広告の効果報告で、こんなグラフを見たことはないでしょうか。

棒が2本並んでいます。

左は「広告に接触した人」の購入率、右は「接触しなかった人」の購入率。左のほうが明らかに高い。

資料には「広告接触者の購入率は2.4倍」と書かれています。

数字は正しく集計されています。

それでも、このグラフは広告が効いたことを示していません。

「広告を見た人ほど買っている」ことと、「広告が購入を増やした」ことは、まったく別の話だからです。

ここを取り違えると、効果のない広告に予算を積み増すことになります。

今回は、なぜこの比較が成立しないのか、その構造と、実務でどこまで対処できるのかを整理します。

D社が広告効果の検証でつまずいた点

　グラフ上の広告効果

化粧品を扱うECサイトのD社の事例です。

D社はWeb広告に年間数千万円を投じており、経営層から「本当に回収できているのか」という問いが出ていました。

マーケティング担当のE氏は、広告接触ログと購買データを突き合わせ、次の結果を得ました。

• 広告に接触した会員の購入率：18%
• 広告に接触しなかった会員の購入率：7.5%

差は歴然でした。E氏はこの結果をもとに広告予算の増額を提案し、承認されます。

ところが、予算を1.5倍に増やした半年後、売上の伸びは数%にとどまりました。

増やした広告費に対して、明らかに合わない結果です。

　なぜ差が出ていたのか

E氏が改めて確認したのは、「誰が広告に接触したのか」でした。

D社の広告配信は、リターゲティング広告が中心でした。

この広告は、サイトを訪問した人、商品ページを見た人、カートに商品を入れた人に対して、追いかける形で広告を表示する仕組みのものです。

つまり広告に接触した会員とは、もともと商品に関心を持ち、購入に近い行動をとっていた人たちでした。

一方、接触しなかった会員には、サイトを長く訪れていない人や、そもそも関心が薄い人が多く含まれていました。

この2つのグループの購入率に差が出るのは、広告があってもなくても当然です。

18%と7.5%の差の中には、広告の効果と、もともとの購入意欲の差が、分けられないまま入っていました。

「買う人が広告も見ている」という構造

　配信対象が「買いそうな人」に偏る

D社の例は特殊ではありません。むしろ、広告効果測定における最もよくある誤りです。

原因は、広告配信の仕組みそのものにあります。

現代の広告配信は、買いそうな人に優先的に届くように設計されています。

過去の閲覧履歴、購買履歴、行動の類似性をもとに、反応が期待できる相手を選んで配信する。それが配信精度を高めるということであり、広告運用としては正しい行動です。

しかし、その正しさが測定を難しくします。

配信対象が「買いそうな人」に偏るほど、接触者と非接触者はもともと別の集団になっていきます。

配信精度が上がるほど、単純比較で出てくる数字は実態より大きく見えるという関係があるのです。

　広告以外でもよくある

同じ構造は、広告以外にも広く見られます。

• メルマガを開封した人ほど継続率が高い（もともと関心が高い人が開封している）
• アプリを入れている顧客ほど購入額が大きい（ロイヤル顧客がアプリを入れる）
• セミナーに参加した企業ほど受注率が高い（検討が進んだ企業が参加する）

いずれも、施策を受けた側が最初から選ばれた集団になっています。

この状態を、分析の分野では選択バイアスと呼びます。

回帰分析でできること、できないこと

　回帰分析でどうにかならないか？

「では、他の要因も一緒に分析すればよいのでは」と考える方は多いはずです。

実際、回帰分析を使って年齢や購買頻度を調整する、という対応はよく行われます。

これは有効な一手で、ある程度まで調整できます。年齢構成が違う、購買履歴が違う、地域が違う。そうした差は、分析に含めることで影響を差し引けます。

ただし、限界がはっきりしています。調整できるのは、手元にデータがある項目だけです。

D社の場合、接触者と非接触者を分けていた最大の要因は「購入意欲の高さ」でした。

これは購買履歴や閲覧回数からある程度は推し量れますが、完全には測れません。

　回帰分析の限界

測れていない部分は、調整のしようがない。そして測れていない部分こそが、両者の差を生んだ本体だったのです。

ここが重要な点です。

回帰分析で変数を増やしても、測れていない違いは残り続けます。

そして測れていない要因が結果に強く影響しているとき、分析結果は依然として広告の効果を過大に見せます。

変数を増やせば増やすほど正確になる、というわけではありません。

何を調整できていて、何を調整できていないのかを把握することのほうが重要です。

実務でできる、条件をそろえた比較

厳密な検証が難しくても、実務で取れる手はあります。負担の軽い順に3つ紹介します。

　配信を止める枠をあらかじめ作る

最も確実な方法です。配信対象に選ばれた人のうち、一定割合（たとえば5%）にはあえて広告を配信しない枠を設けます。

比較するのは、同じ基準で選ばれた人同士です。

配信された側と、配信されなかった5%。両者はもともとの購入意欲が揃っているため、購入率の差はそのまま広告の効果に近づきます。

失うのは、その5%から得られたはずの売上だけです。

数千万円の広告予算を判断する材料としては、十分に見合う投資といえます。

　接触の「深さ」でグループを分ける

配信停止枠を作れない場合の次善策です。

接触あり／なしの2分割ではなく、接触回数で3つ以上に分けて購入率を見ます。

もし広告に効果があるなら、接触回数が増えるにつれて購入率も段階的に上がるはずです。

逆に、1回目と5回目でほとんど変わらないなら、差の大半はもともとの購入意欲によるものだと推測できます。

これだけでは証明になりませんが、単純な2分割よりは実態に近づきます。

　配信のオン・オフを時期や地域で切り替える

地域や商品カテゴリを単位に、広告の出稿を期間で切り替える方法です。

同じ地域の広告あり期間となし期間、あるいは広告を出した地域と出していない地域を比べます。

注意点は、季節や他の施策の影響を拾いやすいことです。

単独では判断せず、広告を出していない地域の同じ期間の動きも並べて確認してください。

今回のまとめ

広告に接触した人の購入率が高いのは、多くの場合、事実です。

ただしその事実は、広告が購入を生んだことを意味しません。

買いそうな人に広告が届く仕組みである以上、両者に差があるのは自然なことです。

判断を誤らないために必要なのは、高度な分析手法ではありません。

「この2つのグループは、広告以外の点で似ていると言えるか」 という一点を確認するだけです。

答えが「似ていない」なら、その数字は効果を示していません。

そして、比較の質を上げる方法は実務の中にあります。

• 配信を止める枠を数%だけ確保する
• 接触回数で段階的に見る
• 期間や地域を分けて比べる

いずれも大がかりな仕組みは不要です。

広告効果を正しく測ることは、広告を減らすためではありません。

効いている出稿と、効いていない出稿を見分けて、予算を効くほうに寄せるためです。

比較の設計は、その入口にあたります。