「ラストクリックで見ると、売上はダイレクトと検索に集中していて、SNSやAIチャネルはほとんど見えない」。そう見えたので認知系の施策を絞ろうか、と検討したことはありませんか。ここでの判断は、実は「どのアトリビューションモデルで売上を配分したか」に強く依存しています。ラスト・ファースト・線形・時間減衰の4モデルは、同じ売上でも配分の仕方が違うので、モデルを切り替えるとチャネルの評価順位が動きます。この記事では、見本ECの同じ90日データを4モデルで並べて、認知チャネルを削り過ぎないための読み方を整理します。なお、ラストクリック単独の落とし穴そのものはラストクリックの罠で扱っています。ここでは4モデルを並列で見比べる視点に絞ります。
目次
この記事のまとめ#
- 同じ売上でも、アトリビューションモデルを切り替えると、X・Copilot・リファラルなど「認知チャネル」の評価が動きます
- 見本ECの90日データを4モデルで並べると、ラストで0.0%＝完全に見えないXがファーストで1.7%に浮上し、Copilotは1.0%→2.8%と約2.8倍になります
- ラストクリック単独で判断すると、認知の入口を削ることになりがちです。時間差で新規セッションが細り、後から売上が落ちます
- RevenueScope はラスト・ファースト・線形・時間減衰の4モデルを、チャネル別の売上とRPSの同じ画面でワンクリック切替します（セッション・エンゲージメントは切り替えても不変＝比較の土台は動きません）。GA4のデータドリブンは思想的に採用していません（ブラックボックスと履歴依存を避け、正直開示を優先）
1. 4つのアトリビューションモデルはそれぞれ何を測っているか#
結論から言うと、アトリビューションモデルは「同じ売上を、どのチャネルへどう配分するか」の考え方です。同じデータを扱うので合計は変わりませんが、配分の仕方が違うので、チャネルごとの見え方が変わります。
まず4モデルの中身を軽く揃えます。ラストクリックは購入直前に接触したチャネルに売上を100%寄せます。「決め手のチャネル」を強く評価するモデルです。ファーストクリックは最初に接触したチャネルに100%寄せます。「入口のチャネル」を評価します。線形は購入までに接触した全チャネルへ均等配分します。「関わったチャネルを平等に見る」モデルです。時間減衰は購入に近い接触ほど重く、古い接触ほど軽く配分します。「決め手を重く、入口も少しは評価する」中間モデルです。
GA4にはこの4つに加えて「データドリブン（DDA）」があります。DDAは機械学習で「そのチャネルがなかった場合の売上」を推定し、貢献を配分するモデルです。理屈は魅力的ですが、内部で何が起きているかは可視化されず、必要データ量の前提もあります。RevenueScope は、この5モデルのうちデータドリブンを実装していません。理由は思想の選択です。ブラックボックスのモデルで数字を配分すると、後から「なぜこの配分か」を説明できません。必要データ量に達していないチャネルは、DDAでも実質ラストクリック相当に潰れます。RevenueScope は決定論的な4モデル（ラスト・ファースト・線形・時間減衰）を並べ、Unattributed（どのチャネルにも紐づけられなかった売上）も同じ画面に出す、という組み方で正直開示を優先しています。
2. 同じデータで4モデルを切り替えると評価順位はどう動くか#
結論から言うと、同じ90日データを4モデルで並べると、認知チャネルほど評価が大きく動きます。ラストクリック単独で見ていたときの「勝ち馬」と「負け馬」は、モデルを1つ変えるだけで入れ替わることがあります。
見本ECの90日データを4モデルで並べると、こうなります。ラストクリックでは、Direct（30.1%）とGoogle検索（26.9%）で売上帰属の半分以上を占めます。Xは0.0%で、画面上は存在しないのと同じです。Copilotは1.0%、リファラルは3.1%。ここだけを見ると「認知チャネルは削っていい」に見えます。同じデータをファーストクリックに切り替えると、Xは1.7%として浮かび上がり、Copilotは2.8%（約2.8倍）、リファラルは5.3%へ上がります。Claudeは4.8%→6.1%、Metaは6.0%→7.7%と増える一方、Directは25.4%、Google検索は23.5%へ下がります。線形と時間減衰は中間で、Xは1.2%と0.7%、Copilotは1.8%と1.4%に収まります。
ラストタッチでは0.0%＝完全に見えないチャネルが、ファーストに切り替えた瞬間に浮かび上がる。この動きの読み方は2つあります。1つは「認知チャネルは削るとラスト以外の配分も落ちる」というリスク認識。もう1つは「入口を作っているのはどのチャネルか、決め手はどれか、を役割別に見る」という判断への橋渡し。ラスト単独では入口と決め手が混ざります。ファーストは決め手を過小評価します。両方を並べ、線形・時間減衰でならしを見ると、削っていい負け馬と残すべき入口が分離できます。source/mediumの粒度で切りたい場合の見方はGA4のSource Groupと売上分解にまとめています。
3. データドリブンの限界と、決定論4モデルで組み立てる判断#
結論から言うと、データドリブンは魅力的に見えて、日常判断のツールとしては扱いにくい特徴があります。決定論的な4モデルを並列で持って、モデル切替を業務判断のワークフローに組み込む方が、中小ECには合います。
データドリブン（DDA）で扱いにくい点は3つあります。1つ目はブラックボックス性。ML判定なので、「なぜこのチャネルにこの配分になったか」を後から説明できません。予算配分の会議で数字の根拠を問われたときに答えられないと、モデルへの信頼は下がります。2つ目はデータ量の前提。GAのDDAには推奨データ量があり、必要量に達していないチャネルは実質ラストクリック相当に潰れます。中小ECの多くはここに引っかかります。3つ目は履歴依存。過去のパターンから配分を学ぶので、新しく試すチャネルは実績が積み上がるまで低く評価されがちです。認知チャネルの試験導入と最も相性が悪い部分です。
決定論的な4モデルは、この3つを避けます。配分ルールが明示的なので、なぜこの数字かを常に説明できます。データ量の下限がなく、少なくてもモデルは動きます。履歴に依存せず、直近90日でも同じロジックで配分できます。トレードオフは、モデルそのものは荒い近似だという点です。だからこそ「1モデルで断定せず、4モデルを並べる」ことが効きます。ラストで削るべきに見えたチャネルが、ファーストや時間減衰では入口を作っていた、というズレを毎週の判断に組み込めます。参照期間そのものが判断を変える論点はアトリビューションのルックバックウィンドウで扱っています。
RevenueScopeの解決策
ここまでで、4モデルを並べる価値と、データドリブン単独に寄せない理由が見えてきました。残るのは、この4モデル並列を日常業務に組み込む手間です。GA4でモデル切替は可能ですが、探索レポートを4回組み替えて、売上とセッションを別画面で突き合わせる必要があります。毎週これをやるには重すぎます。
RevenueScope は、ラスト・ファースト・線形・時間減衰の4モデルを、チャネル別の売上とRPS（セッション・エンゲージメントも同じ画面）でワンクリック切替できるように組んであります。get_breakdown（dimension=channel）に attribution_model パラメータを渡すと、モデルを切り替えた瞬間にチャネル別の売上とRPSが動きます。セッションとエンゲージメントは切り替えても動きません。帰属モデルが配り直すのは売上だけなので、比較の土台は固定したまま、売上の見え方の違いだけを見比べられます。GA4のような画面組み替えは要りません。データドリブンは実装しない代わりに、Unattributed（どのチャネルにも紐づけられなかった売上）を同じ画面に正直に出します。過少に見える数字を隠さないのが、モデル比較を業務判断に組み込むうえでの土台になります（表示はデモデータ）。
| チャネル | ラスト | ファースト | 線形 | 時間減衰 |
|---|---|---|---|---|
| Direct | 30.1% | 25.4% | 27.7% | 28.6% |
| Google検索 | 26.9% | 23.5% | 24.9% | 25.4% |
| ChatGPT | 14.2% | 15.0% | 14.5% | 14.5% |
| Meta | 6.0% | 7.7% | 6.6% | 6.6% |
| Claude | 4.8% | 6.1% | 5.3% | 5.0% |
| Google Ads | 3.8% | 3.5% | 3.6% | 3.6% |
| Perplexity | 3.8% | 3.1% | 3.8% | 4.1% |
| Gemini | 3.6% | 3.6% | 3.8% | 3.7% |
| Referral | 3.1% | 5.3% | 4.0% | 3.6% |
| Yahoo!検索 | 2.6% | 2.3% | 2.6% | 2.4% |
| Copilot | 1.0% | 2.8% | 1.8% | 1.4% |
| X | 0.0% | 1.7% | 1.2% | 0.7% |
| Bing | 0.0% | 0.0% | 0.3% | 0.3% |
見本ECの実出力（サンプルデータのフィクションサイト）。帰属できた売上を100%とした構成比。Unattributed（どのチャネルにも紐づけられなかった売上）は全売上の7.8%で、4モデル共通の別枠です。
対象範囲を正直に線引きしておきます。RevenueScope が出すのは、last-touch を既定にした4モデルの帰属配分と、同じ画面で切り替えられるチャネル別の売上・RPSまでです（セッション・エンゲージメントも同じ画面に並びますが、モデル切替では動きません）。チャネル別のAOV・CVRはこの切替の対象外です（AOV・CVRはキャンペーンのドリルダウンとサイト全体サマリで見る設計です）。データドリブン（GAのDDA）は実装せず、LTV・粗利・在庫もこの仕組みの対象外です。RevenueScope が引き受けるのは、4モデルを同じ画面に並べて、毎週の予算判断に組み込むところまで。どのモデルを主に採るか、認知チャネルの許容評価をどこに置くかは、あなたが決めます。
FAQ#
よくある質問#
Q. データドリブン（DDA）を採用すれば、他の4モデルは要らないのでは？
A. DDAは理屈は魅力的ですが、ブラックボックス・データ量の前提・履歴依存の3つが日常判断の妨げになります。予算配分の会議で「なぜこの配分か」を説明できないモデル、必要データ量に達していないチャネルが実質ラストに潰れるモデル、新しく試すチャネルが実績まで低評価になるモデル。認知チャネルの試験導入とは特に相性が悪く、決定論的な4モデルで並列に見た方が、判断の根拠を保てます。RevenueScopeはDDAを実装せず、決定論4モデルとUnattributed（どのチャネルにも紐づけられなかった売上）の正直開示を優先しています。
Q. 4モデルを毎週切り替えて見比べるのは、時間がかかりそうです。
A. GA4で4モデルを切り替えると、探索レポートを4回組み替えることになります。売上とセッションなどの指標は画面をまたいで突き合わせることになります。毎週これを回すには重い作業です。同じ画面で4モデルをワンクリック切替できるダッシュボードがあれば、比較そのものは数分で終わります。日常判断に組み込むかどうかは、比較の重さが下がるかどうかで決まります。
Q. Unattributed（どのチャネルにも紐づけられなかった売上）は隠した方が数字がきれいでは？
A. きれいには見えますが、正直開示を諦めることになります。同意撤回・広告ブロッカーなど、どのチャネルにも紐づけられない売上は必ず一定量存在します。ここを他チャネルに按分すると、実際にはそのチャネルが稼いでいない売上まで計上され、モデル比較の意味が薄れます。RevenueScopeはUnattributedを別行として同じ画面に出す方針で、モデル切替でこの値がどう動くか（動かないか）も見せます。実際、見本ECでは4モデル共通で全売上の7.8%のまま動きません。
まとめ#
同じ売上でも、アトリビューションモデルを切り替えると、X・Copilot・リファラルなど認知チャネルの評価が動きます。見本ECでは、ラストで0.0%＝完全に見えなかったXがファーストで1.7%として浮かび上がり、Copilotは1.0%→2.8%と約2.8倍になる、といった動きが実際に起きていました。
ラストクリック単独で判断すると、認知の入口を削る方向に流れがちです。時間差で新規セッションが細り、後から売上が落ちます。避けるには、ラスト・ファースト・線形・時間減衰の4モデルを並列で見て、入口と決め手の役割を分けて読むこと。データドリブンは魅力的ですが、ブラックボックス・データ量の前提・履歴依存で日常判断のツールとしては扱いにくい面があります。
RevenueScope は決定論的4モデルを同じ画面でワンクリック切替し（動くのはチャネル別の売上とRPS・セッションとエンゲージメントは不変）、Unattributed も並べて正直開示します。データドリブンは思想として採用していません。モデル比較を毎週の予算判断のワークフローに組み込めるかどうかで、認知チャネルを削り過ぎずに残せるかが決まります。
どの広告が売上を生んでいるか、一目でわかる
月5,000セッションまで、AIアナリストもずっと無料。クレジットカード不要。最短5分で導入。
