attribution-model

/digital-marketing-pro:attribution-model

目的

マルチタッチアトリビューションモデルを設計し、実装ガイダンス、クレジット配分ルール、プラットフォーム固有の設定を提案します。ビジネスのデータ成熟度、販売サイクル、分析インフラストラクチャに合わせた、包括的なアトリビューション戦略を作成します。

必要な入力

ユーザーは以下の情報を提供する必要があります（または、入力を求められます）。

• 販売サイクルの長さ：最初のタッチポイントからコンバージョンまでの平均日数（例：eコマースでは7日、B2Bエンタープライズでは90日以上）
• 運用中のマーケティングチャネル：現在運用中のすべてのチャネル — 有料検索、有料ソーシャル、オーガニック検索、メール、ディスプレイ、動画、アフィリエイト、ダイレクトメール、イベント、紹介、コンテンツマーケティングなど
• コンバージョンの種類：追跡対象となる主要なコンバージョンイベント — リードフォーム、MQL、SQL、商談、顧客、売上、またはeコマース購入
• データ成熟度：現在の分析の成熟度 — 初級（基本的なGA4、限定的なタグ設定）、中級（UTMトラッキング、CRM連携、複数プラットフォーム）、または上級（データウェアハウス、CDI、統合ユーザーID）
• 現在の分析ツール：利用中のプラットフォーム — GA4、HubSpot、Salesforce、Adobe Analytics、Mixpanel、カスタムデータウェアハウス、またはサードパーティのアトリビューションツール
• タッチポイントの量：全チャネルにおける月間インタラクション数の概算（数千、数万、数十万）
• オフラインのタッチポイント：オフラインチャネル（展示会、電話、ダイレクトメール、店舗訪問、営業面談）がカスタマージャーニーに関与するかどうか
• 予算配分の考え方：現在の予算決定方法 — 直感、ラストクリックデータ、ブレンドROAS、経営陣の方針、または既存のアトリビューションデータ
• 過去のアトリビューション手法：現在使用中のアトリビューションモデルと、把握している欠点や制約
• ビジネス上の重要な問い：アトリビューションデータに基づいて判断する必要がある具体的な事項 — 予算配分、チャネルへの投資、キャンペーン最適化、経営陣向けレポート、またはベンダー評価

プロセス

1. ブランドのコンテキストを読み込む：~/.claude-marketing/brands/_active-brand.jsonを読み込み、有効なスラッグを確認してから、~/.claude-marketing/brands/{slug}/profile.jsonを読み込みます。ブランドのトーン、ターゲット市場のコンプライアンスルール（skills/context-engine/compliance-rules.md）、業界のコンテキストを適用します。ガイドラインも確認し、~/.claude-marketing/brands/{slug}/guidelines/_manifest.jsonが存在する場合は、制限事項と関連するカテゴリファイルを読み込みます。~/.claude-marketing/brands/{slug}/templates/にカスタムテンプレートがあるか確認します。~/.claude-marketing/sops/に代理店のSOPがあるか確認します。ブランドが設定されていない場合は、「まずブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、デフォルト設定で進めます。
2. データの成熟度とタッチポイントの状況を評価する：チャネル全体で有効なタッチポイントをすべてマッピングし、トラッキングのカバー率（インタラクションのうち、何パーセントが記録されているか）を評価し、ユーザーのID解決機能（ログイン済みか匿名か、デバイス間の紐付け）を特定して、データの準備状況を全体として1～5の尺度で評価します。
3. アトリビューションモデルの選択肢を評価する：標準分類に含まれる各モデルを、データ要件、精度、実用性、実装の複雑さについて、ビジネスの状況に照らして評価します。モデルの定義、選択の判断ツリー、プラットフォームへの実装に関する注記の唯一の参照元であるskills/funnel-architect/attribution-models.mdを参照してください。ここでモデルの一覧を再構成せず、同ファイルを参照します。
4. 根拠を添えて主要モデルを推奨する：販売サイクルの長さ、データの成熟度、タッチポイント数、ビジネス上の課題に基づいて、最適なモデルを選択します。このモデルが適している理由と、依然として見落としが生じる箇所を明確に説明します。データの成熟度が低い場合は、まずシンプルなモデルを導入し、トラッキングの成熟に合わせてデータドリブンモデルへ移行する段階的なアプローチを推奨します。
5. クレジットの配分ルールを定義する：コンバージョンクレジットの配分方法を具体的に指定します。タッチポイントの位置ごとの割合、時間減衰の半減期、位置ベースの重みの配分（例：最初に40％、最後に40％、中間に20％を配分）、シングルタッチコンバージョンとマルチタッチジャーニーのルールを明記します。
6. ルックバック期間を設計する：販売サイクルのデータに基づいてアトリビューションのルックバック期間を設定します。通常は平均販売サイクルの1.5～2倍です。クリックスルーとビュースルーのアトリビューションには個別の期間を設定します。販売サイクルの分析に基づいて期間の長さを正当化し、期間を短くする場合と長くする場合のトレードオフを説明します。
7. 分析プラットフォームごとの実装手順をマッピングする：プラットフォームごとに設定ガイドを作成します。GA4のアトリビューション設定とコンバージョン経路レポート、HubSpotのマルチタッチ収益アトリビューション設定、Salesforceのキャンペーンインフルエンス設定、カスタムデータウェアハウスクエリのロジックを含めます。スタック内の各ツールについて、設定手順を順を追って記載します。GA4について伝えるべき事実：GA4で設定可能なモデルはデータドリブンとラストクリックのみです（線形／時間減衰／位置ベース／ファーストクリックのメニューは2023年に削除されました）。その他のクレジット配分ルールは、GA4ではなくデータウェアハウス／BIレイヤーでモデル化する必要があります。また、チャネル内訳では、GA4の新しいデフォルトチャネルである**「AI Assistant」**（ChatGPT、Gemini、Copilot、Perplexityなどからの参照）も考慮し、AI経由のコンバージョンが「Referral」や「Direct」に誤分類されないようにします。
8. データの欠落とトラッキング要件を特定する：現在のトラッキングを、推奨モデルの要件と照らし合わせて監査します。不足しているUTMパラメーター、タグ付けされていないキャンペーン、壊れたクロスドメイントラッキング、記録されていないオフラインのタッチポイント、不完全なCRM連携、同意管理の不足を確認します。アトリビューション精度への影響に基づいて、修正の優先順位を付けます。
9. アトリビューションレポートのフレームワークを作成する：アトリビューションダッシュボードのレイアウト、主要指標（チャネル別のアトリビューション済み収益、アトリビューション済みコンバージョン単価、モデル別ROAS）、比較ビュー（モデルAとモデルBの並列表示）、経時的な傾向分析、エグゼクティブサマリーの形式を含め、レポート構成を設計します。
10. モデルの評価基準を定義する：見直しの頻度（四半期ごと）と、モデルを再評価する基準を設定します。チャネル構成の変化、販売サイクルの変化、新しいタッチポイントの種類、データ成熟度の向上、アトリビューション結果と実際のビジネス成果との大きな乖離などを考慮します。
11. 制約事項と既知の見落としを記録する：モデルで捕捉できない事項を明示します。デバイス間のデータ欠落、クローズドなプラットフォームの制約（MetaやGoogleによる自己申告）、ビュースルー推定の不正確さ、オフラインからオンラインへのデータ紐付けの失敗、プライバシー規制がトラッキングに与える影響、完全なアトリビューションが本質的に不可能であることを説明します。ステークホルダーの期待値を適切に設定します。

出力

以下を含む、構造化されたアトリビューションモデルの推奨案です。

• アトリビューションモデルの推奨案：モデルの選択理由を、セールスサイクル、データの成熟度、ビジネス上の問いに結び付けた詳細な説明
• クレジット配分ルール — 各タッチポイントの位置に応じた配分率と、サンプルのマルチタッチジャーニーにどのようにクレジットが配分されるかを示す例
• ルックバック期間の推奨案：セールスサイクルに基づく根拠、クリック経由とビュースルーの期間、トレードオフ分析
• プラットフォーム別の実装ガイド — GA4 のアトリビューション設定、HubSpot のマルチタッチ設定、Salesforce のキャンペーン影響設定、カスタムデータウェアハウスのクエリテンプレートを段階的に説明
• タッチポイント分類体系 — 一貫したトラッキングのための、チャネル、ソース、メディア、キャンペーンの標準階層と命名規則
• データ要件チェックリスト — モデルを正確に機能させるために、トラッキング、タグ付け、統合が必要な項目
• トラッキングギャップ分析 — アトリビューション精度への影響度順に特定したギャップと、修正案および工数見積もり
• アトリビューションレポート用ダッシュボード仕様 — 指標、ディメンション、フィルター、ビジュアライゼーション、比較ビュー、エグゼクティブサマリーの形式
• モデル比較表 — 6〜7 種類のモデルを、長所、短所、データ要件、最適なシナリオ、実装の複雑さについて並べて比較
• 評価フレームワーク — 四半期ごとのレビュー基準、モデル再評価のきっかけ、シンプルなモデルから高度なモデルへ移行する成熟度向上の道筋
• 既知の制限事項と見落としやすい点 — モデルで測定できない項目を明示し、関係者の期待値を調整するための指針
• デバイス間およびプラットフォーム間の考慮事項 — ユーザーのID 解決手法、決定論的マッチングと確率的マッチングの比較、プラットフォーム固有の制限
• オフラインからオンラインへのデータ連携に関する推奨案 — 展示会、電話、ダイレクトメール、対面でのやり取りをデジタルアトリビューションモデルに組み込む手法

使用エージェント

• analytics-analyst — データの成熟度評価、アトリビューションモデルの評価、クレジット配分の設計、ルックバック期間の分析、プラットフォーム実装のガイダンス、トラッキングギャップの特定、レポートフレームワークの設計、制限事項の文書化