Multi-Touch Attribution
マルチタッチアトリビューション
| Model | Strength | Weakness |
|---|---|---|
| Linear | Easy to explain | Dilutes high-impact touches |
| Time decay | Values recency | Underweights discovery touches |
| W-shape | Highlights first/lead/last | Assumes fixed journey |
| Data-driven (algorithmic) | Learns actual paths | Needs volume and clean data |
💡TL;DR
マルチタッチアトリビューション（MTA）はジャーニー全体でクレジット配分を説明する。方向性として有用だが因果ではないため、予算判断には実験を組み合わせる。短サイクルはタイムディケイ、大量トラフィックはアルゴリズム、B2BはW字型など、動きに合わせてモデルを選ぶ。
定義
購買ジャーニーの複数接点にクレジットを分配するアトリビューション手法。ファースト/ラスト単独ではなく全体で評価する。
🏢SMBチームにとっての意味
SMBはシンプルなモデルから始め、大規模投資前にホールドアウトで主要チャネルを検証する。
📋実践例
従業員55名、年商3,200万ドルの医療機器ベンダーは、病院購買部に向けてウェビナー、現場デモ、専門誌広告で訴求していた。ウェビナー参加、デモ依頼、担当者訪問、専門誌QRスキャンを取り込むデータドリブンMTAにラストタッチから切り替え。導入前はウェビナー偏重で予算の48%をイベントに投下し、リード→商談化率14%。120日後、担当者訪問とQRスキャンが成約率を2.1倍高めると判明し、予算をウェビナーから出張に10%シフト。商談化率は19%に上がり、四半期受注は740万ドル→850万ドルに増加。
🔧実装ステップ
- 1
Web・イベント・メール・オフラインQRなど全タッチに共通IDとタイムスタンプ、アカウントIDを付与して統合。
- 2
ボリュームに合わせてモデルを選択：低ボリュームならタイムディケイ、月1,000件以上ならデータドリブン。
- 3
リターゲティングのクレジット上限25%など、チャネルごとの抑制ルールを設けバイアスを軽減。
- 4
主要支出チャネルで四半期ごとにホールドアウトや地域分割テストを行い、モデルを検証。
- 5
チャネル別の貢献度、影響あたりコスト、エビデンスレベルを示す簡潔なスコアカードを公開。
❓よくある質問
ボリュームが少ないB2BデータではどのMTAモデルから始めるべき？
データが集まるまではタイムディケイかポジションベース（W字型）が適切。小規模データでも方向性を示し、過学習を防げる。
担当者訪問などオフライン接点はどう扱う？
訪問日時・参加者・インテントコードをCRMで必ず記録し、アトリビューションモデルに同期する。一貫したIDとタイムスタンプがなければオフライン接点の評価が過小になる。
⚡Optifaiでの活用
OptifaiはW字型とデータドリブンMTAを提供し、その上に因果リフトを重ねて意思決定する。
📚参考文献
- •
- •