米国市場で広告運用や効果測定に携わっていると、数字には表れない「見えない顧客」の存在に気づく瞬間があります。たとえば、同じ商材を売っているのに、モバイル経由のROASだけが妙に低い。CTVやリターゲティングは高いのに、スマホだけを使うユーザー層はいつも獲得単価が割高に見える。多くの担当者は「モバイルユーザーは購買意欲が低い」と片付けてしまいますが、本当にそうでしょうか。
私はここ数年、米国を拠点にデジタルマーケティングの設計と分析を続ける中で、ある構造的な問題にたどり着きました。クロスデバイス・アトリビューションは、その仕組み上、マルチデバイスを持つ消費者を理想像として優遇し、スマートフォンしか持たない層を過小評価する傾向があるのです。しかも、この偏りは自動最適化の仕組みを通じて、広告主が気づかないうちに増幅されていきます。本稿では、これまであまり議論されてこなかったこの「計測の盲点」を具体的に掘り下げ、現場で何をすべきかを整理します。
デバイスグラフが内包する社会経済的バイアス
クロスデバイスのID解決は、GoogleやMetaへのログイン情報、世帯のIPアドレス、位置情報、住所データなどを手がかりに、複数の端末を同一人物や同一世帯として結びつけます。技術的には中立的な処理に見えますが、実際には特定の生活スタイルを持つ人ほど捕捉されやすい設計になっています。
具体的には、複数のデバイスを日常的に行き来し、ログイン頻度が高く、自宅に安定したブロードバンド回線がある消費者ほど、デバイスグラフ上で正確に「解決」されます。つまり、テクノロジーに習熟した中高所得層、知識労働者、郊外の持ち家世帯が有利になるということです。
一方、米国で低所得層や高齢層、地方在住者に多いスマートフォン依存型の利用者は、端末が1台しかない、あるいはアプリやブラウザでのログイン状態が断片化しているため、クロスデバイスとして認識されにくい。「不明」または「単一デバイス」として処理され、モデルの学習対象からこぼれ落ちてしまいます。
Pew Research Centerの調査でも、世帯年収3万ドル未満の成人の約3割がスマートフォン専用でインターネットを利用している一方、年収10万ドル以上の層では数％に過ぎないというデータがあります。この差はそのまま、計測精度の差として広告データに反映されます。計測の前提そのものが、デバイスを複数持てる消費者を基準にしているのです。
「モバイルオンリー＝低ROAS」は計測上の錯覚
クロスデバイス・アトリビューションは、端末をまたぐ複雑なジャーニーを高く評価する傾向があります。CTVで広告を視聴し、スマートフォンで検索し、デスクトップで購入する--こうした複数タッチポイントの動きは観測されやすく、モデル上も価値の高い行動として扱われます。
ところが、スマートフォンで広告を見て、そのままスマホで購入する単一デバイスの短いジャーニーは、観測できるタッチポイントが少ないため、貢献が小さく見積もられがちです。本来は「少ない接点で素早く転換する効率的な顧客」であるはずなのに、レポート上は価値が低いユーザーとして表示されてしまいます。
たとえば、家電量販店のオンラインストアで、デスクトップとモバイルを行き来して購入した顧客と、モバイルだけで購入を完結した顧客を比較したとします。前者は複数の接点にコンバージョン貢献が分散されるため、どのチャネルにも一定の価値が記録されます。後者は最後の1タップしか見えません。結果として「モバイルオンリー層は獲得単価が高く、ROASが低い」という誤った結論が導かれやすくなります。
これは消費者の実際の購買行動に問題があるのではなく、計測の仕組みが複雑なジャーニーを過大評価し、単純なジャーニーを過小評価していることから生じる錯覚です。
自動最適化が偏りを増幅するフィードバックループ
さらに深刻なのは、Googleのモデル化コンバージョンやMetaのAdvantage+、類似オーディエンスなどの自動最適化機能が、この偏ったデータを正解として学習してしまう点です。
クロスデバイスで解決されたマルチデバイス保有者のコンバージョンデータがアルゴリズムに投入されると、配信は「マルチデバイス保有者に似たユーザー」へと傾きます。モバイルオンリー層への入札は下がり、露出が減り、コンバージョンデータがさらに蓄積されない。その結果、「この層は成果が出ない」という自己実現的な結論に至るのです。
これは低所得層や地方在住者、高齢者への広告配信が絞り込まれるという社会的な影響を持つと同時に、競合がまだ手をつけていない未開拓市場を自ら放棄する戦略的な機会損失でもあります。米国ではウォルマートやダラーゼネラル、プリペイドSIMブランドなどが、モバイルオンリー層を意識した施策で着実に成果を伸ばしています。彼らは高度なクロスデバイス計測だけに依存せず、電話発信やSMS、クリックメッセージ、店舗来店データなど、デバイスグラフに依存しない計測経路を併用しているのが特徴です。この差は、単なる戦術の違いではなく、計測バイアスを理解しているかどうかの差だと言えます。
レポートに現れる4つの警告サイン
この偏りは、日々の広告レポートに以下のような形で現れます。心当たりがあれば、データの健全性を疑うべきです。
- CTVとリターゲティングのROASが突出して高い - CTVは視聴端末と購入端末が分かれているため、クロスデバイス解決の恩恵を最も受けやすいメディアです。リターゲティングも同様に、複数端末で追跡できるユーザーだけが高精度に測定されます。
- モバイルオンリー層の獲得単価が異常に高い - 単一デバイスで完結するユーザーは計測上のタッチポイントが少ないため、CACが割高に見えます。
- 自動入札で低所得地域や地方への配信が絞られる - 入札アルゴリズムがマルチデバイス保有者の類似ユーザーを優先するため、地理的な偏りが生じます。
- ジオ実験やブランドリフト調査で層別しない限り偏りを検出できない - 全体の数字だけを見ていると、偏りは埋もれてしまいます。デバイス保有パターンで層別して初めて異常が見えてきます。
打ち手：計測の「公平性」を運用に組み込む
この問題に対処するには、単にID解決の精度を上げるだけでは不十分です。計測の盲点を可視化し、実験によって補正することが不可欠です。以下に、現場で実践できる5つのステップを示します。
- デバイスグラフ到達率をKPI化する - 全コンバージョンに占める「クロスデバイス解決済み」と「単一デバイス／未解決」の割合を追跡し、それぞれのCAC・LTV・ROASの差を監査します。たとえば、解決済みユーザーのCACが100ドル、未解決が180ドルなら、実在の差ではなく計測バイアスの可能性が高いと判断できます。
- インクリメンタリティをデバイス層別で測る - ジオ実験やオーディエンス抑制テストをデバイスパターン別に設計し、クロスデバイスモデルが示すROASと実際の売上増分の乖離を確認します。特にモバイルオンリー層だけを対象にしたジオテストは、モデルの過小評価を補正する強力な材料になります。
- モデル監査を行う - データクリーンルームや集計データを利用し、推定所得・デバイス数・地域・年齢層別にモデル化コンバージョン率の偏りを検証します。公平性指標をダッシュボード化し、月次でモニタリングするのが現実的です。
- モバイルオンリー体験を最適化する - 電話発信ボタン、クリックメッセージ、SMS、店舗来店コンバージョンの取り込みなど、クロスデバイスIDに依存しない計測経路を整えます。これにより、デバイスグラフに載らないユーザーの価値を可視化できます。
- 組織KPIを転換する - 「クロスデバイスROAS」だけを追いかけるのではなく、「デバイス包摂的インクリメンタリティ」を目標に設定します。マルチデバイス層とモバイルオンリー層の売上増分を分けて計測し、両方を改善することを運用目標に組み込みます。
結論：つながらない顧客こそ、次の成長余地
クロスデバイス・アトリビューションの次の課題は、IDをつなぐことではなく、「つながらない消費者」を正しく評価することです。
計測精度を追求するほど、モデルは社会経済的な偏りを再生産し得ます。米国市場のようにデバイス所有格差が大きい市場では、この盲点を理解し、競合のアルゴリズムが過小評価しているモバイルオンリー・単一デバイス層を戦略的に掘り起こすことが、短期的なROAS改善以上に持続的な競争優位につながります。
計測の公平性を運用に組み込むことは、倫理的な正しさであると同時に、まだ誰も最適化していない市場を先取りする戦略的機会でもあるのです。データの見えない部分にこそ、次の成長余地が眠っています。