【海外コラム】Google Analyticsにおけるアトリビューションモデルの検証 | Attribution.jp

Google Analyticsのアトリビューションモデリングツールについての記事がState of Digitalに掲載されています。

Google Analyticsで利用できる７つのアトリビューションモデルについて、わかりやすい例を用いながら解説されていましたので紹介します。

 

Attribution: What’s available in GA and which should you use?

http://www.stateofdigital.com/attribution-whats-available-ga-use/

 

 

顧客が以下の①〜④の順番で100ポンド相当の商品の購入まで至ったとします。

 

コンバージョンに至るまでの4つのタッチポイントとその順番

①   オーガニック検索をしてクリック。製品、FacebookでのブランドページをLikeする。

②   １週間後Facebookのリンクをクリックし、製品を宣伝しているブログ記事を見る。

③   ブランド名で検索をし、有料の検索連動型広告をクリック。今回は購入する暇がなくお気に入りに登録。

④   サイトにお気に入りから直接アクセスし購入。

 

この場合、Google Analyticsで使える7つのアトリビューションモデルでは、それぞれ以下のように評価されることになります。

 

 

1. ラストクリックモデル (The Last Click Model)

売上の貢献度の100%を最後の接点へ結びつけているため、今回の場合お気に入りからの直接のアクセスになり、きっかけを作ったチャネルには貢献度がまったく割り振られません。（補足：Google Analyticsでは標準でこのラストクリックモデルを利用していると思われがちですが、標準では2の最後の間接クリックモデルが利用されています）

 

2. 最後の間接クリックモデル (Last Non Direct Click Model)

顧客がコンバージョンに至る前に最後にクリックしたチャネルに販売の貢献度の 100% が割り振られます。つまり、今回の事例の場合は有料検索広告が100%の貢献度を得ることになります。初回の訪問など誘導したそれ以前のサイトやチャネルには貢献度は割り振られません。

 

3. AdWords広告の最後のクリックモデル (Last AdWords Click)

この例では有料検索チャネルのラストクリックに収益の100%が割り振られます。AdWords推しになるこのモデルが必要なシチュエーションはなさそうです。

 

4. 起点モデル (First Interaction)

最初の接点に100%を振り分けるモデルですが、今回の例でオーガニック検索のみが貢献したということは明らかな間違いです。ラストクリックモデルと同様、正しい評価をしているとは言えません。

 

5. 線型モデル (Linear)

すべての接点に平等に貢献度が振り分けられます。今回の場合、収益換算でオーガニック検索、Facebook、有料検索広告、ブランドサイトのそれぞれが25ポンドずつ振り分けられます。ラストクリックモデルや起点モデルより良いですが、必ずしも正確とは言えません。

 

6. 時間減衰モデル (Time Decay)

コンバージョンから時間的に最も近いチャネルに価値が高く、最大の収益が割り振られるモデル。起点モデルやラストクリックモデルを使いたくない場合に使えるシンプルなモデルであり1~5のモデルよりも実際の貢献度に即しています。

 

7. 接点ベースモデル (Position Based)

デフォルトの設定では最初と最後の接点にそれぞれ40%を分配し、残りの20%を中間の接点で均等に配分するモデル。今回の場合初回の自然検索と最後の直接のアクセスに40％が割り振られ、Facebook、有料広告には10%ずつが割り振られます。

貢献度の割り振りに関してはカスタマイズもでき、対象のビジネスに即して「初回の貢献度を下げ、中間の貢献度を高める」といった使い方が可能。

 

 

筆者は以上のように評価した上で、結局完璧なモデルはなく、接点ベースモデルか時間減衰モデルのどちらかを使いつつ、モデルの検証、発展を続けるべきだと述べています。

 

 

【アトリくんの視点】Google Analyticsにアトリビューションモデルの比較ツールが実装されてから約1年が経ちますが、まだまだ活用できている事例は多くないと思います。この記事では、分かっているようで曖昧な各モデルを事例を交えて説明してくれているので分かりやすかったです！Analyticsでペイドメディアを活用されている方は、改めてモデル比較をしてみると発見があるかもしれません。