ROASが食い違うとき、AIにどう聞けばよいか

同じキャンペーンなのに、ROASが4つある

月曜の9時50分、10時からのクライアントの定例報告を前に、ノートPCに3つの画面を開きます。Meta広告マネージャはROAS 4.2、GA4は2.8、バックオフィスは3.5を示しています。3つとも同じキャンペーン、同じ期間です。会議でどの数字を話すかは毎週決めなければならず、毎週だれかが「なぜ数字が違うのか」と聞きます。

もっと困るのは、媒体別の貢献売上を足すときです。Metaが自分の貢献売上を420万円、Googleが360万円、Yahoo!広告が180万円だと言っているのに、バックオフィスの実際の決済売上は700万円かもしれません。媒体が嘘をついているというより、各媒体が自分の広告の接点の中で貢献を手厚く認め、互いに重複を除いていないからです。

だから同じMetaでも数字は2つに分かれます。Meta広告マネージャのROASは、Metaが自社のアトリビューションのルールで認めた成果であり、GA4のMetaのROASは、GA4がチャネル全体の経路の中でMetaに配分した成果です。たいてい後者が低く見えるのは、GA4が他のチャネルとの重複した貢献を分け合ったり、ラストクリックやデータドリブンモデルといったレポート用のアトリビューションの基準を適用したりするからです。

このときAIエージェントに「ROASを分析して」と聞いても問題は解決しません。AIはより速く複数の数字を並べられますが、媒体の自己申告なのか、GA4が配分したチャネルの値なのか、バックオフィスの実売上基準なのかを決めてあげないと、同じ混乱を自動化するだけです。

違いを生む基準は4つです

ROASの違いを生む1つ目の基準はアトリビューション、なかでもコンバージョンを認める期間です。広告のクリックや表示のあと、何日以内に発生した購入までをその広告の成果と認めるかを決める基準です。Google広告とGA4はコンバージョンの計測期間とレポート用のアトリビューションモデルを設定でき、TikTokもクリック後のコンバージョン、視聴後のコンバージョン、表示後のコンバージョンの期間を分けています。

2つ目は、表示後のコンバージョンの扱いとモデリングです。ユーザーが広告を見てクリックせずにコンバージョンしたときにそれを認めるのか、プライバシー保護やブラウザの制限で観測できなかったつながりをモデリングで補うのかによって、数字は変わります。Google広告も、観測できないアトリビューションの空白を補うためにモデリングされたコンバージョンを使うと説明しています。

3つ目は、コンバージョン値の定義です。ピクセルが送るvalueが消費税込みなのか、送料込みなのか、キャンセルと返金が引かれているのかによって、媒体のROASとバックオフィスのROASは自然に開いていきます。Google広告の目標ROASも、結局は広告主が申告したconversion valueを基準に動きます。

4つ目は、貢献の重複です。ひとりの顧客がMetaの広告を見て、Googleの検索広告をクリックし、指名検索を経て購入すると、各媒体は自分の接点の中で成果を認めることができます。媒体別の貢献売上を単純に合計すると実際の受注の売上より大きくなり、媒体別のROASを合計すると、全体のROASのように見える偽の数字になります。

市場は、唯一の正解のROASを探していません

市場では、プラットフォームのROAS、分析ツールのROAS、バックオフィスのROAS、全体の混合ROAS、マーケティング効率比（MER）、増分効果を、それぞれ違う用途で分けて見ています。Northbeamは、プラットフォームのレポートと自社のマルチタッチのアトリビューション（MTA）モデルの間のROASの差を、アトリビューションモデル、計測期間、カスタマージャーニーの違いで説明しています。Triple Whaleも、ファーストパーティのクリックデータ、確定的なビューのデータ、購入後アンケートといったデータソースとアトリビューションモデルを、用途別に分けています。

Googleも、アトリビューション、増分効果の実験、マーケティングミックスモデリング（MMM）をあわせて使う方向を示しています。アトリビューションはジャーニーの接点を説明し、増分効果は広告の表示によって追加で発生したコンバージョンを実験で見ます。マーケティングミックスモデリングは、集計データをもとに外部要因と長期の効果まで扱います。

つまり実務の方向は、「どの数字が絶対的に正しいか」ではありません。プラットフォームのROASはその媒体の中でキャンペーンとクリエイティブを比較するときに使い、GA4のROASはチャネル間の貢献を同じ基準で分けて見るときに使い、バックオフィスまたは全体の混合ROASは実際の損益と予算の判断に使います。媒体が申告した貢献売上を全部足して全体の売上と呼ばないことが基本です。

NeuroでAIにROASを任せるときも、この区別をそのまま持ち込む必要があります。AIが「MetaのROASが良いので増額」と言うためには、まずそのMetaのROASがMeta広告マネージャ基準なのか、GA4でMetaのチャネルに配分されたROASなのか、バックオフィスの実売上で再計算した値なのかを明示する必要があります。

AIに「ROAS下がった?」と聞いてはいけない

悪い質問は短いです。「先週のROASはなぜ下がったの?」と聞くと、AIはどの出どころを見ればよいのか、どの計測期間を当てはめればよいのか、前週比なのか前月平均比なのかがわかりません。結果はたいてい、複数の指標を並べる要約で終わります。

良い質問は、数字の出どころと判断の目的を先に固定します。たとえば「うちのチームがレポートの基準にしているGA4のアトリビューションモデルで、5月11日から5月17日までのROASを、5月4日から5月10日までと比較して。Meta広告マネージャのROASは参考として並べて表示するだけにして、媒体別の貢献売上は合計しないで」のように聞きます。

良いROASの質問に必要な4つの要素

1. 出どころを決めます。GA4基準なのか、Meta広告マネージャ基準なのか、Google広告基準なのか、バックオフィス基準なのかを先に伝えます。
2. アトリビューションの基準を固定します。クリック後7日、表示後1日を含む、データドリブンアトリビューション、ラストクリックのように、その数字が作られたルールを書きます。
3. 比較する期間を明示します。前週の同じ曜日、直近7日、先月の平均、キャンペーン開始の初週のように、ベースラインを選びます。
4. 判断の目的を書きます。レポートの説明なのか、予算の増額なのか、キャンペーンの停止なのか、計測の不具合の点検なのかによって、AIが見るべきデータが変わります。

この4要素を毎回自分で書くのが面倒なら、NeuroではROAS分析用のGemとして固定するほうが向いています。Gemの指示に「意思決定に使うROASは、バックオフィスの決済売上から返金を除いた値を基準にする」「媒体のROASは内部の最適化の参考として扱う」「レポートには出どころとアトリビューションの基準を必ず表示する」といったチームのルールを入れておきます。

そのまま使えるプロンプト5つ

これらのプロンプトに共通するのは、AIに結論から求めないことです。まず基準を固定し、その基準で比較し、確認のアクションまで依頼します。こう聞くチームは、ROASの数字が食い違ったときに言い訳をする時間が減り、次に何を確認するかをすぐ決められます。

Neuroでは、ROASの基準をワークフローとして保存します

NeuroでROASの分析を繰り返すなら、毎回長い質問を書き直すより、ワークスペースの基準とGemに分けるほうが向いています。ワークスペースには意思決定に使うROASを固定します。たとえば「予算の判断は、バックオフィスの決済売上から返金を除いた値を基準にする」「媒体のROASはキャンペーン内部の最適化の参考として使う」のように、チームの意思決定の原則を残します。

次にROAS分析のGemを作ります。Gemの指示には、確認する順番、除外すべき数字、レポートでの表現のルールを書きます。たとえば「まず意思決定用のROASを確認し、次にGA4、最後に媒体のROASを参考にする」「出どころの違うROASを1行に合計しない」「AIが予算の変更を提案するときは、必ず基準となるROASと参考のROASを分ける」のように書きます。

1. 出どころをそろえる: 同じキャンペーン、同じ期間、同じタイムゾーンで、GA4、媒体、バックオフィスのROASを並べて見ます。
2. 合計は禁止: 媒体別の貢献売上とROASを、全体の売上や全体のROASのように足しません。
3. 差の分解: 計測期間、表示後コンバージョンの扱い、モデリングされたコンバージョン、貢献の重複、返金、タイムゾーンのうち、どの要因で説明できそうかの仮説を作ります。
4. 検証のアクション: Metaのアトリビューション設定の比較、GA4のイベントの点検、バックオフィスの返金の再計算のように、人が確認する次の行動を出力します。

この流れは、NeuroのGemの使い方とよく合います。Gemはプロンプトを長く保存する機能ではなく、チームの広告運用の基準を、繰り返せる業務モードとして固定する仕組みです。ROAS分析のGemをひとつ作っておけば、翌週も同じ基準で聞き、同じ構造で回答をレビューできます。

AIがROASでできないことも決めておきます

AIがすべてのROASの差を断定できるわけではありません。媒体が内部で補正したモデリングされたコンバージョンの精度は、外部からそのまま検証するのが困難です。AIは「この差はモデリングによる可能性がある」と言えても、売上の何パーセントが実際にモデリングによるものかを確定してはいけません。

バックオフィスの売上や返金のデータが連携されていなければ、意思決定用のROASも作れません。このときAIは、媒体のROASとGA4のROASの差を説明することはできても、実際の損益を基準にした予算の増額を決めてはいけません。新しいキャンペーンの初週のようにデータの少ない区間も同じです。

報告の前に、5分だけ確認すること

• スライドやチャットの回答に、ROASの出どころを書いたか。
• 計測期間とレポート用のアトリビューションモデルが、前回の報告と同じか。
• 媒体のROASと意思決定用のROASを、ひとつの表で合計していないか。
• タイムゾーンが、GA4、媒体、バックオフィスで同じ日付を意味しているか。
• 返金、キャンセル、消費税、送料が、どのROASに反映されるかを説明したか。
• AIが提案した予算の変更は、基準となるROASにもとづいているか。それとも媒体の参考値に寄りかかっているか。

ROASが違って見えること自体はなくなりません。なくすべきなのは数字の差ではなく、その差を説明できないまま会議に入る状況です。NeuroでAIにROASを任せるとは、AIがひとつの正解の数字を選んでくれることではありません。チームがどのROASで決めるのかを定め、AIが毎回その基準を守るようにすることです。