ウェブにおけるマーケティング施策評価
マーケティングにとって大事なのは、マーケティング施策の効果・効率性をきちんと評価し、どの施策が良かったのか、どの施策が悪かったのかをはっきりさせ、より効果が高まるよう、各施策への投資を再配分することだ。限られたマーケティング予算の中で、大きな売上達成を上げること、つまりマーケティングROIを上げることが大事である。ウェブにおいては、数あるバナー広告やリスティング広告などに、いかにマーケティング予算を振り分けていくかに相当する。
消費者がウェブ上でモノを買うまでにどのような行動をするだろうか。ウェブサイト閲覧中に、端にあるバナー広告が目にとまるも、とりあえず他のサイトに遷移し、あとから広告が気になって、商品を検索し、商品のサイトでモノを買う… 誰にでもこんな経験があるはずだ。結局、どのページが自分の購買意欲に貢献したのだろうか？
ウェブマーケティング上のこれまでのマーケティング施策評価では、こうしたモノを買うまでの一連の行動（バナー広告の閲覧やクリック、検索など）のうち、最後の行動、上の例でいえば、商品サイトに来る前の検索に、ほとんどの貢献度を割り当てていた。もしかしたら最初のバナー広告が潜在的に購買のきっかけをつくったのかもしれないのだが、こういった要因は無視してしまっていた。
このような偏ったマーケティング施策評価への反省から「アトリビューション」が生まれた。アトリビューションとは、消費者の商品購買までの一連の行動（接触した施策）それぞれに、適切な貢献度を割り当て、各施策の貢献度に応じた広告予算の最適配分を行う取り組みである。
貢献度をどのように割り当てるか
ここで問題となるのは、各施策への貢献度合いの割り当て方である。実際にモノを買った消費者１人ひとりに、「どのページを見て、この商品を買う気になりましたか？」と聞いていければいいが、手間がかかってしまうので、そういうわけにもいかない。
一般的に知られているのは、GoogleアナリティクスPremiumに搭載されている「アトリビューション モデリング」ツールで利用できる標準モデル群である。例えば、「Last Interaction mode（最終配分）」は、購買に至る行動の最後に貢献度の多くを割り当てるモデルであり、これまでのウェブ評価と同様だ。逆に「First Interaction model（初回配分）」は、この一連の行動のきっかけとなったタッチポイントに貢献度を割り当てる。ほか、この二つを合わせたようなモデルもある。
いずれにせよ、これらに共通するのは、施策担当者の経験上の勘から貢献度を固定的に割り当てておいて、施策のフィードバックを元に貢献度を微調整していく経験的手法だ。この場合、最初の貢献度割り当て、あるいは、フィードバックに対して、どのように貢献度を割り当てていくか、施策担当者の腕が試されるところであろう。米国ではClearsaleing社やC3 Metrics社などが、このような固定的な貢献度割り当てをベースとしたコンサルティングを展開している。
データドリブンのアトリビューション
一方で、研究レベルでは、一定データのもとで、購入に至ったケース、至らなかったケースとそこまでの行動履歴から、統計的に最適な貢献度割り当てを求めてしまおうという試みがある（※ Xuhui Shao Lexin Li. “Data-driven multi-touch attribution models. KDD ’11 Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining.” ）。
この中では、通常のlogistic modelを複数組み合わせた bagged logisticmodel と呼ぶモデルでアトリビューションモデリングを行った。2010年に実施されたテストマーケティングにおいて、30%程度のマーケティングコストを削減できることが確認されている。
筆者は、前者と後者のハイブリッド型の手法が最適だと思うがいかがだろうか。すなわち、事前知識として施策担当者の勘を用いつつも（事前知識）、データが得られ次第、貢献度割り当てを微調整していく（事後知識）。この調整は勘ではなく、ベイズ統計に基づき数理的に算出するものである。
いずれにせよ、アトリビューションは始まったばかりの手法ではあるが、今後、技術的にも大きく進展が見込める分野である。この手法が市民権を得ていくのか、今後を見守りたい。