検索広告で最後にクリックした接点が受注レポートに残り、数か月前から顧客に価値を伝えてきた記事やウェビナーの役割は見えにくい。BtoBでは、こうした「最後の接点だけが成果を生んだ」という見方が、予算判断を歪めることがあります。
ただし、ラストクリックを使う組織が必ず間違っているわけでも、認知施策へ予算を増やせば必ず将来売上が伸びるわけでもありません。必要なのは評価モデルが何を捉え、何を捉えていないかを理解して、施策の役割と増分効果を分けて議論することです。
まず「接点への貢献配分」と「因果効果」を区別する
アトリビューションは、観測できたコンバージョンへ至る複数の接点に、一定のルールやモデルで貢献を割り当てる考え方です。ラストクリックは最後の対象接点に貢献を配分します。
一方で「その施策を実施しなければ受注が減ったか」は別の問いです。最後のクリックがあったことだけで因果効果を証明できず、複数接点へ分配するデータドリブン方式でも、観測できない影響やデータの偏りを完全に取り除けるわけではありません。
Google Analyticsの公式開発者資料では、コンバージョンの貢献配分に使うアトリビューション設定が説明されています。Googleの測定解説でも、データドリブン・アトリビューションだけでなく、増分効果の実験やマーケティング・ミックス・モデルを合わせて考えるよう提案しています。
ラストクリックが便利な場面と、限界がある場面
ラストクリックは、コンバージョンの直前に使われた接点を確認するなど、具体的な行動と近い関係を調べる際に役立つことがあります。運用しやすいことも利点です。
しかし、前段階の認知や比較の体験、営業担当者との対話、オフラインの接点が十分に測定できなければ、最後のクリックに過大な評価を与えるおそれがあります。BtoBでは一人の閲覧者と購買組織が同じとは限らない点も重要です。
「ラストクリックは古いから使えない」と結論するより、経営判断で何を問うているかに合わせて利用法と限界を説明しましょう。
最初に計測の範囲を紙に書き出す
①目標:問い合わせ・商談・契約・更新のどれを測るか。②期間:案件の検討期間と計測期間が一致しているか。
③対象:会社・担当者・ユーザー・セッションのどれを単位にしているか。④可視範囲:広告、自然検索、イベント、営業の接点のどれが記録されているか。
⑤欠損と誤差:同意や技術的制約、複数デバイス、計測変更の影響。⑥結論の限界:この数字で何は推定できず、何を追加調査すべきか。
この六つを示さずに「コンテンツが受注に貢献していない」と断定すると、観測の欠落を施策の失敗と取り違える危険があります。
架空例:検索広告だけが売上へ貢献したように見えた
以下は説明のための架空例です。ある顧客が業界記事を読み、半年後の展示会で製品を知り、社内比較の後に検索広告をクリックして問い合わせをしたとします。
ラストクリックのレポートでは検索広告へコンバージョンが割り当てられます。しかし、それだけでは記事や展示会が不要だったとも、必要だったとも判断できません。
顧客の同意と適切な情報管理を前提に、営業記録から何が判断に役立ったのかを聞き、イベントや資料の接点を確認します。それでも「その記事を止めた場合に受注がなくなったか」という因果の問いは残ります。
認知施策を守りたいなら、証拠の強さを分ける
活動:記事公開、ウェビナー開催、メール配信などは実施記録です。先行指標:対象企業からの接点、指名検索、関連資料の閲覧などは観測できる場合がありますが、受注の証明ではありません。
買い手からの確認:どの資料が比較・合意形成に役立ったかを聞くことはできますが、記憶や対象者の偏りがあります。増分効果:比較条件をそろえた実験や適切なモデルで、施策がない場合との差を推定します。
資料利用の数字だけで売上効果を断定せず、測れない部分には推測の範囲を残します。評価レポートに「確認できたこと/考えられること/未確認」を分けるだけでも、議論が変わります。
2026年のGA4では、どのアトリビューションモデルを選べるか
Googleアナリティクスの公式ヘルプによると、キーイベントのレポートに使うモデルには、データドリブン、有料・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があります。以前の「ファーストクリック」「線形」「減衰」「接点ベース」は2023年11月に提供終了しています。古い解説のモデル一覧をそのまま現在の管理画面の説明に使わないようにしましょう。
また、レポート用のモデル変更はイベントスコープのキーイベントのチャネル貢献配分へ反映されますが、セッションや初回ユーザーなど、異なるスコープの流入元ディメンションまで一律に変えるものではありません。「同じGA4の流入元なのに数字が違う」ときは、どのモデル・イベント・スコープ・期間を見ているか確認します。
Googleはモデル比較レポートで、「コンバージョンの日時」と「インタラクションの日時」の違いも説明しています。長い購買期間のBtoBでは、今月のコンバージョンが前月の接点へ配分される場合もあるため、集計期間のずれを無視できません。
データドリブンの貢献配分と、広告の増分効果を分ける
Googleのアトリビューション解説では、データドリブン方式はコンバージョンした経路とそうでない経路などの情報から各接点の貢献度を推定すると説明しています。しかし企業の購買には、複数人の情報収集、オフラインの比較、調達条件など、GA4のイベント記録に十分含まれない要素があります。
「特定施策がなかった場合と比べて問い合わせや商談がどの程度増えたか」という増分の問いは、可能なら適切に設計された対照群を用いる実験など、別の検証が必要です。データドリブンという名称だけで、観測できない企業購買全体の因果効果が証明されたとは言えません。
少数商談のBtoBで無理に精密なROIを出さない
- 対象の単位を揃える:個人のフォーム送信、企業の商談、売上を混ぜない。
- 比較可能性を確認する:実験群と比較群で、業界・規模・時期・接点条件が大きく違わないか見る。
- 結果が出る時期を待つ:購買期間が長い商材では、短い測定期間だけで失敗と断定しない。
- 信頼区間や前提を示す:少数の商談から計算した大きな伸び率を、確定した成果のように公表しない。
- 営業や製品側の変更も記録する:価格改定、人員、製品の更新など、同時に起きた変化を残す。
GoogleのオープンソースMMM「Meridian」も、観測データによる因果推定にはモデルの前提が必要だと説明しています。MMMの推計が出たからといって、あらゆる施策の真の効果を確認できたわけではありません。
この点検表は本サイトによるBtoBへの実務提案です。Googleが同じ5項目を義務づけているわけではなく、手順による売上増を直接証明するものでもありません。
マーケティング・ミックス・モデルと増分効果実験
Googleの測定資料では、複数の施策や市場状況を扱うMMM、施策を実施した群としなかった群を比較する増分効果実験、デジタルの接点評価を組み合わせる考え方が示されています。
ただし、少数の商談しかないBtoB企業では、厳密な実験を設計するためのサンプルや情報が不足することがあります。そのときは無理に正確そうな数値を作らず、公開条件・対象期間・仮説を残して観察を積み重ねます。
MMMも万能ではありません。対象期間、データの頻度、広告費以外の要因、統計モデルの仮定によって結果が変わります。アトリビューションとMMMの数字を無条件に足し合わせることも避けます。
BtoB担当者の小さな改善手順
ステップ1:経営陣が知りたい判断を特定する。例「記事制作の予算を維持するか」。
ステップ2:記事の閲覧だけでなく、関連資料への移動、営業が引用した内容、顧客の質問など、現状で確認できる手がかりを整理する。
ステップ3:購買期間の長さ、媒体ごとの接点記録、顧客属性の偏りを記載する。測れない部分を空白のまま残す。
ステップ4:少数の施策でメッセージや対象群を変え、事前に決めた指標と副作用を確認する。結果の確定が難しければ判定保留にする。
ステップ5:「予算を増やす/維持/減らす/追加検証」という選択肢を、データの確実性と事業上のリスクを含めて説明する。
マーケティングと営業を対立させない
「営業が最後に受注したのだからマーケは無関係」も「マーケが先に接点を作ったのだから受注はマーケの成果」も、部門間の貢献を単純化しすぎています。顧客が購入を進められた理由を共同で調べ、組織として次の改善へつなげることが大切です。
受注額を部門同士で奪い合うより、顧客へ必要な情報を届けられたか、検討を止めた障壁を解消できたかを問う方が、長期的な学習になります。
まとめ:評価モデルの正しさより、意思決定の質
ラストクリックもデータドリブン・アトリビューションも、一部の接点を評価する道具です。因果効果を検証する方法とは目的が違います。見える数字を過信せず、見えない貢献を勝手に数字へ変えず、適切な材料を集めて予算判断を行いましょう。
関連して読む
BtoBマーケティングのKPI設計、BtoBマーケティング実験の進め方、BtoBコンテンツ・SEOでは、測定の定義、実験、長期の知識資産をそれぞれ整理しています。
参考資料と適用範囲
・Google Analytics API「AttributionSettings」:アトリビューションモデルの定義とルックバック期間。
・Think with Google「Rethink ROI with AI-powered measurement」(2025年):アトリビューション・増分効果実験・MMMの組み合わせ。
・Google Analytics「Traffic attribution data」:ユーザー・セッション・イベント単位の流入元データの区別。
本記事の6項目点検と5ステップの判断方法は編集上の提案であり、Googleが同じチェックリストを定めたという意味ではありません。
