とは何か Multi-Touch Attribution Calculator?
▾
マルチタッチ アトリビューション (MTA) は、単一のインタラクションに 100% のクレジットを割り当てるのではなく、顧客ジャーニーのすべてのタッチポイントにコンバージョン クレジットを分配する高度なマーケティング測定アプローチです。標準的なアトリビューション モデルは、事前定義されたクレジット配分ルール (ファーストクリック、ラストクリック、線形) を提供しますが、MTA は通常、機械学習または統計モデリングを使用してコンバージョン確率に対する各タッチポイントのわずかな寄与を計算するデータ駆動型またはアルゴリズムのアプローチを特に指します。 シングルタッチ アトリビューションとマルチタッチ アトリビューションの違いは主に正確さです。シングルタッチ モデルは測定の盲点を生み出します。ラスト クリック アトリビューションは、ソーシャル チームやコンテンツ チームに自分たちの仕事がコンバージョンを促進していないことを示しますが、MTA は、最終的なカスタマー ジャーニーの 40 ~ 60% を開始する責任があることを明らかにします。これらの盲点は、マーケティング予算の体系的な誤配分を直接引き起こします。つまり、ワンタッチ レポートでは ROI が低いように見えても、実際には重要なパイプラインに貢献しているチャネルが削減されます。 MTA の実装では、通常、3 つの方法論的アプローチのいずれかを使用します。ルールベースの MTA では、U 字型モデル (40/20/40 の先頭-中位-最後) や、リード作成用の 3 番目のタッチポイント クレジット バケットを追加する W 字型モデルなどの事前定義された式が使用されます。アルゴリズム MTA は、過去のコンバージョンおよび非コンバージョンのジャーニーでトレーニングされた機械学習を使用して、各タッチポイントの反事実の寄与 (このタッチポイントが削除された場合にコンバージョン確率がどの程度減少するか) を計算します。協力ゲーム理論に基づいた Shapley 値帰属は、タッチポイントの考えられるすべての順序にわたる効果を平均することによって、各タッチポイントの限界寄与を計算します。 Shapley 値の帰属は、効率性 (クレジットの合計が 100% になる)、対称性 (同一のチャネルが同一のクレジットを受け取る)、ヌル プレーヤー (クレジットがゼロになることに決して貢献しないチャネル)、および加法性 (結合されたクレジットが個々のクレジットの合計に等しい) など、いくつかの数学的公平性特性を満たすため、MTA の理論上のゴールド スタンダードとして浮上しました。 GA4 の Google のデータドリブン アトリビューション モデルは Shapley 価値アプローチを使用しており、最も広く導入されている洗練された MTA システムとなっています。 MTA の制限事項を認識することが重要です。ユーザーレベルの MTA には Cookie ベースの追跡が必要ですが、プライバシー規制やブラウザの変更によりますます制限が厳しくなっています。 MTA は、オフライン タッチポイント、ダーク ソーシャル、または追跡エコシステムに参加していないチャネルを測定できません。 MTA はタッチポイントとコンバージョン間の相関関係を示しますが、因果関係は証明しません。タッチポイントを削除すると実際にコンバージョンが減少するかどうかを検証するには、増分テストが必要です。
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
公式
▾
チャネル i の Shapley 値 = 可能なすべての旅行順序におけるチャネル i の平均限界寄与度変数の説明
▾
| 記号 | 名前 | 単位 | 説明 |
|---|---|---|---|
| Touchpoint | 追跡されたマーケティング | — | コンバージョン前のカスタマージャーニーにおける追跡されたマーケティングインタラクション |
| Journey | シーケンス | — | 最初のインタラクションからコンバージョンまでのすべてのタッチポイントのシーケンス |
| Marginal Contribution | どれくらいの変換 | — | 特定のタッチポイントが存在する場合にコンバージョン確率がどの程度増加するか |
| Conversion Value | 収益またはリード | — | マルチタッチ アトリビューションの主要な入力パラメータ。式の収益またはリードを表し、その数学的役割を通じて計算結果に直接影響します。 |
| Attribution Window | 以内の期間 | — | タッチポイントがアトリビューションにカウントされる期間 (通常は 30 ~ 90 日) |
方法 Multi-Touch Attribution Calculator
▾
- 1必要な入力値を収集します: 追跡されたマーケティング、シーケンス、コンバージョンの量、収益またはリード。
- 2中心となる公式を適用します: チャネル i のシャプレー値 = 可能なすべての旅行順序にわたるチャネル i の限界寄与度の平均。
- 3該当する場合は、Shapley 値などの中間値を計算します。
- 4用語を結合する前に、すべての単位が一貫していることを確認してください。
- 5最終結果を計算し、妥当性を確認します。
- 6特殊なケースまたは境界条件が入力に適用されるかどうかを確認します。
- 7結果をコンテキスト内で解釈し、参照可能な場合は参照値と比較します。
解いた例
▾
この例では、マルチ タッチ アトリビューションの典型的なアプリケーションを示し、入力値が式を通じてどのように処理されて結果が生成されるかを示します。
この例では、マルチ タッチ アトリビューションの典型的なアプリケーションを示し、入力値が式を通じてどのように処理されて結果が生成されるかを示します。
この例では、マルチ タッチ アトリビューションの典型的なアプリケーションを示し、入力値が式を通じてどのように処理されて結果が生成されるかを示します。
この例では、マルチ タッチ アトリビューションの典型的なアプリケーションを示し、入力値が式を通じてどのように処理されて結果が生成されるかを示します。
実際の応用
▾
数学や代数学の専門家は、標準的な分析ワークフローの一部としてマルチ タッチ アトリビューションを使用して、計算を検証し、算術エラーを減らし、文書化、監査し、コンプライアンスの目的で同僚、顧客、または規制機関と共有できる一貫した結果を生成します。
大学の教授や講師はマルチタッチ アトリビューションをコース教材、宿題、試験準備リソースに組み込んでおり、学生が手計算を確認し、入出力関係についての直観を養い、算術ではなく概念的な理解に集中できるようにしています。
コンサルタントとアドバイザーは、マルチタッチ アトリビューションを使用して、クライアントとのミーティング中にさまざまなシナリオを迅速にモデル化し、スプレッドシートベースの詳細な分析とレポート作成のためにオフィスに戻る必要がある仮定の質問をリアルタイムで調査できるようにします。
個々のユーザーは、オプションの比較、サービス プロバイダーから受け取った見積もりの確認、サードパーティの計算の確認、重要な決定の背後にある数値が正しく一貫して計算されているという自信の構築など、個人的な計画の決定にマルチ タッチ アトリビューションを利用しています。
特殊なケース
▾
ID 解決: 正確な MTA には、同じユーザーを複数のデバイスに接続する必要があります。
ID 解決: 正確な MTA には、デバイスやセッション間で同じユーザーを接続する必要があります。決定的 (ログインベース) マッチングが最も正確です。 実際には、標準的な前提が当てはまらない可能性があるため、この特殊なケースでは慎重な検討が必要です。マルチタッチ アトリビューション計算でこのシナリオに遭遇した場合、実務者は境界条件を検証し、ゼロ除算のリスクをチェックし、これらの極端な条件下でもモデルの仮定が有効であり続けるかどうかを検討する必要があります。
サブスクリプション MTA: 経常収益ビジネスの場合、最初の両方の属性を指定します
サブスクリプション MTA: 経常収益ビジネスの場合、最初のコンバージョンと更新の両方が、それらを推進したタッチポイントによるものであると考えます。 実際には、標準的な前提が当てはまらない可能性があるため、この特殊なケースでは慎重な検討が必要です。マルチタッチ アトリビューション計算でこのシナリオに遭遇した場合、実務者は境界条件を検証し、ゼロ除算のリスクをチェックし、これらの極端な条件下でもモデルの仮定が有効であり続けるかどうかを検討する必要があります。
アプリのインストール アトリビューション: モバイル アプリのインストールではさまざまな MTA ツールが使用されます
アプリのインストール アトリビューション: モバイル アプリのインストールでは、ウェブ アトリビューションとは異なる MTA ツール (AppsFlyer、Adjust、Branch) が使用されます。 実際には、標準的な前提が当てはまらない可能性があるため、このエッジ ケースでは慎重な検討が必要です。マルチタッチ アトリビューション計算でこのシナリオに遭遇した場合、実務者は境界条件を検証し、ゼロ除算のリスクをチェックし、これらの極端な条件下でもモデルの仮定が有効であり続けるかどうかを検討する必要があります。
国際 MTA: EU、米国、APAC のさまざまなプライバシー法がどのユーザーに影響するか
国際 MTA: EU、米国、APAC のさまざまなプライバシー法は、どのユーザー データを帰属に使用できるかに影響します。 MTA を地域ごとにセグメント化する
マルチタッチ アトリビューションの参考データ
▾
| MTAモデル | 方法 | データ要件 | 精度レベル | 典型的な使用例 |
|---|---|---|---|---|
| ラストクリック | ルールベース | 最小限 | マルチチャネルの場合は低い | シンプルなダイレクトレスポンス |
| リニア | ルールベース | 最小限 | 低い(信用度が等しい) | 初回マルチタッチスタート |
| 位置ベースの U 字型 | ルールベース | 最小限 | 中くらい | ほとんどの B2C ジャーニー |
| W型 | ルールベース | 最小限 | 中くらい | リードイベントを伴う B2B |
| データドリブン (Shapley) | アルゴリズム | コンバージョン数 3,000 以上/月 | デジタルチャネルの場合は高い | 確立された広告主 |
| 増分性テスト | 因果推論 | 大勢の聴衆 | 最高(真の因果関係) | チャネル値の検証 |
よくある質問
▾
マルチタッチ アトリビューションのコンテキストでは、これはユーザーの特定の入力、仮定、目標によって異なります。基礎となる式は入力と出力の間の決定的な関係を提供しますが、実際のアプリケーションでは、数学と代数の実践というより広範なコンテキスト内で結果を解釈する必要があります。専門家は通常、計算機の出力を業界のベンチマーク、履歴データ、規制要件と相互参照します。最も信頼性の高い結果を得るには、入力が検証済みデータから取得されていることを確認し、数式でどのような仮定が行われるかを理解し、予想される結果の範囲をまとめるために複数のシナリオを実行することを検討してください。
マルチタッチ アトリビューションのコンテキストでは、これはユーザーの特定の入力、仮定、目標によって異なります。基礎となる式は入力と出力の間の決定的な関係を提供しますが、実際のアプリケーションでは、数学と代数の実践というより広範なコンテキスト内で結果を解釈する必要があります。専門家は通常、計算機の出力を業界のベンチマーク、履歴データ、規制要件と相互参照します。最も信頼性の高い結果を得るには、入力が検証済みデータから取得されていることを確認し、数式でどのような仮定が行われるかを理解し、予想される結果の範囲をまとめるために複数のシナリオを実行することを検討してください。
マルチタッチ アトリビューションのコンテキストでは、これはユーザーの特定の入力、仮定、目標によって異なります。基礎となる式は入力と出力の間の決定的な関係を提供しますが、実際のアプリケーションでは、数学と代数の実践というより広範なコンテキスト内で結果を解釈する必要があります。専門家は通常、計算機の出力を業界のベンチマーク、履歴データ、規制要件と相互参照します。最も信頼性の高い結果を得るには、入力が検証済みデータから取得されていることを確認し、数式でどのような仮定が行われるかを理解し、予想される結果の範囲をまとめるために複数のシナリオを実行することを検討してください。
マルチタッチ アトリビューションのコンテキストでは、これはユーザーの特定の入力、仮定、目標によって異なります。基礎となる式は入力と出力の間の決定的な関係を提供しますが、実際のアプリケーションでは、数学と代数の実践というより広範なコンテキスト内で結果を解釈する必要があります。専門家は通常、計算機の出力を業界のベンチマーク、履歴データ、規制要件と相互参照します。最も信頼性の高い結果を得るには、入力が検証済みデータから取得されていることを確認し、数式でどのような仮定が行われるかを理解し、予想される結果の範囲をまとめるために複数のシナリオを実行することを検討してください。
マルチタッチ アトリビューションのコンテキストでは、これはユーザーの特定の入力、仮定、目標によって異なります。基礎となる式は入力と出力の間の決定的な関係を提供しますが、実際のアプリケーションでは、数学と代数の実践というより広範なコンテキスト内で結果を解釈する必要があります。専門家は通常、計算機の出力を業界のベンチマーク、履歴データ、規制要件と相互参照します。最も信頼性の高い結果を得るには、入力が検証済みデータから取得されていることを確認し、数式でどのような仮定が行われるかを理解し、予想される結果の範囲をまとめるために複数のシナリオを実行することを検討してください。
マルチタッチ アトリビューションのコンテキストでは、これはユーザーの特定の入力、仮定、目標によって異なります。基礎となる式は入力と出力の間の決定的な関係を提供しますが、実際のアプリケーションでは、数学と代数の実践というより広範なコンテキスト内で結果を解釈する必要があります。専門家は通常、計算機の出力を業界のベンチマーク、履歴データ、規制要件と相互参照します。最も信頼性の高い結果を得るには、入力が検証済みデータから取得されていることを確認し、数式でどのような仮定が行われるかを理解し、予想される結果の範囲をまとめるために複数のシナリオを実行することを検討してください。
マルチタッチ アトリビューションのコンテキストでは、これはユーザーの特定の入力、仮定、目標によって異なります。基礎となる式は入力と出力の間の決定的な関係を提供しますが、実際のアプリケーションでは、数学と代数の実践というより広範なコンテキスト内で結果を解釈する必要があります。専門家は通常、計算機の出力を業界のベンチマーク、履歴データ、規制要件と相互参照します。最も信頼性の高い結果を得るには、入力が検証済みデータから取得されていることを確認し、数式でどのような仮定が行われるかを理解し、予想される結果の範囲をまとめるために複数のシナリオを実行することを検討してください。
避けるべきよくある間違い
▾
- !相関関係を測定する場合、MTA を因果関係の証拠として扱う -- 真の因果関係の影響を確認するには増分テストが必要
- !十分なコンバージョン量がない場合に MTA を実装する -- 月間コンバージョン数が 3,000 未満の場合、ルールベースのモデルの方が信頼性が高い
- !カスタマー ジャーニー全体の 30 ~ 60% を占める可能性があるダーク ソーシャル タッチポイントとオフライン タッチポイントを無視する
- !増分性やマーケティング ミックス モデリングに対する検証を行わずに、予算決定に MTA データのみを使用する
- !過去のチャネル パフォーマンスを再計算せずに年の途中でアトリビューション モデルを変更すると、誤った傾向データが作成されます
プロのヒント
GA4 データドリブン アトリビューションで MTA の旅を始めましょう。無料で、すでに Shapley 値の計算を処理しており、Google 広告との統合と月間 3,000 件以上のコンバージョンを備えたあらゆるビジネスで機能します。 GA4 アトリビューション比較レポートを毎月使用して、主要チャネルのデータドリブン アトリビューションとラスト クリックをどのように比較するかを確認します。 2 つのモデル間の最大の違いを示すチャネルが、最も優先度の高い投資決定となります。
ご存知でしたか?
シャプレー値は、最新のアルゴリズム帰属システムの基礎となっており、協力ゲームの戦利品を公平に分配するという問題を解決するために、1953 年にノーベル賞受賞経済学者ロイド シャプレーによって開発されました。シャプリー氏は 2012 年にノーベル経済学賞を受賞しました。1953 年のゲーム理論の概念が現在、数十億ドルのデジタル マーケティング予算が毎日どのように割り当てられるかを決定しているという考えは、学術数学のより予期せぬ応用の 1 つです。
Regional Guides
▾
🇪🇺 EU▾
🇺🇸 US▾
APAC▾
参考文献
- ›Google アトリビューション ドキュメント (GA4 データドリブン)
- ›シャプリー L.S. 1953: n 人用ゲームの価値
- ›Rockerbox マルチタッチ アトリビューション ガイド
- ›分析パートナー アトリビューション リサーチ
- ›ノースビーム アトリビューション手法のドキュメント
Get Weekly Math Tips
Join 12,000+ subscribers who get calculator tips every week.