BtoBマーケティングで「どの施策が売上に貢献したのか」を説明しようとすると、ラストクリック、データドリブン・アトリビューション、商談記録、営業の実感が異なる答えを示すことがあります。それは必ずしも分析ツールの誤りではありません。それぞれが測っている問いそのものが違う場合があるからです。
結論は、アトリビューションを捨てることでも、直感で予算を決めることでもありません。「観測した接点への貢献配分」「施策がなかった場合との差」「顧客が語る影響」を区別して使い分けることです。完全な可視化ができないからこそ、測れること・推定したこと・分からないことを分けて意思決定します。
1. まず「誰の何を評価したいか」を決める
同じWebサイトでも、広告担当者が知りたいのは配信設定の改善かもしれません。事業責任者が知りたいのは、限られた予算をどこへ配分するかかもしれません。営業が知りたいのは、実際に商談で役立った資料です。
- 運用改善:どの広告・検索語句・記事が問い合わせへつながったか
- 予算判断:施策を追加・停止したとき、何が変わったか
- 営業連携:どの資料や説明が、検討の前進や不安の解消に役立ったか
- 経営判断:顧客獲得費用だけでなく、商談の質、売上、継続、粗利をどう見るか
これらは相互に関係していても、同じ数字だけでは答えられません。
2. アトリビューションは「因果をすべて証明する装置」ではない
アトリビューションとは、観測できた広告やチャネルなどの接点に、コンバージョンの貢献をどう割り当てるかという考え方です。Google アナリティクスでは、ラストクリックやデータドリブン方式などを使い、貢献の割り当てを比較できます。
ここで重要なのは、「貢献を割り当てること」と「その施策がなければ何件失われたかを直接測ること」は異なるという点です。データドリブン方式は観測可能な経路をモデル化しますが、社内の会議、知人からの紹介、過去の営業体験など、すべての影響を網羅した一覧ではありません。
GA4の設定、利用できる経路データ、同意状況、計測期間によって結果の見え方は変わります。レポートの値を提示するときは、モデルと対象のコンバージョン、期間、どこまでが計測対象かを併記します。
3. 「ラストクリックが強い=施策がなくても売れた」とも限らない
例えば指名検索を経由して資料請求した場合、検索広告や検索記事が最後の接点になっていても、それ以前に講演や口コミで企業を知っていた可能性があります。反対に、最後の接点が決定的な役割を担った可能性もあります。
どちらが本当かは、ラストクリックの記録だけでは確定できません。特定チャネルを「刈り取りだけ」と断定するのも、広告施策の貢献を過大評価するのも避けます。
「ダークソーシャル」という語は、直接観測しにくい人から人への情報共有などを表すことがあります。ただし、BtoBの購入意思決定の大部分が計測不能な経路で起きているといった割合を、根拠なしに一般化することはできません。
4. 増分効果(インクリメンタリティ)は別の問いを検証する
アトリビューションが観測した接点への配分を扱うのに対し、増分効果の検証は「この施策があった場合となかった場合で成果がどれだけ違うか」を問います。たとえばGoogle AdsのConversion Liftは、条件を満たす広告主向けに比較群を用いて、追加的なコンバージョンを測る仕組みです。
ただし、Conversion Liftはすべての広告アカウントで常に利用できる機能ではありません。適切な比較群や十分なデータ量が確保できなければ、効果を断定できません。少規模のBtoB施策では、実験を実施できない場合や、結果が不確実になる場合もあります。
施策前後の商談数や売上が増えたとしても、その差を直ちに施策の「純増分」と呼ばないことが重要です。市場環境、営業体制、季節性、価格変更など別の要因も変化し得ます。
5. 事業全体の数字は「方向性」を見る。ただし因果とは分ける
個々の接点を精緻に追うのが難しい場合、同じ定義で集計したマーケティング費用、問い合わせ、商談、受注、既存顧客売上などを一定期間ごとに並べる方法があります。
このとき、たとえば広告費と売上を単純に割り算した指標(MERと呼ぶ場合もあります)は、費用対効果の大まかな推移を見る材料にはなりますが、それだけでマーケティング施策の因果効果を証明しません。分母に何の費用を含めるか、売上への時間差をどう扱うかで見え方は変わります。
数値の正しい読み方についてはBtoBマーケティングの数字を誤読しない、KPIの定義についてはBtoBマーケティングのKPI設計にも整理しています。
6. 営業や顧客の声は、欠落した経路を考える「仮説」の材料
「どこで当社を知ったか」「比較検討時に参考にした情報は何か」を顧客に聞くことは有益です。ただし、記憶の偏り、質問の仕方、回答したくない事情があるため、自己申告が唯一の『真実』になるわけではありません。
フォームへ質問を追加する場合も、入力負担と利用目的を考慮し、任意回答や商談中の自然な質問を検討します。回答を取得したら、個別の社内評価資料へ使ってよいかも含め、扱い方を確認します。
生成AIで商談記録や音声を分析したい場合は、録音・記録の取得根拠、参加者への説明、秘密保持、個人情報・機密情報の扱いを先に整えます。「表情や声から顧客の本音が分かる」といった信頼性の確認されていない推定に頼らず、明示された発言と担当者による確認を中心に扱います。
7. 小規模チームのための判断表:三つの材料を並べる
たとえばウェビナーを続けるかどうかを判断する場合、同じ期間について以下の三つの材料を集めます。これは実務向けの手順案であり、成果を実証した事例ではありません。
- 観測値:申込数、参加者数、問い合わせ、商談・受注の記録。期間と分母を明記
- 補足証拠:参加者の質問、営業が聞いた課題、顧客が有益と感じた内容
- 比較・反証:同期間の他施策、市場や営業体制の変化、別の理由で成果が動いた可能性
この材料から、「コンテンツを改善して継続する」「対象を絞る」「停止して他施策を試す」「情報不足で判定保留とする」という選択を行います。実験設計についてはBtoBマーケティング実験の進め方も参照してください。
8. レポートに添えるべき五つの注記
- 対象:顧客層・チャネル・施策・計測対象イベント
- 期間:集計開始日と終了日、商談から受注までの遅れ
- 分母:問い合わせ、参加者、商談など何をもとに率を出したか
- 帰属ルール:アトリビューションモデル、除外した接点、データ上の限界
- 判断状態:観測事実、解釈、仮説、未確認事項
数値の限界を開示することは、データの価値を下げるのではありません。意思決定に使える範囲を明確にすることです。
まとめ:数字の「限界」を知り、数字を使い続ける
BtoBマーケティングには、計測できる接点と、簡単には観測できない影響の両方があります。だからといって高度な分析を捨てる必要も、経験だけで判断する必要もありません。
アトリビューションで接点の配分を見る。可能なら増分効果を検証する。営業や顧客の声で見落とした仮説を拾う。そして、測れていないことを測れたように語らない。この組み合わせが、限られたリソースでも実践しやすい判断の土台になります。
確認した資料
- Google アナリティクス「アトリビューションの概要」:GA4における貢献度配分とモデル。
- Google アナリティクス「アトリビューション設定」:モデル・対象・計測期間の取り扱い。
- Google 広告「Conversion Lift について」:比較群を用いた増分効果検証、利用可能性と指標。
- GOV.UK「How to set performance metrics for your service」:目的・仮説・測定・定性情報との組み合わせ。
- 個人情報保護委員会「個人情報保護法ガイドライン」:情報取得・利用目的の確認先。