Web広告のレポートには、CPAやROAS、コンバージョン数など多くの数字が並びます。CPAが低ければ好調、ROASが高ければ予算を増やす。広告運用では分かりやすい判断基準ですが、数字だけを追っていると広告の本当の役割を見誤ることがあります。消費者がSNSで商品を知り、動画を見て、数日後にGoogleで検索し、検索広告を経由して購入するケースでは、「どの広告が売上を生んだのか」を一つに決めるのは簡単ではありません。

広告効果測定も、こうした購買行動に合わせて変わりつつあります。AIを活用したアトリビューション分析に加え、広告によって純粋に増えた成果を見るインクリメンタリティ、広告費と売上の関係をチャネル横断で分析するマーケティング・ミックス・モデリング（MMM）など、複数の方法を組み合わせる考え方が広がっています。広告ごとにコンバージョンを割り振るだけではなく、「次の広告予算をどこへ投じれば売上が伸びるのか」を考えるための分析へ、広告効果測定の役割が変化しているといえるでしょう。

ラストクリックだけでは広告の役割を判断しにくい

従来の広告効果測定で分かりやすい方法が、購入直前にクリックされた広告を評価するラストクリックです。SNS広告で商品を知った人が、数日後に商品名を検索し、検索広告から1万円の商品を購入したとします。ラストクリックで評価すれば、1万円の売上は検索広告の成果として扱われます。しかし、SNS広告との接触がなければ、その人は商品名を検索しなかったかもしれません。検索広告だけを高く評価すると、商品を知るきっかけを作った広告の価値が数字から抜け落ちてしまいます。

また、複数の接点を含めて成果への貢献を捉える方法がアトリビューション分析です。Google Analytics 4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有料チャネルのラストクリックという3種類のモデルをアトリビューションレポートで比較できます。データドリブンアトリビューションでは機械学習を活用し、成果につながった経路と、つながらなかった経路の両方を分析します。接触の順序やデバイス、キーイベントまでの時間なども考慮されるため、最後のクリックだけでは見えなかった広告の働きを捉えやすくなります。ただし、Googleも完全なアトリビューションモデルは存在しないとしており、分析結果を絶対的な答えとして扱わない視点も欠かせません。

AIで変わるのは集計よりも広告予算の決め方

AI時代の広告分析というと、大量のデータを高速で処理する技術に目が向きがちです。実際には、マーケティング担当者にとって大きな変化となるのは、複雑な顧客接点を整理し、次の予算配分を考える材料が増えることでしょう。IABが2025年に広告業界の専門家500人以上を対象に行った調査では、メディアキャンペーンのライフサイクル全体にAIを完全導入している企業・組織は30％でした。完全導入していない回答者368人のうち、18％が2025年、35％が2026年までの導入を見込んでおり、広告制作だけではなく、メディアプランニングや成果測定にもAI活用が広がっています。

数字の見方も変える必要があります。検索広告AのCPAが5,000円、SNS広告Bが8,000円だった場合、Aへ予算を寄せたくなるでしょう。しかしAの利用者の多くが、すでに商品名を知り購入直前まで進んでいた人なら、Aだけで需要を生み出したとは言い切れません。Bの動画を見て商品を知り、後日検索した人が多ければ、Bを減らしたことでAのコンバージョンまで減る可能性があります。個々のCPAだけでは、この関係は見えにくいものです。AIを活用したアトリビューションによって接点同士の関係を分析すれば、「CPAが低い広告へ予算を寄せる」という単純な判断から一歩進んだ運用が期待されます。

「広告経由の売上」と「広告が増やした売上」を分けて考える

アトリビューションだけで解決できない問題もあります。広告をクリックした人が購入したとしても、その人が広告を見なくても購入していた可能性は残ります。広告管理画面に100件のコンバージョンが表示されていても、その100件すべてを広告が新しく生み出したとは限りません。この差を見る考え方がインクリメンタリティです。広告を配信した場合と配信しなかった場合などを比較し、広告によって純粋に増えた成果を検証します。

検索広告Aで100件の購入が発生していたとしても、広告を止めた期間に自然検索や直接流入へ購入が移り、全体の売上がほとんど減らなければ見方は変わります。広告管理画面では100件を獲得していても、広告がなければ失われていた売上はそれより少なかった可能性があるためです。チャネル全体をより長い期間で見る場合にはMMMも活用できます。Googleは2025年、オープンソースのMMM「Meridian」を公開しました。検索広告、SNS、動画、テレビなどへの投資と売上の関係を統計的に分析でき、個人単位の行動追跡だけに頼らない点も特徴です。アトリビューションで顧客接点を見て、インクリメンタリティで純増効果を確かめ、MMMで予算全体を見るという役割の違いを押さえると、各手法を整理しやすくなります。

広告効果測定は「次の100万円」を決めるためにある

広告効果測定で最終的に知りたいのは、「検索広告から120件、SNS広告から80件売れた」という結果だけではないでしょう。来月の広告予算が100万円増えたとき、検索広告へ追加するのか、SNSへ回すのか、動画広告で新しい顧客との接点を増やすのか。その判断につながらなければ、どれほど細かなレポートを作っても活用できる範囲は限られます。CPAやROASは引き続き有効な指標ですが、それだけで予算を決めることには注意が必要です。

AI時代のアトリビューション分析は、広告に点数を付けるための技術というより、マーケティング投資を見る角度を増やす手段として捉えると分かりやすくなります。購入直前の接点だけでなく、商品を知ったきっかけや比較検討を後押しした広告まで確認する。広告経由で発生した売上と、広告によって新しく増えた売上も分けて考える。そのうえでチャネル全体の投資配分まで見渡せれば、「どの広告が売ったのか」という過去の集計から、「次にどこへ投資すれば事業成果を伸ばせるのか」という判断へ進めます。広告効果測定の価値は、レポートの数字を細かくすることではなく、次の一手を決める材料を増やすことにあると考えられます。