アトリビューション分析とは？選べるモデルとやり方・AI（データドリブン）の中身

アトリビューション分析は、コンバージョンに至るまでにユーザーが触れた複数の広告やチャネルへ、成果の貢献度を配り直す分析です。ただし「ラストクリック・起点・均等配分・減衰・接点ベース の5モデルから選ぶ」という説明は、いまのGoogleの仕様とは合いません。ファーストクリック・線形・減衰・接点ベースの4モデルはGA4では2023年11月に提供が終了しており、現在GA4で選べるのは3種類、Google広告で選べるのは2種類だけです。この記事では、実際に選べるモデル、データドリブンアトリビューションが内部で何をしているか、分析の進め方、そして分析を見送るべき条件までを、公式ヘルプと公式PDFで確認できた範囲に絞って整理します。

まとめ：アトリビューション分析で答えられること、答えられないこと

• 選べるモデルは限られている。GA4は「データドリブン」「有料およびオーガニックのラストクリック」「Googleの有料チャネル（ラストクリック）」の3つ、Google広告は「データドリブン」「ラストクリック」の2つです。
• データドリブンアトリビューション（DDA）に最低コンバージョン数の条件はありません。Google広告ヘルプは「コンバージョン数やインタラクション数に関係なく」DDAの対象になると明記しています。ただし精度のために30日で200件以上のコンバージョンと2,000回以上の広告インタラクションを推奨しています。
• 実務の要は「モデル比較レポート」。ラストクリックとDDAを並べ、CPAとROASの差が大きいキャンペーンやキーワードを、予算配分の見直し候補として優先的に確認します。
• アトリビューション分析は「広告をやめたら成果がどれだけ減るか」には答えません。すでに起きたコンバージョンの配分を組み替えているだけです。広告の有無による差を知りたい場合で、比較群の設計と必要なデータ量を確保できるなら、広告の増分効果を測るインクリメンタリティの手法へ切り替えた方が判断に使えます。

ラストクリック評価が広告の貢献を取りこぼす仕組み

Googleアナリティクスのヘルプは、この問題をこう説明しています。「通常、キーイベントと呼ばれる重要な行動の貢献度は、ユーザーが最後にクリックした広告だけに割り当てられますが、キーイベントへの経路でキーイベントに至るきっかけになったのは、その広告だけとは限りません」。

Google広告のヘルプには、この取りこぼしが分かる例が載っています。イタリア・フィレンツェのレストランを探すユーザーが「restaurant tuscany」「restaurant florence」「3 star restaurant florence」「3 star restaurant abigaille florence」の順に検索し、最後の検索に出た広告から予約したとします。ラストクリックモデルでは、最後のキーワード「3 star restaurant abigaille florence」がコンバージョンの貢献度を100%受け取ります。同じ経路に含まれる前段の3つのキーワードには、ラストクリックモデルでは貢献度が割り当てられません。

この構造は、指名検索やリターゲティングの数字が良く見え、認知を作った広告の数字が悪く見える形で効いてきます。予算配分をラストクリックのCPAだけで決めると、成果に寄与している上流のキャンペーンを過小評価し、停止してしまうおそれがあります。なお、同じ経路を「どこで直接の成果とみなすか」で切り分ける考え方は直接コンバージョンと間接コンバージョンの違いで扱っています。

2026年時点で実際に選べるアトリビューションモデル

モデル一般の分類と、製品上で現在選択できるモデルは別物です。Googleアナリティクスのヘルプは「「ファースト クリック」、「線形」、「減衰」、「接点ベース」アトリビューション モデルは 2023 年 11 月をもってご利用いただけなくなります」と明記しています。Google広告側の英語版ヘルプも冒頭で「The first click, linear, time decay, and position-based attribution models are no longer supported by Google」と述べ、廃止モデルを使っていたコンバージョンアクションはデータドリブンへ自動的に移行されたこと、ラストクリックへの切り替えは引き続き可能であることを書いています。

GA4のラストクリック系では、ノーリファラーの除外に加え、対象となるYouTubeのエンゲージビューも考慮します。また、Googleの有料チャネル（ラストクリック）では、Google広告のクリックがない経路は有料およびオーガニックのラストクリックにフォールバックします。GA4ヘルプの例では「ディスプレイ > ソーシャル > 有料検索 > オーガニック検索」ならオーガニック検索に全額が入り、「ディスプレイ > ソーシャル > 有料検索 > ノーリファラー」なら末尾を飛ばして有料検索に全額が入ります。すべてのモデルで、経路が丸ごとノーリファラーの場合を除き、ノーリファラーの訪問は配分対象から外れます。

過去データを遡るときは、モデルごとの提供開始日に注意してください。GA4で有料・オーガニックチャネルのデータドリブンが使えるのは2021年11月1日以降、ルールベースモデルは2021年6月14日以降です。これより前を含む期間を指定すると、表示されるデータは部分的なものになります。モデルを配分ルールの違いとして詳しく見たい場合はシングルタッチとマルチタッチの配分の違いで計算例まで扱っています。

データドリブンアトリビューション（AI）が内部でしていること

DDAの貢献度算出と反事実の比較

ここでは、AIを使ったアトリビューションの例として、Googleのデータドリブンアトリビューションを取り上げます。GA4ヘルプは「機械学習アルゴリズムを使用してコンバージョン経路と非コンバージョン経路の両方が評価されます」「反事実的条件法を使用して、実際に発生したものと発生した可能性のあるものを比較し」と説明しています。コンバージョンした経路だけでなく、コンバージョンしなかった経路も学習データに含める点が、ルールベースのモデルとの決定的な違いです。

Google広告がヘルプからリンクしている全2ページの方法論PDFには、もう一段踏み込んだ記述があります。アルゴリズムはコンバージョンの発生時点と確率を「生存時間解析（survival analysis）の応用」で推定し、これは生物統計学と臨床試験で一般的な手法だと書かれています。そして各広告露出の反事実的な寄与を、ランダム化比較試験のデータ、つまり広告に接触したユーザーと、接触しなかった類似ユーザー（ホールドバック群）のコンバージョン確率の比較から算出します。

同PDFの数値例は具体的です。広告露出1「best tech gifts」、露出2「top rated phones」、露出3「Google Pixel 4」の組み合わせがコンバージョン確率3%につながっているとき、露出3が発生しなかった場合の確率は2%に下がります。差の1ポイントは2%に対して50%の増加にあたるため、露出3は+50%のコンバージョン確率を生んだと判定され、この寄与がそのまま重みとして使われます。この計算を広告イベントごとに繰り返すので、1つの経路に配られる貢献度は小数になり、合計は1.0になります。

ここで押さえておきたいのは、日本語の解説でよく見る「協力ゲーム理論のシャープレイ値で配分している」という説明が、この公式PDFには出てこないことです。PDFが挙げているのは生存時間解析と反事実の比較だけです。シャープレイ値による配分も、チャネルを経路グラフから取り除いたときのコンバージョン到達確率の変化（removal effect）で配分するマルコフ連鎖型も、学術的に確立した別系統の手法として実在します（前者はShapley Value Methods for Attribution Modeling in Online Advertising, arXiv:1804.05327、後者はAnderlらによるMapping the customer journey, International Journal of Research in Marketing, 2016）。実在する手法ではあるものの、Googleが公開している方法論の説明とは別物です。「AIで配分する」と書かれたツールがどの系統なのかは、製品ごとの技術資料で確かめてください。

必要なデータ量と、精度が出る水準

Google広告ヘルプは「すべてのコンバージョン アクションは、コンバージョン数やインタラクション数に関係なく、データドリブン アトリビューション（DDA）の対象となります」と明記しており、かつてあった最低コンバージョン数の条件はありません。実際、ほとんどのコンバージョンアクションで既定のモデルがデータドリブンになっています。

ただし、使えることと精度が出ることは別です。同じヘルプは「モデルがデータを正確に分析し、最も効果的なアトリビューションを提供できるようにするには、30 日間にサポート対象ネットワークで 200 件以上のコンバージョンと 2,000 回以上の広告インタラクションが発生していることをおすすめします」と推奨水準を示しています。この推奨量を下回ることだけで予算変更の可否は決めず、配分値の変動幅と計測の欠損もあわせて確認してください。データが少なくてもモデルは動いて数字は出ますが、その数字が経路のパターンを捉えたものかどうかは別に確かめる必要があります。対象となる広告面は、検索（ショッピングを含む）、YouTube、ディスプレイ、デマンドジェネレーションです。

計測期間（ルックバックウィンドウ）の既定値と変更の適用範囲

同じ経路データでも、どこまで遡って接点を数えるかで配分結果は変わります。GA4はこの設定を現在「計測期間」と呼んでいます（旧称はルックバックウィンドウ）。既定値は、ユーザー獲得のコンバージョンイベントが30日（7日に変更可）、その他すべてのコンバージョンイベントが90日（30日または60日を選択可）です。ただしエンゲージビューのキーイベントだけは例外で、既定の計測期間は3日間です。この設定はすべてのアトリビューションモデルとすべてのコンバージョンの種類に適用され、セッションのアトリビューションにも効きます。

変更の効き方には非対称があります。レポート用のアトリビューションモデルを変えると過去と将来の両方のデータに適用されるため、モデルだけを切り替えれば同じ期間で比較できます。一方、計測期間の変更は以降に適用されるので、遡っての比較はできません。検討期間の長い商材で計測期間を30日のまま運用していると、それより前の接点は構造的に評価されません。自社の検討期間を確かめずに既定値のまま使うのは避けてください。

アトリビューション分析のやり方

手順1：分析対象のキーイベントと計測期間の固定

最初に決めるのは、何をコンバージョン（キーイベント）とみなすかです。購入・申し込みのような最終成果と、資料請求やカート追加のような中間成果を同じ土俵に置くと、配分結果を読んでも打ち手が決まりません。分析対象にするキーイベントを1つか2つに絞り、そのうえで検討期間に合わせて計測期間を設定します。ここを固定しないまま次の手順へ進むと、後で条件を変えるたびに結論が動きます。GA4の設定そのものに不安がある場合はGA4の仕組みと運用体制を先に確認してください。

手順2：モデル比較による配分差の大きい対象の抽出

Google広告では［目標］メニュー内の［アトリビューション］を開き、［モデル比較］で2つのモデルを並べて比較します。ヘルプが勧めている読み方は、ラストクリックとデータドリブンを比較して「ラストクリック基準では過小評価されているキーワード・広告グループ・キャンペーン・デバイス」を見つけるというものです。判断材料としては「Cost / conv.」列と「Conv. value / cost」列、つまりモデル別のCPAとROASを見ます。ROASの計算式と目安を揃えておくと、モデル間の差を予算の話に翻訳しやすくなります。

このレポートで「選択した期間の履歴データが部分的にしか利用できない」という警告が出ることがあります。アカウントがクロスネットワークのアトリビューション対象になって日が浅い場合に出るもので、期間を直近に寄せると解消します。データが足りないネットワークやキャンペーンはレポート側で除外されるため、警告が出たままの数値を比較に使わないでください。

手順3：予算・入札の変更と事業成果の検証

モデル比較で差が大きく出た対象に絞って入札や予算を動かし、その後のCPAとROASを見ます。Google広告ヘルプも、ラストクリック以外のモデルを試すときはまずモデルをテストし、ROIへの影響を評価することを勧めています。

モデルを切り替えた直後にレポート上のコンバージョン数の内訳が変わっても、それだけで「効果が出た」とは判断できません。変わったのは配分ルールであって、実際に発生したコンバージョンの総数ではありません。判断すべきは、予算・入札の変更後に事業側の成果が動いたかどうかです。Google広告では、モデル変更がコンバージョンに基づく自動入札にも影響するため、手動の予算変更だけでなく、入札設定と変更履歴も確認します。

アトリビューション分析の公式例と成功事例の評価条件

Google公式が示す2つの分析例

手元にデータが無い段階で参考にしやすいのは、Google自身がヘルプに載せている例です。日本語版ヘルプの例では、札幌雪まつりツアーのチケット購入を計測しているアカウントで、「北海道ツアー」の広告をクリックした後に「札幌雪まつりツアー」をクリックした人の方が、「札幌雪まつりツアー」だけをクリックした人より購入の可能性が高いと分かったとします。この場合、貢献度は「北海道ツアー」側の広告・キーワード・広告グループ・キャンペーンに多く割り当てられます。

前述のフィレンツェのレストランの例も同じ形です。どちらも、最後の検索広告クリックだけでなく、それ以前の検索広告クリックにも貢献度を配分する考え方を示す例です。自社の経路に複数の広告接触があるかを確認し、モデル比較で配分の違いを調べます。指名検索を含まない経路も、DDAによる評価の対象です。

第三者の成功事例に必要な比較条件と出典

DDAの導入事例にコンバージョンの増加率やCPAの低下率が載っていても、その数値だけでは自社への適用可能性を判断できません。自社の判断材料にする前に3点を確認してください。比較対象の期間はいつといつか、アカウントの規模（月間コンバージョン数と広告費）はいくらか、そして同じ期間に入札戦略やクリエイティブなど他の要素を同時に変えていないか。この3点が書かれていない数値は、モデル変更の効果を判断する根拠から外してください。

事例の出所は、発信元と当事者を確認して判断します。数値の有無と、出所の確かさは別の問題です。Googleが2025年1月29日に公開したMeridian（同社のオープンソース版マーケティングミックスモデル）の一般提供告知には、オーストラリアの金融関連企業Finderでマーケティングとロイヤルティを統括するJennifer Snell氏のコメントとして「得られた示唆によって、標準的なコンバージョントラッキングでは見えない範囲でYouTubeが生んでいる追加的な価値が裏づけられた」という趣旨の発言が載っています。氏名・所属と利用者の所感は確認できますが、比較期間や効果量は示されていません。また、これはMMMの利用者コメントであり、DDAの導入効果を実証した事例ではありません。検証の設計を組むときに手がかりになるのは、増加率の数字よりもこちらの書き方です。

アトリビューション分析ツールの選び方

GA4・Google広告の標準機能で確認できる範囲

GA4のアトリビューションレポートとGoogle広告のモデル比較レポートは、いずれも追加費用なしで使えます。Google広告・YouTube・ディスプレイ・デマンドジェネレーションが出稿の中心で、コンバージョンもWeb上で完結しているなら、ここで判断に必要な材料はほぼ揃います。有料ツールの比較検討に入る前に、この2つで現状のラストクリック評価がどれだけ歪んでいるかを実際に見てください。差が小さい場合は、追加ツールで新たに取得できる接点や受注データがあるかを確認します。比較するデータの範囲が変われば、結論が変わる可能性があります。

有料ツールを検討する条件と、確認すべき項目

有料の広告効果測定ツールを検討する価値があるのは、Google以外の広告（Meta、LINE、アフィリエイト、純広告）の比率が高い場合、オフラインのコンバージョンや受注データと突き合わせる必要がある場合、複数ドメインやアプリとWebをまたいで同一ユーザーを追う必要がある場合です。GA4側でも参照元・メディア単位の配分は見えますが、他社プラットフォーム内のクリック単位の貢献度までは取得できません。

比較時は、対応する媒体・接点、データ連携の範囲、利用料金を確認したうえで、次の3項目も確認してください。第一に、配分ロジックが開示されているか。「AI搭載」をうたうツールが、DDAと同じ反事実の比較をしているのか、ルールベースの重み付けを機械学習と呼んでいるだけなのかは、営業資料ではなく技術ドキュメントで確認してください。第二に、計測期間（ルックバックウィンドウ）を自社の検討期間に合わせて変更できるか。第三に、Cookie制限下での欠損をどう扱うか。ブラウザ側の制限がどこまで進んでいるかはサードパーティCookie廃止の現在地で整理しています。

【判断】アトリビューション分析を見送るべき場面

次の条件に当てはまるときは、アトリビューション分析に工数をかける前に確認すべきことがあります。

• 比較対象となる接点が一つしかない。配分し直す先がないため、どのモデルを選んでも結果は同じです。ただし単一チャネルでも、複数のキーワードやキャンペーンを経由していれば配分結果は変わるので、チャネル数だけで判断しないでください。
• コンバージョン数が慢性的に少ない。Google広告の30日で200件・2,000インタラクションは推奨量であって分析の可否を分ける条件ではありませんが、この水準を大きく下回るなら、配分値の変動幅と計測状況を先に確認してから予算を動かしてください。
• オフラインや非計測の接点が成果の中心。テレビ、店頭、紹介など経路データに乗らない接点は、そもそも配分の対象になりません。
• 計測の欠損が大きい。ブラウザのトラッキング制限やコンセント取得の影響で経路が分断されている状態では、見えている経路だけを配り直すことになります。

これらに当てはまる場合は、まず計測の修復やデータの蓄積を優先します。広告の有無による差を知りたい場合には、必要なデータと検証条件を確保したうえで増分測定を検討します。ジオリフトやホールドアウトテストのような実験系、あるいはマーケティングミックスモデリングのような観測系で、「その広告が無かった場合との差」を推定します。実験では比較群との差を測り、観測系では交絡調整などの仮定に基づいて推定するという違いがあります。手法ごとの精度と導入コストの違いはインクリメンタリティの4手法の比較で扱っています。

役割の違いをはっきりさせておきます。アトリビューション分析が答えるのは「すでに起きたコンバージョンの手柄を、どの接点にどう配るか」です。「この広告をやめたら成果がいくら減るか」という問いには答えません。この2つを同じものとして扱い、DDAの配分値を増分効果として読んだまま予算を削ると、増分効果の高い広告を誤って止めるおそれがあります。どの広告を止めるべきかは、配分値だけでは判断できません。

よくある質問

アトリビューション分析とは何ですか？

コンバージョンに至るまでの経路上にある複数の広告・クリック・要因に対して、成果の貢献度を割り当てる分析です。Googleアナリティクスのヘルプは、貢献度の割り当て方を決める仕組みを「ルール、ルールの集合、またはデータドリブンのアルゴリズム」としてアトリビューションモデルと呼んでいます。

アトリビューション分析の手法にはどのようなものがありますか？

現在Googleの環境で選べるのは、経路データから機械学習で配分するデータドリブンと、最後の接点へ全額を割り当てるラストクリック系です。GA4ではデータドリブン、有料およびオーガニックのラストクリック、Googleの有料チャネル（ラストクリック）の3つ、Google広告ではデータドリブンとラストクリックの2つが選べます。GA4では、ファーストクリック・線形・減衰・接点ベースは2023年11月に提供が終了しました。

AIを使ったアトリビューション分析のツールはどう選べばよいですか？

まずGA4とGoogle広告の標準機能で、ラストクリックとデータドリブンの差がどれだけ出るかを確認してください。差が小さい場合も、追加ツールで取得できるデータによって結論が変わる可能性があります。差が大きく、かつGoogle以外の広告比率が高いかオフラインデータとの突き合わせが必要な場合に、有料ツールの検討に進みます。選定時は配分ロジックの開示、計測期間の変更可否、Cookie制限下での欠損の扱いを確認してください。

アトリビューション分析の事例はどこで確認できますか？

Google広告のヘルプに、札幌雪まつりツアーとフィレンツェのレストランという2つの分析例が載っています。いずれも配分がどう変わるかまで書かれており、自社の経路に当てはめやすい形です。第三者の成功事例を参照する場合は、比較期間・アカウント規模・同時に変更した他の施策の3点が明記されているかを確認してください。

アトリビューションデータはGA4のどこで確認できますか？

GA4の左側メニューの［広告］配下にあるアトリビューションのレポートで確認します。プロパティ単位のレポート用アトリビューションモデルと計測期間は、管理画面の［管理］→［データの表示］→［イベント］→［キーイベントのアトリビューション］で変更でき、プロパティのマーケティング担当者以上の権限が必要です。

関連記事

• インクリメンタリティとは？広告の増分効果を測る手法とCPA評価の限界・運用判断を解説
• GA4とは？仕組みとUAとの違い・導入と運用体制の判断まで解説
• サードパーティCookie廃止の現在地と企業がとるべき対策【2026年最新】
• ROASとは？計算式・目安・ROIとの違いと広告費用対効果を高める方法