本当の成果で測る — データが許す測定と予測（記述・予測編）

「コンバージョンが増えました」という報告は、「売上が増えました」という意味ではありません。広告管理画面が数えるCV（フォーム送信）と、本当の成果（実際の成約・手数料）は別物で、前者だけを最適化すると「成約しないリードを量産する」事故が静かに進みます。この記事では、本当の成果から逆算して測定し、データが「どこまで測れるか」を見極め、予測を営業の意思決定に接続するまでを、匿名化した実在のB2B案件を例に整理します。

扱うのは新しい手法の話ではなく、手元のデータが何を可能にするか（アフォーダンス）から手法を仕分ける、という順序の話です。取引件数が少なく高単価で、検討が長く営業が介在するB2Bでは、この順序を踏まないと、自社に存在しないデータ量を前提にした手法に工数を溶かすことになります。

媒体のCVを追うと、なぜ成約しないリードが増えるのか

広告管理画面の「CV」は、多くの場合「フォームが送信された」回数です。B2Bでは、フォーム送信から実際の成約まで数週〜数ヶ月かかり、しかも大半は成約に至りません。にもかかわらずCVを最適化目標に据えると、媒体のアルゴリズムは「送信されやすい人」を集めにきます。結果として、安く大量に送信が積み上がる導線ほどCV単価は良く見える——けれど、それが成約に繋がっているとは限りません。最適化対象が「送信」である限り、最適化は成約しないリードを増やす方向に働きます。

実例として、都内のオフィス仲介サイト（匿名化した受託案件・数値はレンジで丸めています）を使います。この案件では、プラットフォーム内で完結するインスタントフォーム経由のリードはCV単価が魅力的に見える一方、サイトフォーム経由と成約率を並べると差が出ました。大事なのは業種ではありません。ここで効いている構造は「取引件数が少なく高単価で、検討が長く営業が介在するB2Bリードジェン」で、これはB2B SaaSや事業会社のリード獲得の多くが共有する構造です。自社が同じ構造なら、同じ事故が起きえます。

「お金の真実」はどのシステムにあるか

測定の起点は、売上が確定する場所です。広告管理画面でもアクセス解析でもなく、B2BならCRM——そこにある実際の成約と手数料額が「お金の真実」です。測定がそこまで届かなければ、どれだけ手前を精緻に測っても意思決定は変わりません。

ここから出すのは、チャネル別の真のCAC（成約あたりの獲得コスト）、手数料ベースの真のROAS、そして回収期間です。注意すべきは時間軸で、成約まで数ヶ月のラグがあるため、必ず「リード作成コホート」で見ます。直近に獲得したリードはまだ成約が確定していない（未成熟）ので、確定前のコホートで成約率を見ると過小評価になります。媒体報告CVとCRM実成約の乖離を可視化するだけでも、どのチャネルに寄せるかの判断はしばしば反転します。

どこまで遡れるか — 「接合率」が測定の天井を決める

予測でも因果でも、その手前に「露出 → 識別子（ID）→ 成果」を一本に繋ぐ背骨が必要です。この背骨は「繋がる／繋がらない」の二択ではなく、流入経路ごとに濃淡があります。サイトフォーム経由は行動まで濃く辿れても、先ほどのインスタントフォームは行動データがそもそも無く、背骨はほぼゼロです。

そこで着手前に一度、「成果のうち、その手前の行動まで一本で辿れるものは何パーセントか」を測ります。これを接合率（spine coverage）と呼びます。接合率は、これから作ろうとする各手法の「適用可能な範囲の上限」を画定します。たとえば全成果の半分しか行動が紐づかないなら、予測モデルが学習に使える実弾はその半分です。測らずにモデルを作ると、想定より少ないデータで動かすことになり、期待外れに終わります。

予測で「当てる」より「動かす」

リードスコアリング（商談化・成約確率の予測）の目的は、精度自慢ではありません。営業の優先順位を変えること、ホットリードを即座に検知して通知することです。出力が現場の動きを変えなければ、保守コストだけの負債になります。

取引件数の少ないB2Bでは成約ラベルが少ないので、最終成果（成約）をいきなり目的変数にすると学習が安定しません。先行指標（商談化・SQL）を目的変数に置くと、件数の壁を越えやすくなります。閾値は、モデルが出した確率が実際の的中率と一致しているかを確かめたうえで決めます——「確率70%」と出た相手のうち、本当に7割が成約するか、ということです。ここがずれていると、通知が鳴りすぎるか鳴らなさすぎるかのどちらかになり、営業の負荷設計が崩れます。

ここで一つ伏線を置きます。「予測に効く変数」と「因果のある変数」は別物です。スコアが高い相手＝その人に施策を打てば効く相手、ではありません。誰に打てば効くのかは予測ではなく因果の問いで、これは因果編の主題です。

6軸で自社の構造を見立てる

どの手法が成立するかは業態名ではなく、その下にある構造で決まります。決裁者が自社を当てはめるための6軸が次です。例として同じオフィス仲介案件の見立ても並べます。

自社の6軸が分かれば、「今この段階で何に資源を割き、何を後回しにするか」が言語化できます。

この段階で「やらないこと」

上の見立てから、取引件数の少ない単一市場ではMMM・地域実験・upliftはまだ成立しません（理由は因果編で詳述します）。重要なのは、それらを「いつかやる」ではなく「今はやらない＋成立する発動条件」として記録し、いま手元のデータが素直に許す記述（真のCAC）と予測（スコアリング）に資源を集中することです。

成熟度は記述 → 予測 → 因果 → 自動化の順に上がり、下の段が上の段の土台になります。飛び級して上段の手法から入ると、土台が無いまま不安定なモデルを抱えることになります。

意思決定への接続（まとめ）

最後のフィルタは単純です。その分析の出力は、予算配分・営業優先順位・配信対象のどれを実際に動かすか。動かさないなら作らない、もしくは後回しにする。記述で「どのチャネルに寄せるか」、予測で「どのリードを先に追うか」を動かす——ここまでが、取引件数が少ないB2Bが素直に許す範囲です。

章末チェックリスト

• 最適化目標が「媒体CV」ではなく「実成約」になっているか
• 真のCAC・回収期間をチャネル別に、リード作成コホートで見ているか
• 接合率（行動まで辿れる成果の割合）を経路別に一度測ったか
• 予測の目的変数が、件数の少ない最終成果ではなく先行指標になっているか
• スコアの出力が、営業優先順位か通知か、具体的にどの判断を動かすか言えるか
• 6軸で自社を見立て、今は記述・予測に集中すると決めたか

---

ここまでは「何を測り、何を動かすか」の判断です。真のCACの算出や予測モデルの実装（SQL・コード）は、対になるLab連載で具体的に扱います（本記事のbridge先）。次は同じデータで「その施策は本当に効いたのか」を問う段階——因果編へ続きます。