マルチタッチアトリビューションとは何ですか? 必要なモデルとツール
公開: 2022-06-11マルチタッチアトリビューションとは何ですか?
マルチタッチアトリビューション(MTA)は、顧客の旅の1つ以上のタッチポイントへのコンバージョンのクレジットをアトリビューションする方法です。 マルチタッチアトリビューションツールは、モデルを使用して、顧客が目的のアクションを実行するのに貢献したタッチポイント、チャネル、またはキャンペーンを体系化します。 これにより、変換前の最後のタッチポイントにROIが起因することを回避できます。
MTAが実際にどのように機能するかのこの例を想像してみてください。
- 1日目:ユーザーXが商品のディスプレイ広告をクリックします。 彼らはサイトを閲覧しますが、何も注文しません。
- 2日目:彼らはソーシャルメディアフィードで会社のブログ記事を見つけ、メーリングリストに登録することにしました。
- 5日目:初めての購入者割引コードのメールが届きます。 彼らはサイトにアクセスして製品を閲覧します。
- 7日目:最終購入の前に、Google検索を実行してサイトのレビューを確認します。 いくつかの未知の理由でそれを遅らせますが、彼らは今彼らの購入決定に自信を持っています。
- 10日目:自動フローから、イベントへの招待とともに、購入を完了するための割引が記載された電子メールを受け取ります。 彼らは最終的に購入を完了します。
マルチタッチアトリビューションは、ユーザーがそれぞれが最終的な購入に寄与するいくつかのタッチポイントを通過するため、ここで大きな違いを生む可能性があります。
一部のモデルでは、ディスプレイ広告は、ユーザーが製品について知るようになった方法であるため、より高いクレジットに値します。 他の人にとっては、ソーシャルメディアが主要な要因である可能性があります。それは、ユーザーが製品の会社への信頼を獲得した方法だからです。 残りの部分については、レビューまたは割引メールが最終的に購入者の意図を示したため、目的のコンバージョンに影響を与えました。
このようなシナリオを処理するために、顧客の旅の中で最も影響力のあるマルチチャネルタッチポイントまたはインタラクションを推測する利用可能なモデルがいくつかあります。
重要なポイント
- マルチタッチアトリビューションは、各マルチチャネルタッチポイントの個々の貢献を見つけるための顧客の旅を分解します。
- MTAを使用したマーケティングは、顧客が好むチャネルとインタラクションのタイプをよりよく理解するのに役立ちます。
- アトリビューションは、事前定義されたルールを使用するだけでなく、機械学習を介して実行して、最大の精度を実現できます。
- 時間減衰とカスタム位置は、最も一般的に使用されるマルチタッチアトリビューションモデルです。
- アルゴリズムモデルは、最も高度で正確なアトリビューションモデルです。
- オフラインチャネルとオンラインチャネルの両方が含まれている場合、結果は誤解を招く可能性があります。
- マーケティングミックスモデリングとカスタマージャーニーマッピングを使用して、マルチチャネルアトリビューションの課題を克服できます。
アトリビューションモデルの種類
ユーザーXが購入を完了するためにマルチチャネルタッチポイントを使用した上記の例を使用して、さまざまなモデルについて説明します。
詳細に入る前に、アトリビューションモデルのタイプの簡単な要約を次に示します。
| モデル | 説明 | 例 |
| シングルタッチアトリビューション | タッチポイントを1つだけクレジットします。 直接変換に適しています。 | ラストタッチアトリビューション:最後のタッチポイントにクレジットを割り当てます。 ファーストタッチアトリビューション:最初のタッチポイントにクレジットを割り当てます。 |
| マルチタッチアトリビューション | 複数のタッチポイントをクレジットします。 大規模なマーケティングキャンペーンに適しています。 | ルールベースのアトリビューション:事前定義された一連のルールに従って、コンバージョンに関与する可能性のあるすべてのタッチポイントにクレジットを付与します。 含まれるもの:等しいクレジットまたは線形、U字型、W字型、時間減衰、およびカスタム位置。 アルゴリズムまたはデータ駆動型のアトリビューション:機械学習の原則に従って、最も影響力のあるマルチチャネルタッチポイントを評価します。 含まれるもの:マルコフ連鎖。 |
概念を明確にするために、すべてのコンバージョンクレジットを1つのタッチポイントに帰するモデルから始めています。
シングルタッチアトリビューションモデル
シングルタッチアトリビューションは、コンバージョンクレジットをアトリビューションする最も一般的な方法です。 これはダイレクトレスポンス広告に由来し、単純化されすぎています。 シングルタッチアトリビューションは、ユーザーが広告をクリックしてすぐにチェックアウトを完了する場合、またはユーザーがメールをクリックしてすぐにサブスクリプションを購入する場合に効果的です。 低価格で低関与の購入に適している場合があります。
ラストタッチアトリビューションモデル
ラストタッチアトリビューションは、コンバージョン前に顧客が最後にクリックしたタッチポイントにクレジットを割り当てます。
- 全体的に最も使用されているアトリビューションモデルであり、通常はマーケティング分析に使用されるデフォルトのモデルです。
- ほとんどの場合、複数のチャネル、プラットフォーム、キャンペーンでマーケティングを行うため、ほとんどのビジネスには適していません。
ユーザーXは、会社の価値を信頼し、製品の信頼性を高める前に、上記の例のように6つのタッチポイントを通過する可能性があります。 ただし、ラストタッチごとに、最後に受信した割引コードの電子メールは、変換のクレジットの100%を取得します。
ファーストタッチアトリビューションモデル
ファーストタッチアトリビューションは、顧客が最初に操作したタッチポイントにクレジットを割り当てます。
- 最初のタッチポイントがトリガー要因になる可能性があるため、ラストタッチほど人気はありませんが、意思決定プロセスでフォールバックすることがよくあります。
- ブランド認知キャンペーンが焦点であるときに機能する可能性があります。
ユーザーXは、ディスプレイ広告を介して会社を発見しました。 したがって、ファーストタッチによると、ディスプレイ広告は最終購入のクレジットの100%を受け取ります。 残りのタッチポイントは、「アシスト」と呼ばれる単なる仲介要素であり、このモデルでは0%のクレジットを受け取ります。
このモデルの問題はすぐに思い浮かぶでしょう。 どのタッチポイントが実際に最初の発見の瞬間であったかを判断するのは難しいかもしれません。 あなたが家庭用ブランドである場合、発見は何年も前にテレビ広告を介して起こった可能性があります。 他にも問題があります。シングルタッチアトリビューションでは常に欠陥のあるデータが生成されることに注意することが重要です。 あなたが欠陥を知っている限り、あなたは大丈夫かもしれません。
ルールベースのマルチタッチアトリビューションモデル
ルールベースのマルチタッチアトリビューションモデルは、タッチポイントにクレジットを割り当てるための事前定義されたガイドラインの固定セットを使用します。 これらの事前定義されたガイドラインにより、マーケターは各マーケティングキャンペーンの基準を定義する必要がなくなります。 可能なタッチポイントに最も関連するものに応じて、あるモデルから別のモデルに切り替えるのが一般的です。
ルールベースのモデルは、複雑なカスタマージャーニーを分析するためにデータサイエンスを常に必要としないため、データ駆動型モデルよりも実装が簡単です。 多くの場合、これらは、十分な精度と粒度を維持しながら、簡単で十分な実装の完璧なバランスです。
等しいクレジットまたは線形
等しいクレジットまたは線形アトリビューションは、顧客の旅全体を通して異なるタッチポイントに同じ量のクレジットを割り当てます。
- マルチタッチアトリビューションモデルの実装が最も簡単です。
- 変換プロセス全体のマクロレベルのビューを提供します。
- デジタルマーケティングに不慣れで、使用する履歴データがあまりないスタートアップや企業に適しています。
- 重要度の低いタッチポイントを上回ります。
線形モデルは、ディスプレイ広告、ソーシャルメディア、割引メール、メインサイト、Googleレビュー、イベントへの招待付きの自動割引メールの6つのユーザーXのタッチポイントすべてに均等なクレジットを分配します。
U字型
U字型のアトリビューションは、最初と最後のタッチポイントに同じ量のクレジット(40%)を割り当てます。 残りの20%は、残りのタッチポイント間で均等に分割されます。
- 目標到達プロセスの上部と目標到達プロセスの下部のタッチポイントを強調表示します。
- 取引を行う顧客とのやり取りを強調しながら、新しいリードを生み出すためのソースを発見します。
- 低価格のアイテムを宣伝するキャンペーンに適しています。
- いくつかの重要な意思決定要因を伴うカスタマージャーニーが長い場合は避けてください。
ユーザーXの例では、U字型モデルは、ディスプレイ広告(検出タッチポイント)と最後の電子メール(購入完了を促すタッチポイント)の両方に40%のクレジットを割り当てます。 残りの4つのタッチポイントは、それぞれ5%である20%の等しい割合を受け取り、重要とは見なされません。
W字型
W字型のアトリビューションは、目標到達プロセスの上位、目標到達プロセスの中間、目標到達プロセスの下部に30%のクレジットを割り当てます。 残りのタッチポイントは、10%のクレジットを均等に分配します。
- コンバージョン前に関係を構築することが重要である複雑なキャンペーンやより長いカスタマージャーニーに適しています。
- 最初、中間、最後のタッチポイントは、それぞれブランド認知度、リード生成、コンバージョンポイントに関する情報に最適です。
- 残りのタッチポイントのカスタマーエンゲージメントの可視性を制限します。
この例では、W字型モデルは、ユーザーXが最初に見たディスプレイ広告、途中で受け取った割引メール、および今すぐ購入するように通知した最後のメールに30%のクレジットを割り当てます。 残りの3つのタッチポイントはそれぞれ3.33%を受け取ります。
時間の減衰
時間の減衰により、すべてのタッチポイントにクレジットが割り当てられ、最後のタッチポイントが最大の割合を受け取ります。 顧客が過去に対話したタッチポイントのクレジットは減少します。
- 最初のタッチポイントは最も信用度が低いため、発見とブランド認知度は高く評価されていません。
- タッチポイントは、エンゲージメントを促進するインタラクションを評価し、コンバージョンインタラクションをさらに評価する方法として、指数関数的に増加します。
- 限られた時間だけアクティブになるキャンペーンとフローに適しています。
- キャンペーンや長い道のりのある製品に対する目標到達プロセスのトップマーケティングの取り組みの貢献はほとんど、またはごくわずかです。
- 指数関数的減衰に基づいて、半減期の式を使用します。
ユーザーXのコンバージョンへの道は、半減期の公式を示す良い機会です。 10日間で6つのタッチポイントがあり、最後のタッチポイントは最初のタッチポイントのほぼ3倍のクレジットを受け取ります。 時間は、タッチポイントの数とその順序よりも重要な要素です。
| タッチポイント | 半減期(y) | クレジット計算 | クレジット |
| ディスプレイ広告 | 2-10 / 7 = 0.372 | (0.372 / 3.655)* 100 | 10.18% |
| ソーシャルメディア | 2-8 / 7 = 0.453 | (0.453 / 3.655)* 100 | 12.39% |
| 割引メール | 2-5 / 7 = 0.610 | (0.610 / 3.655)* 100 | 16.69% |
| 会社のウェブサイト | 2-5 / 7 = 0.610 | (0.610 / 3.655)* 100 | 16.69% |
| Googleレビュー | 2-5 / 7 = 0.610 | (0.610 / 3.655)* 100 | 16.69% |
| 自動メール | 2-0 / 7 = 1 | (1 / 3.655)* 100 | 27.36% |
カスタムポジション
カスタムポジションは、ユーザー定義のアトリビューションモデルとも呼ばれ、マーケティングファネルでのポジションに基づいて、タッチポイントにカスタマイズされたクレジットを割り当てます。

- 特定のキャンペーン特性に基づいて、リードの生成、ブランド認知度、および最終的なコンバージョンを担当するタッチポイントを最適化します。
- W字型モデルのカスタマイズされたバージョン、または自分でカスタマイズした他の一般的なモデルに似ている可能性があります。
- 複雑で解釈が難しい場合があります。
W字型モデルから始めて、最も重要な3つのタッチポイントだけに焦点を当て、時間減衰アプローチを適用するとします。 最初のタッチポイントを15%に設定し、中央のタッチポイントを35%に設定し、最後のタッチポイントを50%に設定します。これは、100%のクレジットに相当します。
ユーザーXの場合、これは、ディスプレイ広告が15%、割引メールが35%、最終的な自動メールが50%のクレジットを受け取ることを意味します。 残りのタッチポイントは0%を受け取り、クレジットされたタッチポイントのアシストと見なされます。
別の例では、線形アトリビューションモデルをカスタマイズします。 ここでは、影響の理解に応じて、すべてのタッチポイントにさまざまなクレジットを割り当てます。 したがって、クレジットの配分は次のようになります。ディスプレイ広告に5%、ソーシャルメディアに15%、割引メールに20%、会社のWebサイトに10%、Googleレビューに20%、最終メールに30%。
カスタム位置モデルは、標準モデルの代わりに独自の仕様を実装します。 ただし、アルゴリズムモデルとは異なり、固定ルールを事前に設定するルールベースのモデルです。
アルゴリズムまたはデータ駆動型のマルチタッチアトリビューションモデル
アルゴリズムモデルは、機械学習と予測分析を使用して、顧客のコンバージョンにつながる最も影響力のあるタッチポイントを特定します。
これらは事前定義された一連のルールに準拠していません。つまり、結果は今後のカスタマージャーニーデータのみに基づいています。 これにより、時間、費用、およびデータ収集の面でより多くの投資が発生します。 したがって、会社のデータサイエンス機能が制限されていて、データを収集、整理、分析する方法をまだ見つけている場合は、ルールベースのモデルを使用する方がよいでしょう。
アルゴリズムモデルは、初期投資が高いため、マーケティングのROIにも悪影響を及ぼします。 あなたはあなたを後退させることなくコストを吸収するのに十分高い予算が必要になります。
ただし、これらのモデルは個々のプラットフォーム内で一般的です。 また、コンバージョンへのパス全体でデータドリブンアトリビューションモデルを実現できれば、最も正確で偏りのない結果が得られます。 特に長期的には、ROIとROASをより簡単にスケーリングおよび最適化できるようになります。
マルコフ連鎖
マルコフ連鎖モデルは、最も一般的なアルゴリズム属性モデルです。 異なるタッチポイント間の関係を評価することにより、クレジットを割り当てます。 簡単に言えば、モデルは、1つのタッチポイントを削除した場合に変換がどうなるかを調べます。
- 確率行列または確率行列とも呼ばれる遷移行列を使用します。
- 有向ネットワークを使用してタッチポイントを視覚化します。 これは、すべてのタッチポイント(ノード)が顧客がいる可能性のある潜在的な状態であることを意味します。ある状態から別の状態への遷移には、関連する確率があります。 各状態は相互に接続されており、機械学習を使用して、可能な変換パスの数を把握します。
- 相関関係を使用してコンバージョンを分析するため、ブランド入札のようにクリックスパムやコンバージョンハイジャックを検出することはできません。 相関関係は関係を示しますが、因果関係は示しません。
例:ユーザーXのパスが他のユーザーと共有され、640回のコンバージョンが発生したとします。 次に、マルコフ連鎖モデルによれば、各タッチポイントには、次の表のようなコンバージョンの合計がクレジットされます。
| タッチポイント | 総コンバージョン |
| ディスプレイ広告 | 103.567 |
| ソーシャルメディア | 105.677 |
| 割引メール | 109.112 |
| 会社のウェブサイト | 106.449 |
| Googleレビュー | 103.213 |
| 自動メール | 110.982 |
ご覧のとおり、各タッチポイントはかなりクレジットされています。 これは、これらの相互作用のそれぞれが、最終的な変換につながるのに十分な影響力を持つ可能性があることを示しています。 これは常に当てはまるわけではなく、一部のタッチポイントはスタンドアロンでは効果がありませんが、モデルの出力のアイデアを提供します。 詳細については、マルコフ、シャープレイ、ベイジアンMTAモデルに関するこのガイドをお読みください。
マルチタッチアトリビューションの利点
マルチタッチアトリビューション市場は、予測期間(2021年から2026年)の間に約15%のCAGRを登録すると予想されます。 その理由は、次の利点にあります。
- 最適化されたマーケティング支出と予算配分。 タッチポイントをアトリビュートすると、各チャネルの効果に基づいて投資できるため、重要なキャンペーンとチャネルにのみマーケティング費用を費やすことができます。
- 同じ予算でROIとROASが向上しました。 最終的なコンバージョンへの貢献度に基づいて各チャネルにクレジットを付けると、最も効果的なチャネルを見つけるのに役立ちます。 さまざまなリソースに投資する代わりに、最大のROASを提供するいくつかのリソースに賢く投資することができます。 これにより、全体的なマーケティング予算に影響を与えることなく、全体的なROIが向上します。
- きめ細かいアプローチ。 マルチタッチアトリビューションは、詳細なボトムアップアプローチに従います。 つまり、カスタマージャーニーに関係するすべてのマルチチャネルタッチポイントは、コンバージョンプロセスでの位置、顧客が最後に訪問した時間、前後のタッチポイント、デバイス、またはそれらにアクセスするために使用される媒体など。
- パーソナライズされたフローと目標到達プロセス。 MTAマーケティングは、顧客の個々のニーズと好みを特定します。 その結果、ターゲティングとメッセージングを、顧客が旅の途中にいる場所により関連性のあるものにすることができます。
- 改善された製品開発。 顧客の個人的な好みに関するデータにより、高度にカスタマイズされた製品を開発するために必要な入力を収集できます。
- データ主導の意思決定。 あなたが取り組んでいるキャンペーンが大きな影響を与えていること、または昨年最も影響力があったタッチポイントが今日でも最も影響力があることは容易に想像できます。 MTAは、バイアスを最小限に抑え、実際のデータに基づいて実際に機能するものを見つけるのに役立ちます。
マルチタッチアトリビューションツール
Amplitude Analyticsは、すぐに使用できるアトリビューションレポートなど、さまざまなマーケティング分析機能を提供します。 Amplitudeを使用すると、いくつかの一般的なアトリビューションモデル(ファーストタッチ、ラストタッチ、U字型、線形など)を使用して、マーケティングプログラム全体にクレジットを簡単に配分できます。また、カスタム加重モデルを作成することもできます。

その他のマルチタッチアトリビューションツールには、次のものがあります。
- 調整
- AppsFlyer
- ブランチ
- エアブリッジ
- 特異な
G2などのレビューサイトで、これらのツールやその他のマルチタッチアトリビューションツールの詳細をご覧ください。
アトリビューションプラットフォームを補完するツール
アトリビューションプラットフォームとともにMarTechスタックに追加することを検討する必要があるいくつかのマーケティング分析ツールを次に示します。
- デジタル分析、レポート作成、およびツールと顧客データ(CDP)の接続のための振幅
- オフラインデータ追跡および履歴データインポート用のCallRail
- データウェアハウジング用のSnowflake、カスタムモデルを構築するための必須アイテム
マルチタッチアトリビューションを使用する際の一般的な課題
- アトリビューションを実装して、お気に入りのチャンネルが最大の影響を与えることを「証明」するのではなく、どのチャンネルが本当に最も影響力があるかをテストして見つけるために実装します。
- オフラインからオンライン、またはマーケティングから製品などのチャネル間の接続がありません。
- カスタマーデータプラットフォームの速度が遅い場合、複数の統合を通じてデータを結合および正規化することが困難です。
- サードパーティの追跡におけるグローバルな変化のコンテキストで、信頼性の低いカスタマージャーニー分析の追跡につながるデータとプライバシーの懸念。
マルチタッチアトリビューションの代替
次の2つのモデリング手法は、アトリビューションの信頼性が高まる前に開始されました。 今日、それらは両方とも言及する価値のある実行可能な代替案であり続けています。 これらは、スタンドアロンおよびMTAと一緒に使用して、カスタマージャーニーの「何を」、「なぜ」、「どこで」、「いつ」、「どのように」カバーすることができます。
マーケティングミックスモデリング
マーケティングミックスモデリングは、さまざまなマーケティング戦術の影響を分析するために多変量回帰を実装します。 その統計分析は、広告の将来の影響と、より高い売上高を生み出すために戦術を最適化する方法を予測するのに役立ちます。 MTAはすでに起こったことをよりよく分析するのに役立ちますが、マーケティングミックスモデリングは将来に焦点を合わせています。
カスタマージャーニーマッピング
カスタマージャーニーマッピングは、顧客があなたのブランドとどのように相互作用するかを視覚化します。 この視覚的な関係を使用して、コンバージョンを促進するタッチポイントを最適化し、新しいマーケティングフローを導入して、リードを顧客に変換できます。
マルチタッチアトリビューションの開始
マルチタッチアトリビューションは、コンバージョンに貢献したタッチポイントを明らかにすることで、ROIを向上させるのに役立ちます。 MTAを使用すると、不要なマーケティング費用を削減しながら、マーケティングキャンペーンの真に違いを生む部分を最適化、拡大、およびパーソナライズできます。
マルチタッチアトリビューションを含むAmplitudeのマーケティング分析機能の詳細をご覧になるか、今すぐ無料プランを開始してください。
参考文献
- 指数関数的成長と減衰(時間減衰アトリビューションモデルの場合)ルーメン学習
- 相関関係と因果関係:製品の振幅の違いを理解する
- マーケティングの貢献–マルチタッチROASモデルの説明、ツールのレビュー、ジレンマへの回答McGaw
- マルチタッチアトリビューション市場–成長、トレンド、COVID-19の影響、および予測(2022 – 2027)調査と市場
- マーケティング分析ツール:それらが何であるか、そしてなぜそれらが重要な振幅であるか
