第三者配信データによる第三者配信データによるAttributionAttribution VerificationVerification

December 16, 2011

株式会社サイバー・コミュニケーションズ

マーケティング・ソリューション本部 データデザイン部

根本 朗生

a2i第10回 アトリビューション分科会

View Through View Through 効果に関するスタディー効果に関するスタディー

1

軽く自己と会社の紹介を。軽く自己と会社の紹介を。

自己紹介・・・簡単な経歴

2

⇒⇒帰国帰国 マーケティングの世界へマーケティングの世界へ

Behavioral Science

社会行動研究所（ISB）

朝日広告社

Starcom Worldwide(beacon communications)

電通イーマーケティングワン

サイバー･コミュニケーションズ（cci）

マーケティングリサーチ会社。ネット調査などない時代。Face-to-Face訪問面接、CLT、電話調査、FGIなどを中心に調査企画から分析報告まで。海外調査経験豊富。

マーケ（かっこよく言うとストプラ）担当。特にデータ立脚のコミュニケーション戦略策定。広告効果測定、商圏分析、商業施設来場者予測モデルなど。Anetでの調査などをスタート。

P&G担当。メディアプランニング（マスメディア中心）のアカウンタビリティ責任者。＝各分ランドのGRPベースでの販売予測モデル構築⇒メディアプランの根拠。

ダイレクト系通販会社のレスポンスマネージメント、WEBコミュニケーション戦略。KPIプロジェクト、アクセス解析に嵌っていく。

データデザイン部部長。アクセス解析と中心とした分析サービス、および、オーディエンスデータの収集・運用・分析を受け持つデータマネージメント。

cyber communications inc.

3

マーケティングソリューション本部

WEB

ソリューション部

データデザイン部

各種ソリューション販売・運用

◆アドサーバー

◆メディアプランニングツール

◆動画配信管理ツール

◆第三者配信

◆各種分析サービス営業

分析チーム◆アクセスデータ◆広告配信データ◆第三者配信データ◆ソーシャル◆スマートフォン・アプリなど

データ・マネージメントチーム◆オーディエンスデータ管理運用◆ターゲットセグメンテーション◆ターゲット拡張

では、本題に・・・

これまでからのTake Out

アトリビューション分析とは・・・

基本は、WEB広告効果測定の一手法・一側面

これまではLast Click評価

CVのあったSession以前にも広告は貢献している

１回の訪問でCVするわけではない

しかも、Clickだけではない

View Through（=View）がキー

Viewが計測できないとアトリビューション分析は不可– Viewデータは不可欠

5

最初の広告接触とCVの関係

初回広告接触とCVのタイミングを見てみたら・・・– View⇒サーチ⇒CV の類型のみ取り出し、

– 初回Viewが起こってから、サーチCVした日数の分布

6

CV数

初回ViewからCVまでの日数0日 30日

何も関係なければ、ランダムに発生するはず

少なくともこの部分がViewの効果といえる？

実際の分布はこうなった！

最初の一歩

目から鱗・・・

この分析にインスパイアされました・・・

7

ところで、

Viewのデータは（今のところ）第三者配信でしか取得できません

第三者配信の仕組みのおさらい

8

通常配信通常配信

媒体

媒体

媒体

媒体社媒体社アドサーバアドサーバ 媒体サイト 一般ユーザー一般ユーザー

第三者配信のしくみ（通常配信）

通常、媒体社は、自社サイトへ広告を掲載するために、自社でアドサーバを運用・管理し、

在庫の管理、メニューの管理、作成、広告配信、効果の測定、レポーティングを行います。

リスティング バナー

ソーシャルネットワークアドネットワーク

広告主/広告代理店第三者配信サーバ

媒体

媒体

媒体

媒体社媒体社アドサーバアドサーバ//ネットネットワークワーク

媒体サイト 一般ユーザー一般ユーザー

第三者配信第三者配信

第三者配信サーバー

第三者配信サーバのタグを媒体社アドサーバから配信

第三者配信のしくみ

第三者配信では、媒体社側が保有するアドサーバではなく、まさしく第三者である広告主/広告代理店側が運用するアドサーバ（第三者配信サーバ）から広告を配信

配信設定、原稿管理、効果測定、レポーティングは第三者配信ベンダーのプラットフォームから行われます（在庫管理は行いません）

第三者配信サーバのメリット

ラストクリックだけでなく、ユーザー単位での広告接触および訪問履歴のデータが取れる

ポストインプレッション（=View）、ポストクリック効果を見ることができる– これまで、ブラックボックスだった部分の検証が可能に

– 次ページで解説

一元管理による複数媒体への配信コントロール– キャンペーン全体のメディア間の重複やリーチが把握でき、データがシングルソースになる

媒体サーバのスペックを超えた展開が可能に– 媒体側のサーバが対応していなくても、リッチアドなどインタラクティブで記憶に残る広告展開が可能

11

12

広告主の

サイト

第三者配信におけるデータ取得の仕組み

③広告を配信

接触しただけでクリックしない

②広告をリクエスト広告枠

Cookieを付与

第3者配信エンジン

広告主の

サイト

Cookieを計測

①訪問

④広告露出

蓄積されたデータを分析

タグ

タグ

直接クリックによる訪問

データを記録

cci にてレポート作成後日、他の方法で来訪後日、他の方法で来訪

リスティングオーガニックアフィリエイト直接来訪etc.

分析編分析編分析編分析編

13

※ 機密性の高いデータのため、あまり詳細は記載しておりません。質問にもお答えできない場合がございます。また、取扱については、この場限りとし、ご注意をお願いいたます。

分析フレームワーク

あるキャンペーンにおける第三者配信結果のデータを利用– マスと連動したWEBプロモーションを展開（期間：1ヶ月）

広告バナーの出稿パターン– バナーA：– バナーB：– バナーC：

広告出稿期間/データ抽出期間– ある月の1日～30日

による第三者配信のデータを取得– 広告出稿サイトをまたいだ一元データ– CVに紐づく広告クリックおよびインプレッション（過去10回まで）

コンバージョン： 期間内にCVのあった約3000件のデータ– CV＝商品購入– CVに至ったユーザーの経路を、CVがあったセッションから10回の広告接触分さかのぼったデータを利用し分析

14

データの概観 CVに至った経路ベスト１０

バナーAが圧倒的に優位⇒Aのメニューが要因か？接触回数は１～2回でほぼ半数、クリックはしていない！

15

商品購入をした人の経路の検証（全体） 購入完了におけるバナー接触回数別割合

32%

16%10%

7%

6%

4%

4%

3%

2%2% 1%

2%1% 1%9%

1回

2回

3回

4回

5回

6回

7回

8回

9回

10回

11回

12回

13回

14回

15回以上

広告をクリック 広告と接触

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

バナー

View vs. バナーClick！バナーClickありは、4％！全体の96％が、ViewのみのCVそのほとんどが、バナーA！⇒配信Imp数による

16

96%

4% 0%

View VS. Click!Viewのみ Click+ViewClickのみ

87%

7%6%

配信Imp数A M D

Clickを含むコンバージョンの経路ベスト10Clickを含むCVでは、Viewのあるケースがほとんどしかも、フリーケンシーが高いのが特徴※ViewなしCVは、測定できないY!のみ。

17

商品購入をした人の経路の検証（クリックを含むもの）

仮説

Viewは、Click、そしてCVに影響を与える可能性がある

また、接触回数が多ければ多いほど、影響は大きい可能性がある

広告をクリック 広告と接触

注） Viewが計測できないケースあり。

そこで、初回広告接触から

CVまでの期間の分布を

とってみた・・・

18

初回接触からCVまでの期間前述の分布に従った分布に関しては、検証された・・・・・？

19

0

50

100

150

200

250

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0日

1日

2日

3日

4日

5日

6日

7日

8日

9日

10日

11日

12日

13日

14日

15日

16日

17日

18日

19日

20日

21日

22日

23日

24日

25日

26日

27日

28日

29日

30日

購入までの検討期間別CV数 割合

1週間以内で約6割

0

2

4

6

8

10

12

14

16

18

0.0%

10.0%

20.0%

30.0%

40.0%

50.0%

60.0%

70.0%

80.0%

90.0%

100.0%

0日 1日 2日 3日 4日 5日 6日 7日 8日 9日 10日

11日

12日

13日

14日

15日

16日

17日

18日

19日

20日

21日

22日

23日

24日

25日

26日

27日

28日

29日

30日

購入までの検討期間別CV数 割合

初回接触から購入までの日数（全体）

初回接触から購入までの日数（A以外）

分布の偏り

そもそも、View-CV間に因果関係がなければフラットになるのか？データの取り方が問題？

そもそも、今回のデータはキャンペーンを実施した、●月1日～30日までのデータを分析に使用している。（あくまでも今回の分析では）

ということは・・・

例えば、毎日100CVずつ発生するとして、それぞれのCVケースにおいて、ユーザーがランダムにバナーに接触すると仮定すると・・・– ●月1日にCVした100件に対し、初回Viewするチャンスは●月1日のみ– ●月2日にCVした100件に対し、初回Viewするチャンスは●月1日と2日（50％ずつ）

– ●月30日にCVした100件に対し、初回Viewするチャンスは●月1日～30日（3.33％ずつ）

20

※あくまで理屈上の仮説です※のべつ幕無しにバナーが表示されるとして

シミュレーションしてみると・・・

21

1日 2日 3日 4日 5日 6日 7日 8日 9日 10日 11日 12日 13日 14日 15日 16日 17日 18日 19日

20日 21日 22日 23日 24日 25日 26日 27日 28日 29日 30日

10050 50

33.3 33.3 33.325 25 25 2520 20 20 20 20

16.7 16.7 16.7 16.7 16.7 16.714.3 14.3 14.3 14.3 14.3 14.3 14.312.5 12.5 12.5 12.5 12.5 12.5 12.5 12.511.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.110 10 10 10 10 10 10 10 10 10

9.09 9.09 9.09 9.09 9.09 9.09 9.09 9.09 9.09 9.09 9.098.33 8.33 8.33 8.33 8.33 8.33 8.33 8.33 8.33 8.33 8.33 8.337.69 7.69 7.69 7.69 7.69 7.69 7.69 7.69 7.69 7.69 7.69 7.69 7.697.14 7.14 7.14 7.14 7.14 7.14 7.14 7.14 7.14 7.14 7.14 7.14 7.14 7.146.67 6.67 6.67 6.67 6.67 6.67 6.67 6.67 6.67 6.67 6.67 6.67 6.67 6.67 6.676.25 6.25 6.25 6.25 6.25 6.25 6.25 6.25 6.25 6.25 6.25 6.25 6.25 6.25 6.25 6.255.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.88 5.885.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.56 5.565.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26 5.26

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 54.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.76 4.764.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.55 4.554.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.35 4.354.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17 4.17

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 43.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.85 3.853.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.7 3.73.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.57 3.573.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.45 3.453.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33 3.33

初回V

iew

の

理論値

理論値の分布

0

50

100

150

200

250

300

350

400

0日 1日 2日 3日 4日 5日 6日 7日 8日 9日 10日

11日

12日

13日

14日

15日

16日

17日

18日

19日

20日

21日

22日

23日

24日

25日

26日

27日

28日

29日

初回接触日

理論値へ理論値への変換の変換

さらなる検証へ

影響はないのか・・・？ とは言い切れない– 要は今回の場合、データの取り方が問題– 検証が難しい

さらに検証①– 影響がないのなら、確率論から言って初回View-CV日数の短いケースは、CV日が●月の初め（1日～3日）に集中するはず（つまり、同様の分布に従うはず）

– 逆に、影響があれば分散する

さらに検証②– そもそも実際のCVは、どうだったのか？ ⇒ 一定ではない

– その分布から、補正をかけないと理論値との比較はできない

22

0

50

100

150

200

250

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0日

1日

2日

3日

4日

5日

6日

7日

8日

9日

10日

11日

12日

13日

14日

15日

16日

17日

18日

19日

20日

21日

22日

23日

24日

25日

26日

27日

28日

29日

30日

購入までの検討期間別CV数 割合

さらに検証① -月初め集中の検証影響がないのなら、確率論から言って初回View-CV日数の短いケースは、CV日が●月の初め（1日～3日）に集中するはず（つまり、同様の分布に従うはず）

何となく、前半に偏っていそうだが、理論値の分布図からは遠い– 分布に従わない（分散している）ところから、Viewの効果は認められると言えそう

23

初回接触から購入までの日数（0～2日）

1 2 3 4 5 6 7 8 9 10111213141516171819 2021222324252627282930

View/CVに因果関係がない場合の理論値（0～2日）

0

5

10

15

20

25

30

35

40

2011

/10/

220

11/1

0/3

2011

/10/

420

11/1

0/5

2011

/10/

620

11/1

0/7

2011

/10/

820

11/1

0/9

2011

/10/

1020

11/1

0/11

2011

/10/

1220

11/1

0/13

2011

/10/

1420

11/1

0/15

2011

/10/

1620

11/1

0/17

2011

/10/

1820

11/1

0/19

2011

/10/

2020

11/1

0/21

2011

/10/

2220

11/1

0/23

2011

/10/

2420

11/1

0/25

2011

/10/

2620

11/1

0/27

2011

/10/

2820

11/1

0/29

2011

/10/

3020

11/1

0/31

2

1

0

さらに検証② -実測CV分布補正

そもそも実際のCVは、どうだったのか？ ⇒ 一定ではないその分布から、補正をかけないと理論値との比較はできない

実際のCVは、一定に発生しておらず、キャンペーンの立ち上がりはCVが少ない

24

0

20

40

60

80

100

120

140

160

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

実際のCVの分布 初回View-CV日数分布理論値

理論値への変換

0

20

40

60

80

100

120

140

160

180

200

0 2 4 6 8 10 12 14 16 18 20 22 24 26 28

さらに検証② -実測CV分布補正

さらに、初回View-CV日数分布理論値と、実測CVを重ね合わせる

25

この部分がView効果に近いと言えそう

26

補足補足もう一つのケーススタディもう一つのケーススタディ

分析フレームワーク

あるキャンペーンにおける第三者配信結果のデータを利用– 年間を通して継続した出稿（山の無い時期を選択）

広告バナーの出稿パターン– 継続出稿

データ取得期間– CV発生期間：●/1～●+2/31 3ヶ月間– View：制限なし（CVに紐づくもの全て）

による第三者配信のデータを取得– 広告出稿サイトをまたいだ一元データ– CVに紐づく広告クリックおよびインプレッション（過去5回まで）

コンバージョン： 期間内にCVのあった約3600件のデータ– CV＝資料請求– CVに至ったユーザーの経路を、CVがあったセッションから5回の広告接触分さかのぼったデータを利用し分析

27

流入パターン内訳

ClickとViewの割合– 今回は、Listingからの流入が計測できている

28

Listingを考慮しないカテゴリー分けListingを考慮したカテゴリー分け

接触履歴 CV件数 %バナーClickのみ 11 0.5%バナーClick+View 41 1.7%Viewのみ 2,308 97.8%CV合計 2,360 100.0%

接触履歴 CV件数 %バナーClickのみ 7 0.2%バナーClick+Listing 4 0.1%バナーCkick+View 36 1.0%バナーClick+View+Listing 5 0.1%バナーViewのみ 1,666 45.8%バナーView+Listing 642 17.6%Listingのみ 1,278 35.1%CV合計 3,638 100.0%

バナー

Clickのみ0.5%

バナー

Click+View

1.7%

Viewのみ97.8%

バナー

Clickのみ

0.2%

バナー

Click+Listing

0.1%

バナー

Ckick+View

1.0%

バナー

Click+View+Listing

0.1%バナー

Viewのみ45.8%

バナー

View+Listing

17.6%

Listingのみ

35.1%

CVに至った経路ベスト８ViewのみがTopだが、Listingも多い– 最大5回までしかデータが取れない

29

View

CV

View View View View

Listing

Listing Listing

View

Listing View View View View

View View

View View View

1,067

811

267

248

183

143

111

Listing Listing Listing107

接触回数分布

５回以上が約半数– ５回以上の場合、本当に初回接触かどうかわからない– したがって、４回までのデータで分析

30

1回29.3%

2回13.4%

3回8.3%

4回6.0%

5回+43.0%

1回 1,0662回 4873回 3034回 2185回+ 1,5641～4回 2,074

今回はここを使用

初回接触からCVまでの期間 ＜全体CV＞0日が、全体の4割を占める– Listingが含まれているため、その日中のCV比率が高まる– View効果とは言い難い

31

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0

100

200

300

400

500

600

700

800

900

0 2 4 6 8 1012141618202224262830323436384042444648505254565860626466687072747678808284868890

CV数

累積割合

初回接触からCVまでの期間 ＜Listingのみ-CV＞

Listingのみ-CVを取り出すと、やはり、０日に集中– ６割を占める

32

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0

100

200

300

400

500

600

700

800

900

0 1 2 3 4 5 6 7 8 9 10111213141516171819202122232526272829303133353637383940414446485769

CV数

累積

初回接触からCVまでの期間 ＜View⇒Listing-CVのみ＞

全体で122CVであるが、比較的分散している– ここからの判断は難しいが、商材やキャンペーンパターンによってView効果が、薄れる場合があるかもしれない

– 商材を考えれば、30日以降のViewはCVに影響していない– 追試の必要あり（CVなしのデータも含め）

33

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0

1

2

3

4

5

6

7

0 2 4 7 9 13 17 20 24 27 30 33 35 37 41 44 48 58 61 65 68 71 75 78 80 86 88 90

CV数

累積割合

LPでやってみた（CV=LP来訪、ある1日）

34

0%10%20%30%40%50%60%70%80%90%100%

0

100

200

300

400

500

600

0 2 4 6 8 10 15 18 23 30 3343 45 55 57 6267 69 71 73 75 7779 86

CV数割合

0%10%20%30%40%50%60%70%80%90%100%

01020304050607080

0 2 4 6 10 18 28 44 57 62 68 70 73 76 78 85

CV数割合

0%10%20%30%40%50%60%70%80%90%100%

0

50

100

150

200

250

0 1 2 3 4 7 8 12 20 41

CV数

割合

0%10%20%30%40%50%60%70%80%90%100%

0

2

4

6

8

10

0 1 3 5 15 16 18 30 33 41 43 54 55 56 65 67 71 74 75 76 78 79

CV数 割合

初回： View

Listingのみ

総CV 617件

Last： バナーClick 130件

235件

初回： View Last： Listing 30件

分析のまとめ

今回のテストケースにおいては、View効果に関しては、（一部）認められたと言えるが、キャンペーンによって効果が弱めの場合もある⇒ まだ検証し切れていない部分が多い（Long-Term効果検証も今後の課題）

Viewを語る場合、見た目がすべて貢献しているわけではなく、いわゆる「だまし」の部分とそうでない部分を切り分ける必要がある

そのためには、データの深い精査が必要だが、今回はそのための一歩として位置づけたい

商材カテゴリー/キャンペーンの仕組みによって結果も大きく変わるし、分析ロジックも変える必要がある

いずれにしても、今回の2ケースですべてが語れるわけではない

今後も、継続した分析・検証が必要になるが、その糸口はつかめたと感じている

35

今後のアトリビューション分析とcciの立場

cciとしては、アトリビューション分析は全体コミュニケーションの過程における、一つのパートであると位置づける

– 単に、重みづけをする行為ではない– 広告、もしくはコミュニケーションの目的は、WEB/リアルを問わず、消費者にプランされた刺激を与えて、意図する態度変容・行動変容を最大限に引き起こすこと

– そのための装置が、コンタクトポイントであり、各コンタクトポイントにて表現されるコンテンツ（クリエイティブ表現を含めた）すべてである

– アトリビューション分析により、これまで見えなかった要因の影響も考慮し、もう一度コミュニケーション全体のモデルを構築し直し、検証することができるからこそ重要

– 現状は、一部のコンタクトポイントやViewのみにフォーカスされているが、コンテンツを含めトータルに設計する必要がある

36

今後のアトリビューション分析とcciの立場

今後のアトリビューション分析

– 全体プランニングの１ピースであり、これまで見えなかった部分– まずは、モデルを再精査する

• 目的変数： CVは何が適当か？ そもそも、CVではない場合

• 説明変数： 何を入れて、何を捨てるのか？– プロモーション要因のみならず、コンテンツ要因も含めた分析– 仮説とテストは不可欠

– 今後も、引き続きこのような検証をさらに深く追求しつつ、全体の最適化を目指します

37

38

根本根本 朗生朗生

株式株式会社サイバー・コミュニケーションズ会社サイバー・コミュニケーションズ

マーケティングマーケティング・ソリューション本部・ソリューション本部 データデザイン部データデザイン部

TEL : TEL : 0303--54255425--63096309MAIL : MAIL : a.nemoto@cci.co.jpa.nemoto@cci.co.jp

根本根本 朗生朗生

株式株式会社サイバー・コミュニケーションズ会社サイバー・コミュニケーションズ

マーケティングマーケティング・ソリューション本部・ソリューション本部 データデザイン部データデザイン部

TEL : TEL : 0303--54255425--63096309MAIL : MAIL : a.nemoto@cci.co.jpa.nemoto@cci.co.jp

ご静聴ありがとうございました。ご静聴ありがとうございました。

Happy Christmas.Happy Christmas.