定義
Multi-Touch Attribution（MTA）とは、コンバージョン（購入・会員登録・資料請求など）の成果を、ユーザーがコンバージョンに至るまでに接触した複数のマーケティングタッチポイントに分配して評価する帰属分析の手法です。
従来のラストクリック帰属（Last-Click Attribution）では、購入直前にクリックされた広告だけが「成果を生んだ」と見なされます。しかし実際のDTC購買行動は、Instagram広告 → 指名検索 → メルマガ → 比較記事 → 再訪問 → 購入というように、7〜12タッチポイントを経由するのが一般的です。MTAはこのカスタマージャーニー全体を可視化し、「どのチャネルがどの役割を果たしたか」を定量化します。
类比：駅伝のたすき
MTAは駅伝に似ています。ゴールテープを切るのはアンカー（ラストクリック）ですが、その走者は前の走者からたすきを受け取っています。第1区がブランド認知を作り、中盤区間が比較検討を促し、アンカーが背中を押す。MTAは「各区間のタイムと貢献度」を測定する仕組みです。
ラストクリックだけを評価するのは、アンカーのみを称賛し、他の走者を無視するようなものです。結果として、認知施策（TikTok、ディスプレイ、インフルエンサー）の予算が削られ、長期的なパイプラインが枯渇します。
公式
代表的なMTAモデルと計算式は以下の通りです。コンバージョン価値を V、タッチポイント数を n とします。
1. リニア（均等分配）
各タッチポイントの貢献 = V / n
2. 時間減衰（Time Decay）
貢献度 = V × (2^(t_i / T)) / Σ 2^(t_j / T)
※ t_i はコンバージョンまでの経過日数、T は半減期。
3. 位置ベース（U字型：40/20/40）
ファーストタッチ = V × 0.4 ラストタッチ = V × 0.4 中間タッチ合計 = V × 0.2 ÷ (n - 2)
4. データ駆動型（Shapley値）
φ_i = Σ [ |S|!(n-|S|-1)! / n! ] × (v(S∪{i}) - v(S))
※ 各チャネルの限界貢献度を全組み合わせで平均。
モデル比較表
| モデル | 配分ロジック | 向いている目的 | 弱点 |
|---|---|---|---|
| ラストクリック | 100%を最終触点へ | 直接CV施策の評価 | 認知施策を過小評価 |
| ファーストクリック | 100%を初回触点へ | 新規獲得・認知測定 | 刈り取り施策を過小評価 |
| リニア | 全触点に均等配分 | 全体像の把握 | 重要度の差を無視 |
| 時間減衰 | CV直前に重み | 短期CV最適化 | 長期育成を軽視 |
| 位置ベース（U字） | 初回40%・最終40%・中間20% | バランス型DTC | 中間施策が埋もれる |
| データ駆動型 | Shapley値で統計配分 | 予算配分の精緻化 | データ量・実装コスト大 |
応用シーン（DTC/EC）
1. 広告予算の再配分
あるアパレルDTCでは、Meta広告のROASが3.2、Google検索が8.5と表示されていました。しかしMTA（位置ベース）で分析すると、Metaは新規顧客の68%に初回接触しており、検索CVの多くはMeta経由の指名検索でした。MTA導入後、Meta予算を+25%、検索を-10%に調整し、全体CACを¥4,800 → ¥3,900（-18.8%） に改善。
2. LTV別のチャネル評価
化粧品DTCでは、インフルエンサー経由の顧客は初回AOV ¥6,200、90日LTV ¥14,500。一方、検索広告経由は初回AOV ¥7,800だがLTV ¥11,200。MTAでLTV加重すると、インフルエンサーへの投資効率が1.4倍高いことが判明。
3. メルマガの貢献可視化
ラストクリックでは「CV0件」とされていたステップメールが、MTAでは全CVの31%に寄与。開封→サイト再訪→購入のパスが可視化され、休眠顧客への配信を再開。
4. カゴ落ちリターゲティング
カゴ落ち広告はラストクリックで過大評価されがちですが、MTAでは「既に購買意欲が高いユーザーへの後押し」と判明。純増分効果（インクリメンタリティ）を測ることで、予算の23%が無駄と特定。
よくある誤解
❌ 誤解1：MTAを導入すれば正解が出る
→ MTAはあくまで観測されたタッチポイントの配分です。Cookie規制、iOSのATT、クロスデバイス欠損により、実際のジャーニーの30〜50%は見えていません。MTA＋インクリメンタリティテスト＋MMMの併用が必須です。
❌ 誤解2：ラストクリックは不要
→ ラストクリックは「刈り取り施策」の評価には今も有効。MTAと併記してギャップを見るのが実務的です。
❌ 誤解3：モデルは一つに絞るべき
→ リニアで全体像、時間減衰で短期最適化、位置ベースで予算配分、と目的別に併用するのがDTCの定石。BIツールで複数モデルを並列表示しましょう。
❌ 誤解4：CVポイントだけ見ればいい
→ マイクロコンバージョン（メルマガ登録、カート追加、商品ページ滞在60秒以上）も含めると、認知施策の貢献が2〜3倍に見えることがあります。
❌ 誤解5：導入は大企業だけ
→ Shopify＋Triple Whale、GA4＋BigQuery、Northbeamなど、月額数万円から始められます。月商¥500万を超えたら導入検討のタイミングです。
関連用語
- Last-Click Attribution：最終触点のみ評価
- First-Click Attribution：初回触点のみ評価
- Linear Attribution：均等配分
- Time Decay Attribution：時間減衰型
- Position-Based Attribution：U字型配分
- Data-Driven Attribution (DDA)：Shapley値ベース
- Marketing Mix Modeling (MMM)：統計的回帰による全体最適
- Incrementality Test：純増分効果測定
- Customer Journey Analytics：ジャーニー分析
- ROAS / CAC / LTV：成果指標
- GA4 / Triple Whale / Northbeam：代表的分析ツール
MTAは「正解を出す魔法」ではなく、カスタマージャーニーを多角的に理解するレンズです。単一モデルに依存せず、複数モデルとインクリメンタリティ検証を組み合わせることで、はじめてDTCの広告投資判断は精度を増します。