マーケティング分析の多くは、会議を乗り切るために存在しています。定例の合間には誰も開かないダッシュボード、誰もが内心では信用していないアトリビューションモデル、何も決めずに済むよう組み立てられた四半期報告。私がつくるのは、CFOに対しても、計測されている顧客本人に対しても、声に出して説明できる計測です。
計測の設定は、信用する前に監査します。誰も確認していない設定こそ、数字が最初に狂う場所だからです。アトリビューションは、突き合わせて使う「役に立つ嘘」の集まりとして扱い、今のダッシュボードが見落としている電話やオフラインの成果も取り込みます。インクリメンタリティ(増分効果)は、どのマーケティングチームでも実施できるホールドアウトテストで証明します。データサイエンス部門は要りません。342対1というリターンも、ダッシュボードの数字があまりに良すぎて自分の名前では保証できなかったため、この方法で検証しました。マーケティング・ミックス・モデリング(MMM)は、予算規模とチャネルの広がりが見合う場合に使い、見合わなければはっきり「不要」とお伝えします。そしてガバナンス。UTMや命名規則をそろえるという、きわめて地味な規律が、来年の問いに答えられるかどうかを左右します。
成果物の基準は、これまでで最高のクライアントから受け継いだものです。どの分析も意思決定で締めくくり、その決定を覆すことになる数字もあらかじめ明記します。ダッシュボードは、使う人が実際に開くようになるまでつくり直します。たいていはグラフを減らし、言葉を平易にし、月曜に何をすべきかを1ページで示すことになります。
ここでは、プライバシーを設計上の前提条件として扱います。同意を得たうえでの計測、眠らせずに使うファーストパーティデータ、照合に使える水準まで整えたファーストパーティデータだけを投入するクリーンルーム、そしてHIPAA(米国の医療情報に関する法律)の審査をすでに通過した規制業種向けの設定。数字には自信があるのに、意思決定には自信が持てない。その差を埋めることが、私の仕事です。たいていは、これまでに聞かされたベンダー3社分の提案よりも短く済み、最後には迷わず説明できる数字が残ります。
胸を張って説明できる数字を
ダッシュボードには自信があるのに、意思決定には自信が持てない。その差を埋めるのが、私の仕事です。
ご相談はこちらよくあるご質問
ホールドアウトテストの実施に、データサイエンスチームは必要ですか。
いいえ、必要ありません。ホールドアウトテストでは、広告を見るグループと、条件をそろえたうえで広告を見せないグループを比較します。適切なサンプルサイズを確保すれば、マーケティングチームでも設計し、結果を読み解けます。eBayの342対1というリターンも、この方法で検証しました。
どのアトリビューションモデルを信頼すべきですか。
複数のモデルを使い、どのモデルも単独では信頼しないことです。プラットフォームのレポート、アクセス解析、マルチタッチモデルは、どれも全体像の一部しか見ていません。そこでそれらを突き合わせ、電話やオフラインの売上を加え、重要な問いにはホールドアウトテストで決着をつけます。
同意に関するルールやHIPAAのもとでも、計測は機能しますか。
はい。計測タグは同意を得てから作動し、ファーストパーティデータは許された範囲で役割を果たします。規制業種向けの設定も、すでにHIPAAの審査を通過しています。
「The Signal」の関連記事(英語)
英語の記事をすべて見るImpressions Are Not Created Equal. Frequency Should Not Be Either.
A search impression, a feed impression, and a banner impression are three different events wearing one name. Why every channel needs its own frequency math.
2026年6月27日Most Attribution Dashboards Get Built and Then Ignored
A dashboard nobody opens has a trust problem. The fix is admitting uncertainty on the dashboard itself instead of hiding it behind false precision.
2026年4月3日Marketing Mix Modeling Came Back From the Dead Because Nothing Else Survived
MMM was the dusty econometrics of big TV advertisers until signal loss made it modern again. What mix modeling does, what it needs, and who should wait.
2026年4月1日You Do Not Need a Data Science Team to Run a Holdout
Incrementality testing sounds like a research department. It is a spreadsheet, a map, and the discipline to leave some money on the table for six weeks.
2026年3月25日Every Attribution Model Is Wrong. Choose the One Wrong in Your Favor.
First-touch, last-touch, linear, data-driven: what each marketing attribution model assumes, what it hides, and how to use models without believing them.
2026年3月24日Your Match Rate Is the Ceiling on Everything Else
Every first-party data strategy depends on one unglamorous number: how much of your customer file the platforms can recognize. Typical is about 20 percent.
