
AI時代のクッキーレスアトリビューションとは、サードパーティCookieに頼らず、注文の背後にあるマーケティング、検索、AIエージェントのタッチポイントと注文を結び付けることです。欠ける部分は、ファーストパーティデータ、サーバーサイドイベント、集約されたブラウザレポート、モデリングで補います。Eコマースストアでは、これに加えてもう1つ問題があります。商品発見のかなりの割合がAIショッピングエージェント内で起きつつあり、広告がクリックされないまま進むこともあれば、エージェントがある商品を勧めても、購入者が別の商品を買うこともあります。このガイドでは、その両面を説明し、最初に何を整備すべきか、そして何をしても数値が曖昧なまま残る領域がどこかを解説します。
要点
- クッキーレスアトリビューションはツールではなく構成要素の積み重ねです。ファーストパーティデータ、サーバーサイドイベント、プラットフォームAPI、モデル推定があり、それぞれに既知の限界があります。
- プライバシー保護型の計測では、コンプライアンスと引き換えに精度と速度を手放します。数値は遅れて届き、集約され、ときにノイズも含むと考えてください。
- AIエージェントによって新しい層が加わります。売上をそのエージェントにアトリビューションする前に、そもそもエージェントが自社商品を推奨しているかを把握する必要があります。
- 商品情報の質はエージェントの挙動を変えます。公開された実験では、説明文の小さな修正で市場シェアが数パーセントポイント動きました。
- まずはクリーンなファーストパーティの基盤を整え、AIリファラルを別でタグ付けし、実際のエージェントに対して定期的に自社の商品情報をテストしてください。
クッキーレスアトリビューションの実際の意味
長年、サードパーティCookieによって、広告プラットフォームは他サイト上の広告から自社ストアでの購入まで購入者を追跡できていました。クッキーレスアトリビューションでは、その追跡の糸を別のシグナルに置き換えます。そこには、同意を得て収集したログイン情報やメールアドレス、自社プラットフォームの注文データ、サーバーサイドのイベントストリーム、そしてブラウザ自体が生成するレポートが含まれます。
この語句での「AI」は、通常次の2つのいずれかを指します。
- 計測エンジンとしてのAI。 直接のつながりが欠けているときに、どのタッチポイントに貢献を配分すべきかをモデルが推定します。これは多くのアトリビューションベンダーが掲げる売りです。
- チャネルとしてのAI。 購入者はChatGPT、Gemini、Claude、Perplexityに何を買うべきかを尋ね、その回答からストアに誘導されたり、代わりに購入が実行されたりします。ここでのアトリビューションとは、AIエージェントに自社商品が選ばれたタイミングと、その価値を把握することです。
多くのガイドは前者だけを扱い、後者を無視しています。ShopifyやWooCommerceのストア運営者は、その両方に対応する必要があります。
サードパーティCookieの現状
スケジュールは何度も変更されてきました。GoogleはChromeでサードパーティCookieを段階的に廃止する予定でしたが、2025年にサポートを継続し、 ユーザー選択モデル を提供すると発表しました。これは独立した同意プロンプトではなく、Privacy Sandbox APIも引き続き利用可能です。実際には、環境は混在しています。一部の訪問者には依然としてサードパーティCookieがありますが、Safari、Firefox、プライバシー拡張機能、またはCookieをブロックするChrome設定を利用している訪問者もいます。
そのため、待つという選択は得策ではありません。すでに一定割合の訪問者ではデータが不完全であり、その割合はオーディエンスによって異なります。ブラウザポリシーがどう変わっても、Cookieに依存しない計測基盤を構築するのが安全策です。
Cookieレス計測の構成要素
ファーストパーティデータ
これが基盤です。ストアは、誰が注文したか、何を購入したか、どの割引コードを使ったかを把握しています。購入後アンケート(「どこで当ストアを知りましたか?」など)を追加すれば、「ChatGPTで調べた」といった、ピクセルでは取得できないシグナルも収集できます。自己申告型のアトリビューションは完璧ではありませんが、AI支援による発見が記録に残る唯一の場所になることも少なくありません。
サーバーサイドトラッキング
購入者のブラウザからすべてのイベントを送信する代わりに、サーバーから広告プラットフォームや分析ツールへコンバージョンイベントを送信します。イベントは広告ブロッカーを回避しやすくなり、ストアから何を送信するかも制御できます。ただし、法律で必要な場合の同意取得が不要になるわけではなく、失われた識別情報が自動的に復元されるわけでもありません。
ブラウザレベルのプライバシーAPI
Googleの Attribution Reporting API は、クロスサイトトラッキングを制限しながら、広告インタラクションとコンバージョンを対応付けるブラウザ生成レポートを提供します。この設計には2種類の出力があります。Googleの システム概要によると、イベントレベルレポートは通常2〜30日の遅延後に届き、集計可能レポートは1時間以内のランダムな遅延で送信されますが、要約を生成するには集計サービスが必要です。多くの中小規模ストアでは、自前で構築するのではなく広告プラットフォーム経由で利用することになります。重要なのはデータの性質であり、「遅延」「部分的」「集計済み」である点です。
モデリングされたコンバージョン
広告プラットフォームや分析ツールは、統計モデルで欠損を補います。これは予算配分の判断には有用ですが、個別注文の監査証跡としては信頼できません。誤差を含む推定値として扱い、自社の注文合計と定期的に照合してください。
技術では解消できないトレードオフ
規制当局と研究者は、同じトレードオフを指摘しています。シンガポールIMDAのプライバシー保護型アトリビューションに関するケーススタディでは、 プライバシーと有用性のバランスについて説明しており、これは多くの場合、リアルタイムではなく数時間〜数日単位のレポートや、精度低下を受け入れることを意味します。差分プライバシー技術は意図的にノイズを加えるため、日次プロモーションを行うストア運営者にとって、同日中の細かな意思決定は難しくなります。
学術研究からのもう1つの注意点もあります。アドテク企業がプライバシーをどのように定義しているかを分析した研究では、それが主に 匿名性と個人トラッキングの制限として位置付けられていることが示されており、「プライバシー保護」という表現が常に絶対的なデータ保護を意味するわけではないと警告しています。つまり、ベンダーの主張を批判的に読み、どのデータが収集され、どこへ送られ、どのような同意が必要なのかを確認する必要があります。
また、アトリビューションは1つの視点にすぎないことも重要です。一部の代理店は、 アトリビューションだけでは不十分 であり、マーケティングROIを説明しきれないと主張しています。これは、データのノイズが以前より増えている今、さらに重要です。アトリビューションはチャネル比較の方向性を見るために使い、総売上と総広告費のような統合指標と組み合わせてください。
新たな課題:AIショッピングエージェントのアトリビューション
Cookie消失は、既知の回避策がある既知の問題です。AIエージェントは別の問題を生みます。購入者が予算内で最適な防水ジャケットをアシスタントに尋ねると、アシスタントは商品ページを読み、選択肢を比較し、いくつかの商品を提示します。購入者はクリックするかもしれませんし、後でブランド名を検索バーに入力するかもしれません。またはエージェントに購入を完了させるかもしれません。分析ツールでは、これがダイレクトトラフィック、指名検索、あるいは何も記録されないケースとして扱われる可能性があります。

これが難しい理由は3つあります。
エージェントは人間の購入者ではありません。 研究者は、AIエージェントが何を購入するかを検証するためにACESというサンドボックスを構築し、 モデルごとの顕著な感度差 が商品情報の構造、価格、推奨情報に対して存在することを発見しました。あるモデルで効果がある調整が、別のモデルではほとんど効果を持たない場合があります。
ラストクリックは誤解を招きます。 ECレコメンドに関する論文では、 「Click A, Buy B」パターンについて説明しています。これは、ある商品に接触したユーザーが後で別の商品を購入する現象です。AIエージェントでは、推薦を獲得した商品と最終的にカートに入る商品が異なる場合があるため、最後のクリックだけに貢献を割り当てると実態を歪めます。
リファラルラベルは不完全です。 一部のAI製品は外部リンクにソースパラメータを付与しますが、そうでないものもあり、多くの言及はクリックすら発生しません。分析ツールで見える数値は全体ではなく下限値です。
そもそもAIエージェントに選ばれているか? まずそこを測定する
売上をAIエージェントに帰属させる前に、そもそもエージェントが自社商品を選んでいるかを確認してください。これはCookieでは取得できなかった上流指標であり、直接改善できる指標でもあります。
ACES実験は参考になります。商品説明を最適化した後、販売者の平均市場シェアは 2.69〜5.64ポイント上昇しました。モデル別では、Claude Sonnet 4で+2.69、GPT-4.1で+5.64、Gemini 2.5 Flashで+4.83です。これはシミュレーション市場での実験結果であり、実ストアでの成果を保証するものではありません。しかし、コンテンツ変更がエージェントの選択に影響し、モデルごとに反応が異なることを示しています。

グラウンディングも重要です。対話型ショッピングエージェントに関する研究では、 正確な商品情報を引用すること によってエンゲージメントが3%〜10%向上し、引用生成アプローチによってグラウンディング性能が13.83%改善したと報告されています。ページ上に明確で検証可能な商品情報があることで、エージェントは安全に繰り返し利用できます。
AIがストア全体でどのように活用されているかを広く知りたい場合は、この ECにおけるAI活用事例 のまとめを見ると、どのようなコンテンツ施策が成果につながっているかが分かります。
ShopifyまたはWooCommerceストア向けの実践的な構成
この手順は多くのストアで機能し、専任のデータチームも必要ありません。
- 基準値を固定する。 週次の注文数、売上、新規顧客とリピーターの比率、広告費を、広告ダッシュボードではなくストアプラットフォームから記録してください。これが基準データになります。
- 購入後アンケートを追加する。 検索、SNS、友人、ポッドキャスト、「AIアシスタント(ChatGPT、Geminiなど)」といった選択肢を含めてください。毎月確認してください。
- サーバーサイドイベントを送信する 際は、顧客が居住する地域の法律に適合した同意処理を行いながら、主要な広告プラットフォームへ送信してください。
- AIリファラルを分類する。 分析ツール内で既知のAIソース用チャネルグループを作成し、リファラルやダイレクトトラフィックに埋もれないようにします。新しい製品が登場するため、リストは四半期ごとに見直してください。
- ホールドアウトテストを実施する。 特定地域または1週間だけチャネルを停止し、総売上の変化を確認してください。トラッキングが曖昧な場合、インクリメンタリティテストが最も明確な答えになります。
- エージェントでの表示状況を検証する。 購入者が使う質問に対して、ChatGPT、Gemini、Claude、Perplexityが自社商品を推奨しているかを確認し、その枠を獲得している競合商品と比較してください。
- 書き直し、再公開し、再スキャンする。 テストで見つかった不足点を修正し、その後再テストしてください。モデルの挙動は変化するためです。
手順6と7は、多くのストアでまだ仕組み化されておらず、小さな改善が最も大きな成果につながる部分です。
整理されたAIアトリビューションビューの例
| 質問 | シグナル | 信頼度 |
|---|---|---|
| エージェントは自社を推奨したか? | シミュレーションまたはサンプル化されたエージェントクエリ | テストしたプロンプトでは高いが、全体としては限定的 |
| トラフィックを送ったか? | 分析ツール内でタグ付けされたAIリファラル | 下限値のみ。タグなし訪問は含まれない |
| 注文につながったか? | リファラル経由の注文とアンケート回答 | 中程度 |
| 総売上を押し上げたか? | ホールドアウトと統合売上トレンド | 最も高いが、時間がかかる |
どれかひとつの項目だけで答えは出ません。これらを組み合わせることで、一貫した説明が可能になり、何が実測で何が推定なのかについても誠実に示せます。
私たちの考え
ecenticを構築した理由は、ストア運営者が抱える問いが変わったからです。以前は「どのクリックに貢献を配分するか」でした。今は「AIエージェントは自社商品を選ぶのか、選ばれない理由は何か」です。Cookieレスアトリビューションが扱うのは、ユーザーが到達した後の後半部分です。一方で、エージェントが誰を言及するかを決める前半部分については、ほとんど分かりません。
そのため私たちは、一般的なSEO要因でページを採点するのではなく、実際のAIショッピングエージェントの振る舞いをシミュレーションしています。人間には完璧に見える商品情報でも、エージェントが構造、価格シグナル、不足している属性を異なる重みで評価するため、競合商品に負けることがあります。負けた具体的な理由が分かれば修正でき、その修正をShopifyやWooCommerceに反映し、再スキャンして選択率が変化したかを確認できます。このサイクルをアトリビューション済みの注文に結び付け、改善を見栄えだけのスコアではなく売上につなげています。
計測に関するアドバイスとしては、完璧なアトリビューションツールを待たないことです。そのようなものは存在しません。まずはファーストパーティデータの基盤を整備し、AIチャネルをタグ付けし、結果を変えられる場所、つまり商品情報そのものに注力してください。
— Xhurian
AIエージェントから見たストアをテストする
ShopifyまたはWooCommerceストアを運営している場合、ecenticではAIショッピングエージェントが商品ページをどのように評価しているかを確認できる無料の導入スキャンから始められます。その後、プランに移行できます。Competeは月額$14.90、Scaleは月額$44.90、Dominateは月額$149です。さらに、AIアトリビューション済み注文ごとに3%の手数料も発生します。 プランと料金をご覧いただくか、 UCP Playground でストアに対するエージェントの動作をテストしてください。商品情報の最適化については、 AI向け商品情報最適化.
エージェントが引用しやすい商品情報を作る
アトリビューションは「何が起きたか」を示します。商品情報の改善は「次に何が起きるか」を変えます。モデルを問わず役立つ習慣をいくつか紹介します。
- 属性は明確に記載する。素材、寸法、互換性、保証、配送条件は、画像だけでなく構造化フィールドにも記載してください。
- 商品タイトルは具体的に保つ。 AI向け商品タイトル のガイドでは、そのテスト方法を解説しています。
- 主張は検証可能にする。上記研究が示すように、正確で引用可能な事実に基づくエージェントほど高い成果を出します。
- 購入者が行う比較質問をカバーする。たとえば、自社商品が既知の代替商品とどう違うかを説明してください。
- 変更後は毎回再スキャンする。手順ベースで進めたい場合は、 AIショッピングエージェント向けに商品情報を最適化する方法 や、 AIが読み取りやすい商品ページ.
商品タイプについての注意点もあります。消費者反応に関する研究では、人々は 探索型商品については、AIを人間の専門家より透明性と信頼性が高いと見なす一方、主観的判断が必要な経験型商品では、その傾向が弱まるか逆転することが分かっています。後者を扱う場合は、エージェント向け仕様情報に加え、レビュー、デモ、人間の声も組み合わせてください。
避けるべきよくあるミス
- 1つのダッシュボードだけを信頼する。 各プラットフォームは自分に有利な形で測定します。ストア全体の数値と照合してください。
- リアルタイム精度を期待する。 プライバシー保護型レポートは、設計上、遅延と集計を伴います。
- 同意を軽視する。 サーバーサイドだからといって同意不要ではありません。販売先市場ごとのルールをプライバシー専門家と確認してください。
- すべてのエージェントを同じように扱う。 実験結果が示すように、同じ修正でもモデルごとに反応は異なります。
- クリックだけを数える。 エージェントでの言及が、翌日の指名検索につながることもあります。アンケートとホールドアウトテストで、クリックでは見えない部分を把握できます。
FAQ
CookieレスアトリビューションはCookieベースより精度が低いですか?
通常は、役に立たないというより、粒度が粗く遅いという違いです。プライバシー保護型手法では、コンプライアンスと引き換えに精度低下やレポート遅延を受け入れることが一般的です。ファーストパーティデータ、モデル推定、ホールドアウトテストを組み合わせることで、単一ソースに依存するより良い判断ができます。
AIはCookie欠損によるギャップを埋められますか?
部分的には可能です。モデルはタッチポイント間の貢献を推定できますが、観測ではなく推論に基づくため誤差があります。予算配分の方向性判断に使い、自社の注文データで検証してください。
ChatGPTやGeminiが売上を送っているかどうかはどう分かりますか?
分析ツールで既知のAIリファラルソースにタグを付け、購入後アンケートにAI項目を追加し、指名検索のトレンドを追跡してください。多くのエージェント言及はタグ付きクリックを生まないため、これらは下限値になります。そもそもエージェントが自社商品を推奨しているかを検証することで、上流の状況が見えてきます。
AIショッピングに備えるには新しいアトリビューションツールが必要ですか?
必ずしも必要ではありません。まずは整理されたファーストパーティデータ基盤とサーバーサイドイベントから始めてください。多くのストアに欠けているのは、エージェントが商品情報をどう順位付けしているかの可視化であり、これはクリックアトリビューションとは別の課題です。
参考資料
- Google Privacy Sandbox: Attribution Reporting API 概要
- Google Privacy Sandbox: Attribution Reporting システム概要
- JENTIS: GoogleはサードパーティCookieを廃止しない
- IMDA: プライバシー保護型アトリビューションと計測のケーススタディ
- Private attributes: プライバシー保護型アドテックの意味と仕組み
- What Is Your AI Agent Buying?(arXiv)
- Click A, Buy B: ECレコメンドにおけるコンバージョンアトリビューションの再考(arXiv)
- Cite Before You Speak(arXiv)
- 人間とAIのレコメンドが消費者反応に与える影響
関連トピックを確認