改訂済み公開MD をダウンロード

計測・MarTech

概要と対象範囲

KPI 設計、アトリビューション、計測基盤、MarTech スタック、データ統合、AI / LLM の計測層への組み込みを扱う。マーケ活動の測定可能性を担保する基盤層であり、他のすべての KA から参照される。

本章の射程は次の 3 つに分かれる:

計測設計: KPI 設計、アトリビューション、Incrementality 測定
MarTech / データ基盤: ツール選定、データ統合、CDP、運用設計
AI / LLM の計測活用: 自動レポート、異常検知、予測モデル

個社製品の比較は ../../tools/ に逃がす。本章は構造的な設計指針を扱う。

業界トレンドと新興手法

計測制約への対応: ブラウザ制限、広告識別子制限、同意要件を前提にした Identity / CV 補完（CAPI、拡張コンバージョン、Consent Mode、SKAdNetwork 等）
Incrementality 測定: 因果推論ベースの効果測定（geo-experiment、lift study、MMM）
CDP / Composable Stack: モジュール型 MarTech 構成
LLM ベース分析: 自然言語クエリ、自動インサイト生成
Reverse ETL: データ基盤 → MarTech ツールへの双方向統合
First-party Data 戦略: 自社データを中心に据えた計測・配信設計

テーラリング

文脈	重点
B2B エンタープライズ	Salesforce / HubSpot 中心、商談接続、長期 attribution
B2B SaaS	プロダクト内行動データ + CRM 統合、PLG メトリクス
D2C	広告プラットフォーム計測 + CDP + LTV モデル
リテール	POS / EC / 店舗データの統合
規制業種	プライバシー制約、PII マスキング、同意管理、媒体ポリシー確認
スタートアップ	計測の最小セット（北極星指標 + ファネル基本指標）

プロセス（マーケティングサイクル × ITTO）

観測・データ収集段のプロセス

投入物: 既存計測実装、ファネル現状値、データソース、ステークホルダーの計測要求
手法と道具: 計測カバレッジ監査、データソース棚卸し、KPI 整合性チェック
産出物: 計測ギャップリスト、データ基盤の現状マップ

理解・分析する段のプロセス

投入物: 計測ギャップ、戦略目標（05 章）、Performance ベースライン
手法と道具: KPI 5 軸評価（仮説チェーン・時間軸・信頼度・検証方法・意思決定使途）、アトリビューションモデル選択
産出物: KPI ツリー、Attribution 設計、必要計測実装リスト

再構築段のプロセス

投入物: 現行 KPI ダッシュボード、形骸化指標
手法と道具: ダッシュボード KPI 化された指標の機械的列挙（補題 E）、P0–P3 篩
産出物: 廃止 KPI リスト、残す KPI

起動・実装する段のプロセス

投入物: 新規計測要件、MarTech 導入計画
手法と道具: 計測タグ実装、Consent Mode / CMP 設定、CDP / データパイプライン構築、ダッシュボード構築
産出物: 本番計測、ベースライン記録、運用ドキュメント

学ぶ段のプロセス

投入物: 計測結果、ダッシュボード活用度
手法と道具: 計測の意思決定接続度評価、Evidence Level 判定
産出物: 計測設計の更新、profile への書き戻し

タクティカル・プレイブック（L3）

KPI 5 軸評価

意思決定 KPI として有効と判定するための 5 軸（../../foundations/principles.md 補題 E）:

軸	問い
仮説チェーン	P0（売上 / 利益）までの因果仮説が描けるか
時間軸	どの時間軸で動くか（即時 / 週次 / 四半期 / 年次）
信頼度	仮説の確信度（high / mid / low）
検証方法	A/B / holdout / MMM / geo / 自然観測のいずれか
意思決定使途	この KPI が動いたとき / 動かないとき、どの意思決定が起きるか

5 軸が埋まらない指標はダッシュボード上の数字に過ぎず、意思決定 KPI ではない。

leading / lagging KPI のペア運用

短期反応と長期成果を両方の時間軸で揃える:

leading（短期反応）: CTR / CVR / 指名検索 / NPS / アクティベーション率
lagging（長期成果）: 売上 / LTV / 市場シェア / リテンション

leading だけで判断すると長期資産（ブランド資産・カテゴリ想起）が過小評価される。lagging だけで判断すると施策反応の検証ループが回らない。

ペア運用が必要な構造的理由は、成果が非線形に顕在化することにある（../../foundations/principles.md 補題 I）。線形に短期差分だけで判定すると、正しい施策の偽陰性と、間違った施策の偽陽性（「まだ時間が足りない」擁護）が同時に起きる。leading は方向性の早期検出、lagging は累積効果の確認、という役割分担で非線形性を扱う。

Incrementality 測定

「広告を打たなかった場合の売上」との差分で効果を測る。手法:

geo-experiment: 地域別に配信する / しないを分けて差分測定
holdout test: 一部ユーザーを除外して配信する / しないの差分測定
MMM (Marketing Mix Modeling): 統計モデルによる予算配分効果の推定
plat lift study: 媒体提供のインクリメンタリティ計測

詳細実装は measurement-incrementality.md を参照する。

MarTech スタック設計

中核 5 領域:

領域	主な役割	例
アナリティクス	ファネル可視化、行動分析	GA4、Mixpanel、Amplitude
CDP / データ統合	顧客データの統一	Segment、Treasure Data、Rudderstack
CRM / SFA	商談・顧客管理	Salesforce、HubSpot
マーケティング自動化	メール、配信、スコアリング	HubSpot、Marketo、Pardot
広告 / 配信	媒体配信、入札	Google Ads、Meta、Smartnews

新規スタック導入時のチェック: データの双方向統合可能か、API 公開度、価格モデル、ベンダーロックインリスク。ツール連携の詳細は integrations.md を参照する。

異常検知とアラート設計

静的閾値: 「CV が前週比 −20%」のような単純ルール
動的閾値: 季節性・トレンドを考慮した統計モデル
AI ベース: LLM による異常パターンの自然言語説明

アラートは「人が判断すべき場面」だけに絞る。アラート疲れは alert の無視を生む。

アンチパターン

ダッシュボード KPI 化: 5 軸が埋まらない指標を「KPI」と呼ぶ（補題 E 違反）
leading 偏重: 短期 ROAS / CVR だけで判断し、長期資産を毀損
計測実装の後付け: 起動・実装する時に計測タグを実装し忘れ、本番反映後に検証不能
ベンダー言いなり: MarTech 導入を媒体担当者主導で決め、データ統合性を考えない
アトリビューション神話: Last Click だけで判断し、複雑な購買経路を無視
データ統合の自己目的化: 全データを統合するが、意思決定には使われない
異常検知のアラート疲れ: 通知が多すぎて重要なものが埋もれる
個人情報の野放し: 計測のために PII を収集し、削除ポリシーがない

今後の拡張論点

「計測」と「MarTech」を 1 章で扱う妥当性 — 射程が広く、分割の検討（13A 計測、13B MarTech）も選択肢
Incrementality 測定の必須度 — 全業種の標準扱いにするか、規模により省略可とするか
個社製品の比較範囲 — knowledge/marketing/tool/ への分離方針で実用に足りるか
AI ベース分析の Evidence Level — LLM 生成インサイトをどの Level として扱うか
First-party Data 戦略の扱い — 戦略レイヤー（05 章）と本章の境界