ナビゲーションにスキップ メインコンテンツにスキップ
すべての結果

Casual Impactとは?ポストIDFAの世界で必要な理由

このブログは、Socialpoint社のマーケティング分析チームのデータサイエンティストであるAlicia Horsch氏が出演したRemergeのApptivateポッドキャストのエピソードを基にしています。Socialpoint社は、バルセロナを拠点とするゲーム開発者およびパブリッシャーであり、2008年から、ゲームを通じて世界をつないでいます。

こちらのリンクから、Apptivateポッドキャストのエピソード95にアクセスできます。

最近まで、マーケターは特定のユーザーがオンラインで行うすべての行動をトラッキングすることができました。すべてのカスタマージャーニーは最初から最後まで測定され、マーケティング活動を最適化するためのインサイトを提供する数百万のデータポイントが生成されました。AppleのiOS 14.5以降のバージョンでは、ユーザーのプライバシーへの関心が高まっていることを受け、ユーザーIDまたは広告主向けの識別子 (IDFA) の使用を非推奨としています。IDFAがなければ、マーケティング活動は従来のアトリビューションモデルでは測定できません。

Casual Impactは、マーケターがインストールとコンバージョンのうち、実際にマーケティングキャンペーンに起因している割合を把握するのに役立ちます。この手法は、時系列要素と結合された実際のデータに基づいて予測を行うため、インストールやコンバージョンに影響を与えるTVキャンペーンや製品の発売など、追跡が困難なマーケティング活動をも考慮することが可能です。

Causal Impact分析とは?

インクリメンタリティ測定において、Causal Impactは、IDの無いマーケティングキャンペーンの因果関係を推定するための方法論です。因果関係は、相関関係とは異なり、何かが起こったこと、または何かが原因で起こっていることを証明するものです。モバイルマーケティングでは、ユーザーがアプリをインストールしたり、何かを購入したりといった行動の変化を引き起こしたきっかけが広告であったかどうかをCausal Impactで判断します。

Causal Impactは、記録された履歴情報をもとにマーケティングのポートフォリオを最適化する機会を提供するデータライブラリです。ベイズ構造時系列 (BSTS)を用いたこの統計モデルは、確率的アトリビューションモデルとは逆に、マーケティング活動を測定する決定的な方法を提供するものです。

« 以前はあらゆる人をトラッキングできましたが、今はそれができなくなりました。ですから、Causal Impactは私たちにとって本当に素晴らしい手法なのです。 »

ALICIA HORSCH氏、データサイエンティスト、SOCIALPOINT社

Causal Impact オンラインマーケティングキャンペーンに適用する

Causal Impact分析は、過去のデータを使用して、マーケティングキャンペーンがなかったらどうなっていたかを予測することで機能します。これはよく反実仮想と呼ばれ、起こっていないことを述べるものです。

あらゆるテストと同様、オーディエンスを2つのグループに分けます。これらのグループはテストグループおよびコントロールグループと呼ばれます。インクリメンタリティ測定では、広告はテストグループに配信されますが、コントロールグループには配信されません (広告は表示されない状態です)。

iOS 14.5のロールアウト以降、ランダム化が不可能になったため、オーディエンスを分割することはより困難になりました。IDFAを使わずに、マーケターはオーディエンスを分割する新しい方法を考え出しています。地域、プラットフォーム、OSバージョン、デバイスタイプなどは、オーディエンスを分割するさまざまな方法の一部です。ただし、いくつかのパラメータには注意点があることに留意する必要があります。異なる地域に基づいてユーザーをターゲティングする場合 (例:ベルリンとハンブルグ) では、ユーザーは同じ日に別の場所にいる可能性があり、その結果、グループの分割に影響を及ぼします。デバイスモデルを使用することが、現在のところオーディエンスを分割する最も信頼できる方法です。

Causal Impact分析では、コントロールグループの行動に基づいてテストグループの行動を予測します。アップリフトは、特定の期間に見られる実際の行動と予測される反実仮想の行動の差と定義されます。クリック数やインプレッション数のようなテストグループのKPIは、キャンペーン実施中の広告の影響を測定するために1つ以上の共変数(多くの場合、コントロールグループ)と組み合わされます。

たとえば、あるキャンペーンが祝日に実施され、インストール数が増加したとします。共変数はこの情報を捕らえ、処理し、キャンペーン期間内のテストグループの行動を予測します。また別の例では、日曜日にコンバージョンが増加することが挙げられます。Causal Impactでは、コントロールグループはその傾向を捉え、その差を説明します。説明できない変化は、アップリフトとして測定されます。

どちらのシナリオでも、複数のキャンペーンを同時に実施すると予測の精度に影響を与える可能性があるため、毎回1つの実施のみを実行することが重要です。

重要なポイント

AppleのApp Tracking Transparency (ATT) フレームワーク開始後、ユーザーレベルのトラッキングはより制限され、マーケティング活動の測定と最適化が難しくなっています。インクリメンタリティ測定でCausal Impactを使用すると、マーケターは過去のデータと予測分析を使用してキャンペーンの価値を評価できます。