指標タイプとアトリビューション

2025年6月27日

作成対象：

  • ユーザー
  • 管理者

計算指標定義で指標の指標タイプとアトリビューションモデルを設定できます。

  1. 指標コンポーネントで「 設定 」を選択します。

  2. ポップアップダイアログで以下を行います。

    指標タイプとアトリビューション

    • 「指標タイプ」を指定します。

      指標タイプ定義
      標準

      1 つの標準指標で構成される数式は、その標準指標に対応する計算指標以外の指標と同じデータを表示します。標準指標は、個々の行項目に固有の計算指標を作成する場合に役立ちます。

      例えば、 イベント 注文件数 除算 イベント 訪問回数 ​は、その特定の行項目の注文件数をその特定の行項目の訪問回数で除算します。

      総計

      各行項目のレポート期間の​ 総計 ​を使用します。数式が 1 つの総計指標で構成される場合、計算指標は行項目ごとに同じ総計数を表示します。総計指標は、合計データと比較する計算指標を作成する場合に役立ちます。

      例えば、 イベント 注文件数 除算 イベント 合計訪問回数 ​は、特定の行項目に対する訪問回数だけでなく、すべての訪問回数に対する注文件数の割合を示します。この例では、計算指標で イベント 訪問回数 ​指標の​ 総計 ​を指定し、それが自動的に イベント 合計訪問回数 ​に変わります。

    • 「アトリビューション」を指定します。

      1. 以下のいずれかを実行できます。

        • 30 日間のルックバックウィンドウを持つデフォルトの列アトリビューションモデル（ラストタッチ）を使用する場合は、「デフォルト以外のアトリビューションモデルを使用」を無効にします。

        • 「デフォルト以外のアトリビューションモデルを使用」を有効にします。列アトリビューションモデル ​ダイアログで以下を行います。

          • アトリビューションモデルから​ モデル ​を選択します。
          • 「コンテナ」オプションから「コンテナ」を選択します。
          • 「ルックバックウィンドウ」オプションから「ルックバックウィンドウ」を選択します。「カスタム時間」を選択した場合は、期間を「分」から「四半期」までの単位で定義できます。

      2. デフォルト以外のアトリビューションモデルを適用するには、「適用」を選択します。キャンセルするには、「キャンセル」を選択します。

      デフォルト以外のアトリビューションモデルを既に定義してある場合は、「編集」を選択して、選択項目を変更します。

アトリビューションモデル、コンテナ、ルックバックウィンドウの使用例については、例を参照してください。

アトリビューションモデル

アトリビューションモデルは、指標のルックバックウィンドウ内に複数の値が表示された場合に、指標のクレジットを取得するディメンション項目を決定します。 アトリビューションモデルは、ルックバックウィンドウ内に複数のディメンション項目が設定されている場合にのみ適用されます。 単一のディメンション項目のみが設定されている場合、そのディメンション項目は、使用される属性モデルに関係なく、100% のクレジットを受け取ります。

アイコンアトリビューションモデル定義
ラストタッチ ラストタッチコンバージョンの直前に発生したタッチポイントに 100% のクレジットを与えます。 このアトリビューションモデルは、通常、アトリビューションモデルが特に指定されていない指標のデフォルト値です。 内部検索キーワードの分析など、コンバージョンまでの時間が比較的短い組織では、通常、このモデルを使用します。
ファーストタッチ ファーストタッチアトリビューションのルックバックウィンドウ内で最初に確認されたタッチポイントに 100% のクレジットを与えます。 通常、組織はこのモデルを使用して、ブランド認知度や顧客獲得について理解します。
線形 線形コンバージョンにつながるすべてのタッチポイントに対して、同等のクレジットを付与します。 これは、コンバージョンサイクルが長い場合や、より頻繁な顧客エンゲージメントが必要な場合に役立ちます。 組織は通常、モバイルアプリの通知の有効性を測定したり、購読ベースの製品で、このアトリビューションモデルを使用します。
パーティシペーション パーティシペーション一意のタッチポイントすべてに 100％のクレジットが与えられます。すべてのタッチポイントが 100% のクレジットを受け取るので、指標データは通常、100% を超える合計になります。 コンバージョンに至るまで、ディメンション項目が複数回別々に表示される場合、値は 100% まで重複排除されます。 このアトリビューションモデルは、顧客が最もさらされるタッチポイントを理解したい状況に最適です。 メディア組織は、通常、このモデルを使用してコンテンツベロシティを計算します。 小売組織は通常、このモデルを使用して、サイトのどの部分がコンバージョンに不可欠かを把握します。
同じタッチ 同じタッチコンバージョンが発生した同じイベントに 100% のクレジットを与えます。 コンバージョンと同じイベントでタッチポイントが発生しない場合は、「なし」の下にバケット化されます。 このアトリビューションモデルは、アトリビューションモデルがまったくない場合と同等に扱われることがあります。 これは、指標がディメンション項目にクレジットを与える方法に他のイベントの値が影響を与えることを望まないシナリオで役立ちます。 製品チームまたは設計チームは、このモデルを使用して、コンバージョンが発生するページの効果を評価できます。
U字型 U 字型最初のインタラクションに 40％のクレジット、最後のインタラクションに 40％のクレジットが与えられ、残りの 20％がその間のタッチポイントに割り振られます。タッチポイントが 1 つのコンバージョンの場合、100％のクレジットが与えられます。2 つのタッチポイントを持つコンバージョンの場合、両方に 50% のクレジットが与えられます。 このアトリビューションモデルは、最初と最後のインタラクションを最も重視するが、その間の追加のインタラクションを完全に却下したくないシナリオで最適に使用されます。
J カーブ J カーブ最後のインタラクションに 60％のクレジット、最初のインタラクションに 20％のクレジットが与えられ、残りの 20％がその間のタッチポイントに割り振られます。タッチポイントが 1 つのコンバージョンの場合、100％のクレジットが与えられます。2 つのタッチポイントがあるコンバージョンの場合、最後のインタラクションに 75% のクレジットが与えられ、最初のインタラクションに 25% のクレジットが与えられます。 U字型と同様に、このアトリビューションモデルは最初と最後のインタラクションを優先しますが、最後のインタラクションの方が大幅に優先されます。
逆 J 逆 J 形最初のタッチポイントに 60％のクレジット、最後のタッチポイントに 20％のクレジットが与えられ、残りの 20％がその間のタッチポイントに割り振られます。タッチポイントが 1 つのコンバージョンの場合、100％のクレジットが与えられます。2 つのタッチポイントがあるコンバージョンの場合、最初のインタラクションに 75% のクレジットが与えられ、最後のインタラクションに 25% のクレジットが与えられます。 J字型と同様に、このアトリビューションモデルは最初と最後のインタラクションを優先しますが、最初のインタラクションの方が大幅に優先されます。
タイムディケイ タイムディケイカスタムの半減期パラメーター（デフォルトは 7 日）で指定される指数関数的減衰に従います。各チャネルの重みは、タッチポイントの開始から最終的なコンバージョンまでの経過時間によって異なります。クレジットの決定に使用される式は 2^(-t/halflife) です。ここで、t は、タッチポイントからコンバージョンまでの時間を表します。すべてのタッチポイントは、100% に正規化されます。 特定の重要なイベントに対してアトリビューションを測定するシナリオに最適です。 このイベントの後にコンバージョンが発生する時間が長いほど、与えられるクレジットは少なくなります。
カスタム カスタムファーストタッチポイント、ラストタッチポイントおよびその間のタッチポイントに与える重みを指定できます。 指定された値は、入力したカスタムの数値の合計が 100 にならなくても、100％に正規化されます。タッチポイントが 1 つのコンバージョンの場合、100％のクレジットが与えられます。タッチポイントが 2 つのインタラクションの場合、中間のパラメーターは無視されます。その後、ファーストタッチポイントとラストタッチポイントが 100% に正規化され、それに応じてクレジットが割り当てられます。 このモデルは、アトリビューションモデルを完全に制御したいアナリストや、他のアトリビューションモデルでは実現できない特定のニーズを持つアナリストに最適です。
アルゴリズム アルゴリズム統計的手法を使用して、選択した指標に対するクレジットの最適な配分を動的に決定します。 アトリビューションに使用されるアルゴリズムは、協同ゲーム理論のハルサニ配当に基づきます。ハルサニ配当は、結果への貢献度が等しくないゲーム内のプレーヤー間でクレジットを分配するためのシャープレイ値ソリューション（ノーベル賞受賞者のエコノミスト、ロイドシャープレイにちなんで名付けられました）の一般化です。
高いレベルでは、アトリビューションは、剰余金を公平に分配する必要があるプレーヤーの連合として計算されます。 各連合体の余剰分布は、各連合体（または以前に参加したディメンション項目）が再帰的に作成した余剰に応じて決定される。 詳しくは、John Harsanii's と Lloyd Shapley's original papers:
Shapley, Lloyd S を参照。（1953）。 n 人用ゲームの値​ Contributions to the Theory of Games, 2(28), 307-317.
ジョン・C・ハルサーニー（1963）。 n 人用協力ゲームのシンプル版安価モデル。International Economic Review 4(2), 194-220.