マーケティングの時間減衰モデル

公開 2025/11/04更新 2026/07/26

リードスコアリングやアトリビューション分析で使われる時間減衰モデルについて、代表的な数式と主要ツールの実装例を整理します。

リードスコアリング、アトリビューション分析、レコメンデーションシステムで活用される時間減衰モデルについて、最近学ぶ機会があったので備忘録代わりにまとめてみました。数式を含む技術的内容ですが、実装を検討されている方の参考になれば幸いです。

時間減衰モデルとは？

時間減衰モデル（Time Decay Model）とは、行動発生から経過した時間に応じて、その行動の重み付けを逓減させる手法です。例えば同一の資料ダウンロード行動であっても、1日前の行動は高く評価し、90日前の行動は低く評価します。

「顧客の関心度は時間経過とともに減衰する」「直近の接点ほど次のアクションに結びつきやすい」という経験則は、営業・マーケティング実務では広く認識されています。時間減衰モデルを導入することで、この経験則を定量的かつ再現可能な形で実装できます。

結論として、迷ったら指数減衰を選択するのがよいでしょう。営業オペレーションのルールを組み込んでカスタマイズしたい場合は、区分減衰（指数減衰+フラット）が適していると考えます。

各イベント発生が現在からt日前である場合の重み：

w(t) = e^{-\lambda t}

スコアリングは重み付き合計：

\sum_{i}{a_i e^{-\lambda t_i}}

パラメータ $\lambda$ は、半減期 $h$ で直感的に指定します。

\lambda = \ln 2 / h

※幾何減衰というモデルも存在しますが、等間隔の離散時間で使うなら指数減衰とほぼ同義なので省略しました。

w(t) = \begin{cases} 1 & (t\leqq t_0)\\ 0 & (t > t_0) \end{cases}

w(t) = \begin{cases} 1 & (t\leqq t_0)\\ e^{-\lambda (t - t_0)} & (t > t_0) \end{cases}

w(t) = (1 + \frac{t}{\tau})^{-p}

ただし、 $p > 0$

$p$ ：減衰の急さ（テールの重さ）
$\tau$ ：時間スケール

図：半減期14日

指数減衰とパワー減衰の比較

以前のユニバーサルアナリティクス（UA）時代のアトリビューションモデルでは、「減衰」を選択でき、半減期7日を既定値とした指数減衰が採用されていました。

ただし、GA4になってからは減衰モデルは廃止され、タッチポイント貢献度の計算は機械学習アルゴリズムがデフォルトになっています。

アトリビューションモデルにおいて、半減期7日を既定値とした指数減衰が採用されています。

※表記は「Time decay: 7-day half-life」、つまり、 $w(t)=2^{-t/7}$ ですが、これは $\lambda = \ln 2 / 7$ を仮定すれば指数減衰 $w(t) = e^{-\lambda t}$ と同義です。

アトリビューションモデルの「Time Decay」で指数減衰が採用されています。半減期7日が既定値でカスタマイズ設定が可能なようです。

Account Engagement (旧 Pardot) のスコアリングには、スコア減衰はなく、ワークフローでの自前設計（一定期間非アクティブなら減点、等）として実装する必要があるようです。公式/専門メディアでも“手動設計が必要”とされています。

AI機能（Einstein リードスコアリングなど）がAIモデルが内部的に時間経過の概念を扱っている可能性はありますが、明示的な減衰ルールはありませんでした。