マーケティングKPIは「決めたい判断」から選ぶ：ダッシュボードから始めない指標設計

誰も問いを立てていないのに、答えを並べるダッシュボード

寝具のネットショップを例にします（仮の例）。ダッシュボードには14枚のカードが並んでいます。広告のインプレッション、Instagramのフォロワー数、セッション数、ページビュー、直帰率、平均セッション時間、注文数、メールマガジンの開封率、ほかに6つ。四半期が終わってみると、ほとんどの折れ線が右上がりです。ところが経営者が「広告予算から10万円をメールに回すべきか」と尋ねても、ダッシュボードは何も答えません。そもそも、この選択を決めるためではなく、活動量を見せるために作られているからです。

設計の順序は逆にします。まず判断を書きます（「次の予算をどこに置くか」）。次に、その判断を決められる形にする指標を選びます（広告費を引いたあとにチャネルごとに残る粗利）。そのために必要なデータを特定し、最後にそれを出すツールを決めます。GA4もLooker Studioもスプレッドシートも、ただの配管です。出来のよいダッシュボードとは、すべてのカードに「この数字が○○を下回ったら、△△をする」という一文を結びつけられるものです。

この進め方には、ツールが出せないものを知っておく作業も含まれます。GA4が記録するのはサイト上の行動イベントと、eコマースの計測を実装していれば売上額までです。粗利率も、返品も、実際の送料も知りません。それらは基幹システムや管理用スプレッドシートにあり、KPIの品質が決まるのはたいていそこです。さらに、計測できる範囲は同意やオプトアウトの設定にも左右されます。この点はGA4のタグ設計表の書き方で詳しく扱います。

指標ツリー：まず算数で分解する

KPIに関する解説書には、目的・戦略・戦術をピラミッドで描いたツリーがよく出てきますが、計算できるものはまれです。使えるツリーはもっと硬く、各階層が下の階層の関数として計算式で書けることを条件にします。次の表は、この規則を先ほどの仮のショップに当てはめたものです。

この例の第2階層は 粗利 − 広告費 と書け、粗利は セッション数 × コンバージョン率 × 平均注文額 × 粗利率 です。つまり第3階層の指標は好みで選ぶのではなく、式の因数として決まります。式に現れないもの（平均セッション時間、訪問あたりのページ数）は第4階層に下がります。動きを説明するには役立ちますが、運用の指標としては使いません。

分解で見えること：3つの改善レバー、3通りの収支

基準月の値は次のとおりです（すべて仮の値）。20,000セッション、コンバージョン率2%で注文400件。平均注文額8,500円で売上は3,400,000円。粗利率40%で粗利は1,360,000円。広告費は500,000円なので、広告費を引いた粗利は860,000円です。ここに、3種類の「10%の改善」を比べます。

3行とも売上は同じ3,740,000円ですが、手元に残る額は違います。購入したトラフィックでは36,000円しか残らず、ほかの2行では136,000円が残ります。セッション数を中心にしたダッシュボードなら、3つ目のシナリオも最初の2つと同じように祝ってしまうでしょう。ただし、この表が比べているのは効果であって、施策そのものではありません。コンバージョン率を10%改善するには開発やテストの工数がかかり、表はそれを数えていません。獲得コストと顧客生涯価値の計算を使えば、比較をもう一段先まで進められます。

判断テスト：安心させる指標と、照らす指標を分ける

虚栄の指標（バニティメトリクス）は間違っているのではなく、何も帰結しない指標です。この用語を広めたのはエリック・リースの『The Lean Startup』で、虚栄の指標と、行動につながる指標（アクショナブル・メトリクス）が対比されています。アヴィナッシュ・カウシックも、「だから何？（So what?）」を3回続けて問う似たテストを提唱しています。実務で候補の一つひとつに当てる版は、3つの問いに収まります。

1. どの判断か。判断を1文で書く。「経営陣に報告する」は判断ではありません。
2. 誰が、いつ決めるか。担当者のいない指標は、誰にも読まれません。
3. どの閾値から動くか。閾値は数字を見る前に決めます。そうしないと、変動のたびに事後的な解釈が始まります。

完全な答えの例も、仮のものです。「モバイルのコンバージョン率が2週連続で1.6%を下回ったら、EC責任者がモバイルの購入導線を監査する」。判断、担当者、期間、閾値が明示されています。「モバイルのコンバージョン率を見守る」では、何も起動しません。

GA4の用語を一つ押さえておくと、読み違いを避けられます。「エンゲージメント率」とは、エンゲージのあったセッションの割合のことです。Googleアナリティクスの公式ヘルプによれば、エンゲージのあったセッションとは、一定の時間（設定で変更可能）を超えて続いたか、キーイベントが発生したか、複数のページビューがあったセッションを指します。これは診断指標です。エンゲージメント率が高いページでも、注文を一件も生まないことはあります。

指標が自分に牙をむくとき

グッドハートの法則は、人類学者マリリン・ストラザーンによる定式化がよく引用され、測定値が目標になると、それは良い測定値ではなくなる、という内容です。マーケティングで最も多い仕組みは算術的なものです。比率には分母があり、現象そのものを動かさなくても、分母を動かすことで比率は改善できます。

分母の罠

ショップの20,000セッションが2つのチャネルに分かれているとします。チャネルAは新規開拓の広告で、10,000セッション、コンバージョン率1.0%、注文100件、広告費は500,000円。チャネルB（自然検索、メール、直接流入）は10,000セッション、コンバージョン率3.0%で注文300件、直接のコストはありません。合計は20,000セッションで注文400件、全体で2.0%です。

チームが全体のコンバージョン率で評価されるなら、最短の方法はチャネルAを止めることです。率は3.0%、相対で50%の改善になり、その代わり注文は400件から300件に減ります。では、コンバージョン率はKPIとして悪いのでしょうか。そうではありませんが、単独では判断を決められません。1注文あたりの粗利は8,500円 × 40% = 3,400円なので、チャネルAの粗利は100件 × 3,400円 = 340,000円、広告費は500,000円。止めれば結果は160,000円改善します。もし広告費が250,000円だったなら、同じ停止は90,000円の損失になりますが、全体のコンバージョン率はまったく同じだけ上がって見えます。この2つの状況を区別するのは、ツリーの第2階層である「コストを引いたあとの粗利」です。構築上の規則は一つ。比率は必ず件数と、あればコストとあわせて読むことです。

平均と限界

3つのレバーの表では、追加の2,000セッションが平均のコンバージョン率2%で成約すると仮定しました。もしそれがチャネルAから来て率が1.0%なら、注文は20件、粗利は20 × 3,400円 = 68,000円で、100,000円を使って32,000円のマイナスです。チャネル全体で観測した率は平均を表すだけで、予算の最後の一段を表してはいません。広げた配信先が、すでに反応した層と同じように成約する保証もありません。この限界での見方は基本的なダッシュボードにはほとんど出てきませんが、予算を増やす判断はすべてこれに左右されます。

もう一つの限界は、確かに見える数字が部分的な計測に基づいていることがあるという点です。一部の訪問者が計測を拒否していれば、GA4にはその人の注文が映らず、基幹システムには記録されます。事業側の正本（基幹システム）と分析側のデータを突き合わせるのは基本動作で、その手順はコンバージョンが計測されないときの診断で詳しく扱います。

成果物：1ページの指標シートと、それが解決しないこと

この方法の成果物は表で、設定作業の前に埋めます。行は第2・第3階層の指標ごとに1行、列は7つです。

この表の閾値は説明のために作った例です。自社の閾値は、業界平均ではなく、自社の履歴と目標から決めます。シートが埋まれば、画面構成は自然に決まります。意思決定に使えるマーケティングダッシュボードの作り方では、このシートの行を階層の順に並べていきます。

生成AIは、ツリーの下書きや見落としの指摘には使えます。ただし、基準値を作らせないこと、各計算式が実際に手元にあるデータで計算できるかを確認することが条件です。AIが提案しても、自社のどのツールからも出てこない指標は、シートに載せません。

もっとも、上から下へ降りる方法にもコストがあり、それを伏せるのは誠実ではありません。すでに分かっている判断から出発すると、すでに立てた問いの中に閉じ込められます。判断を決めずにデータを自由に探索すると、誰も監視しようと考えなかったセグメントや行動が見つかることがあります。2つの方法は補い合うもので、運用（ツリーと閾値）と探索（確かめるべき仮説、判断の約束はなし）を区別しておけば両立します。

一方で、件数がごく少ない場合、たとえば月に数十件の注文では、週次の比率は偶然で動きます。注文が1件増減するだけで率が0.数ポイント単位で動き、変動のたびに反応するのはノイズに反応することと同じです。その場合は、直近3か月の移動合計で件数そのものを読み、単一の値ではなく区間で考えるほうが適切です。Kohavi、Tang、Xuは、管理されたオンライン実験の文脈で、結果を見る前に評価基準を決めておく必要を強調しています。この原則は日常の運用にも当てはまります。

指標設計から計測設計、分析へとつなげる学習は、マーケティング分析・AI実践コースでも扱っています。