データへの過信は禁物、広告効果測定への向き合い方【ユーキャン 鳥羽 渉】

データ計測の課題２：認知型広告の評価

 認知型の広告は、直接的にCVに結びつかないため、セッション単位の判断では、どうしても赤字になってしまいます。

 しかし認知型の広告を止めることのリスクもあるため、検討の際に過去のポストクリック、ポストビューの指数をあてはめ、直接CVに加えて、間接的に得られるであろう見込のCV数を合算した成果で広告費を割り、疑似的なCPAを算出して出稿を判断していました（それでも前述の危険性は、払しょくできていませんが）。

 ただデジタル領域であれば、何とかこの方法で不完全ながらも対応できていましたが、オフライン広告も含めると、そのような試算をすることはできません。

 当社はテレビCMや雑誌広告、新聞広告を出稿しているため、その要素を除外してデジタルのみで最適化しても、全体的な予算配分は不確かなままになります。
 

解決のために取りうる施策はある（かも）

 課題ばかりあげつらっても、よくありません。いつも試行錯誤しながらデジタルマーケティングに取り組んでいるため、どうしてもこのような話になりがちです（私の性格的な問題もありますが…）。

 しかし、手をこまねいているわけではありません。

 この状況を打開するため、いくつかの施策を始めています。まだ進行途上であるため、正しい解決法だと明言はできないかもしれませんが、事例としてご紹介します。
 

マーケティングミックスモデルによる分析

 ひとつ目は、「マーケティングミックスモデリング（MMM）」による統計的な分析です。

 日々の広告出稿量や成果、突発的要素をフラグ立てしてツールに投入し、重回帰分析を行うことで、各施策の成果への相関を測ることができます。
 

 認知から成果までのファネル設計と、各広告施策をどのファネルに規定するかなど、事前に検討すべき要素もありますが、施策ごとの貢献値や他施策におよぼす影響が数値化されるため、事後的な検証や将来的な出稿判断に活用できます。

 この方法の良い点は、広告施策だけでなく、ランディングページやオウンドサイトのコラム記事のアクセス数など、従来の広告的観点からは評価できなかった施策の貢献値をみることができることです。

 一方で、課題もあります。実際のデータの重回帰分析でモデルを作成し、それに将来的な出稿量を当てはめて結果をシミュレーションするため、リアルタイムに起きている事象の分析は難しく、また数値データ基準での分析になるため、クリエイティブ要素など数値化が難しい事象を、分析に反映させることが難しいといった面もあります。