じデータでもモデルが異なれば結論が変わります。単一モデルで意思決定するのではなく、複数モデルを併用して判断材料を増やすことが推奨されます。

「分析して終わり」では成果につながらない
配信抑制や強化、クリエイティブ変更、入札調整など、具体的な施策に落とし込んで初めて分析の価値が発揮されます。

7. 分析を成果につなげるにはLP改善も重要

アトリビューション分析によって「どのチャネルに予算を寄せるか」が見えても、流入先のランディングページ（LP）のコンバージョン率（CVR）が低ければ、最終的な成果は伸びにくくなります。チャネル側の最適化とLP側の最適化は、本来セットで取り組むテーマです。

たとえば、認知段階で機能していたディスプレイ広告の予算を増やしても、遷移先LPで早期離脱が多ければ、追加した予算は十分にコンバージョンへ転換されません。アトリビューション分析で広告チャネル評価の精度を高めると同時に、LP内のユーザー行動を把握し、改善サイクルを回していくことが重要になります。

LP改善（LPO）の基本的な進め方

LP改善は、感覚や好みで行うのではなく、データに基づくPDCAサイクルで進めるのが基本です。代表的なステップは以下の通りです。

• ヒートマップやスクロール解析でユーザーの離脱箇所を特定する
• 仮説に基づきABテストを実施し、効果を定量的に検証する

LP改善のより詳しい手順や考え方については、以下の記事で整理しています。

LPOがCVR改善に有効な理由｜5つの手順やポイント・成功事例を紹介

Squad beyondを活用する選択肢

アトリビューション分析の結果をLP改善まで一気通貫でつなげていきたい場合、Squad beyondはその選択肢のひとつです。

Squad beyondは、ABテストやヒートマップ分析など、LP内の改善に必要な機能をひとつのプラットフォーム上で利用できるCRO・LPOツールです。ヒートマップでユーザーの離脱箇所やスクロール状況を可視化し、ABテストで仮説検証を繰り返すことで、LPのCVR改善サイクルを継続的に回せます。

アトリビューション分析で見えてきたチャネル別の示唆を踏まえながら、流入先LPの改善まで取り組みたい方は、Squad beyondの活用を検討してみてください。

8. アトリビューション分析についてよくある質問（FAQ）

9. まとめ

アトリビューション分析は、複数チャネルを運用する事業者にとって、広告予算の最適配分とマーケティングROI改善を進めるうえで有効な手法です。ラストクリックだけでは見えなかった接点の貢献を可視化することで、認知段階や中間接点の役割を踏まえた評価が可能になります。

代表的な分析モデルは6種類あり、それぞれ配分ロジックや向いている目的が異なるため、単一モデルで結論を出すのではなく、複数モデルを比較しながら判断材料を増やすことが有効です。また、分析結果を予算配分や入札調整などの施策に反映し、定期的に見直すサイクルを回すことで、初めて成果へとつながります。

そして、チャネル側の最適化だけでなく、流入先LPのCVR改善まで一気通貫で取り組むことで、予算最適化の効果はより大きくなります。モデル選定から施策実行、そしてLP改善までを連動させた運用を目指してみてください。

　

｜広告運用ノウハウ公開中！

サービス紹介資料はこちらからダウンロード