データのない世界で、データに基づいた意思決定を行う方法

dmarcianの内部オピニオンリーダーシップ

dmarcianの視点を紹介する連載企画の一環として、サマンサ・トンプソンが、刻々と変化するインターネット環境をうまく乗り切ることの難しさが増している現状について語ります。

アナリティクスとは、アトリビューションの低下やギャップが一切なく、硬直的で完全に予測可能な道のりなど、決してありません。マーケティング・アナリティクスは、パズルのピースが変化し、新たなパターンが次々と現れる、リアルタイムでダイナミックなパズルのようなものです。そして、それこそが私たちがアナリティクスを愛する理由ですよね？ 

あらゆるダッシュボード、グラフ、トレンドラインの背後には、人間が存在し、その意図が垣間見えます。誰かがページを訪問したり、チェックアウトで躊躇したり、解決策を検索したり、ウェブサイトを閲覧したりするとき、その人は現実世界のニーズを表現しているのです。マーケターであるということは、多くの場合、直接的なコミュニケーションなしに、そうしたニーズを理解できることを意味します。 私たちは、クリックやフォームへの入力といったアクションと、流入経路や滞在時間といった行動データを組み合わせて分析し、キャンペーンの効果を把握します。オーディエンスの関心を理解することで、その道のりにおけるユーザー体験とジャーニーの改善を目指しています。 

データストーリーを構築するために頼りにしていたそうした洞察や要素の多くが、曖昧だったり、欠けていたり、あるいはそもそも存在しなかったりする場合、私たちはどうすればよいのでしょうか？ 

ここ数年、クロスデバイス・ジャーニーやダークソーシャル、マルチタッチキャンペーンの台頭により、私たちは「完璧なアトリビューション」を目指すよりも、むしろそこから遠ざかるスピードの方が速くなっています。成功を定義するために「実績のある」手法に固執するブランドもありますが、私の見解では、新たな戦略とは適応力と大局的な視点にあるのです。

「ゼロクリック検索」の台頭とAIの概要 

今日、検索のあり方は変化しており、すでに双方向的な対話型体験へと変貌を遂げています。LLM（大規模言語モデル）やAIモード検索の登場により、ユーザーは検索結果の上位に表示されたリンクをクリックした後、もはやウェブサイトの複数のページを閲覧することはなくなりました。その代わりに、具体的な質問を投げかけ、複数の情報源から情報を集めることができるようになっています。

「ダーク・ファンネル」が拡大する

見込み客は、当社のカテゴリーを調査し、ソリューションを評価し、AIによる要約、非公開コミュニティ、同業者とのチャットを通じて確固たる見解を形成していますが、従来の分析ツールでは、こうした場所へのウェブサイト訪問数はゼロと記録されています。 

これは、マーケティングオートメーションのワークフローや、見せかけの指標、今まさに流行りの「クリック数を10倍にする」プレイブック、そしてサードパーティによる「有料参加型」のゲーミフィケーションキャンペーンに大きく依存しているマーケティング戦略にとって、真の転換点となるでしょう。 

要するに、これまで測定してきたKPIは、もはやそれ単体では真の成功を示す指標とはなり得ないのです。

データが複雑で、アトリビューションには不備が多い現代において、マーケターは単一の情報源だけに頼るのではなく、複数の情報源を組み合わせて活用すべきです。

明るい兆し：新たな課題と顧客との距離の縮まり

明確なアトリビューションの経路の多くを失い、機械の台頭により検索のあり方も大きく変化している一方で、新たな機会が生まれつつあり、それは私たちが遠く離れてしまっていた原点へと立ち返るきっかけとなっています。キーボードの向こう側にいる「人」。真の顧客調査。 他のチャネルと比較検証するためにシンプルな質問を投げかけるファーストパーティ・アトリビューション。

アトリビューションの一部が失われることで、キーワードに基づく検索行動を理解し、消費者の真の疑問を突き止め、多様な学習者へのアプローチを最適化する必要に迫られ、結果として顧客や見込み客との距離が縮まるかもしれません。私たちは、手元にあるアトリビューションデータと、人々が語るストーリーを組み合わせ、データセットを三角測量することで、人間の行動における新たなパターンを導き出す必要があります。これこそが、私たちの脳がデータを自然に処理する方法ではないでしょうか？

では、何を測定すればよいのでしょうか？　すべてです。 

プライバシーに関する規制の変更やユーザー行動の断片化により、アトリビューションの特定が難しくなる中、マーケティング分析における「トライアングレーション」――つまり、単一の指標だけに依存するのではなく、多様で独立したシグナルを組み合わせる手法――は、ユーザーの現状に合わせて価値を提供し、AEO（アンサー・エンジン・オプティマイゼーション）およびGEO（ジェネレーティブ・エンジン・オプティマイゼーション）を最適化するために不可欠となっています。

定量的なパイプラインデータ、コンバージョンの質、顧客からの直接的なフィードバック、ブランドへのエンゲージメント、および自己申告によるアトリビューションを統合することで、チームはパフォーマンスを相互検証し、何が真に成果をもたらしているのかについて、より明確で信頼性の高い全体像を把握することができます。

「ヒューマン・セントリック・マーケティング」が勝利を収める

AEO、GEO、AI回答エンジンを制覇するための新しい戦略が日々登場しています。しかし、誰もがその秘訣を解き明かそうとしている一方で、答えは結局のところ基本に立ち返るのです。 本質的に、AI検索で成功するには、従来のSEO、すなわちGoogleのE-E-A-Tフレームワーク（経験、専門性、権威性、信頼性）に大きく依存しており、機械によるスキャンや可読性を高めるためのいくつかの微調整が加えられています。

ガイダンスは日々変化していますが、一つだけ不変の事実があります。

機械に認識されるためには、より人間らしくある必要があるということです。 

皮肉な話ですよね？ AIエージェントが最もよく挙げるのは、独自の視点や、ロボットっぽくない「思想的リーダーシップ」です。本物の人間ならではの視点が、これまで以上に重要になっています。

結局のところ、私はデータの不足や検索環境の変化を、私たちが支援しようとしている人々に一歩近づくチャンスであり、これまで以上に人間らしく、誠実であるための好機だと捉えています。 

人生に完璧な原因などそもそも存在しないし、私はそれで構わない。

---

さらに詳しく議論を続けたい方は、ぜひ dmarcian Forum へお越しください。