同じページで2つの計測ツールを1週間動かしたとします。一方は700件、もう一方は900件の訪問を記録しました。差の200件を「ブロックされた訪問」と呼びたくなるかもしれません。しかし、その結論には、どちらの合計にも含まれていない情報が必要です。
1人につき1回の訪問に限定し、受信したイベントは両方のツールが正確に数えると仮定しても、両方が見逃した訪問の数は分かりません。合計だけでは、両者がどの訪問を共有しているかさえ分かりません。
大きいほうの数値で小さいほうを補正しようとすると、この問題が重要になります。観測した2つの集団の比率は、両方から抜け落ちた集団の大きさを測ってはいません。
見えないセル
ここからは人工的に作った例です。Zenovayの実際のトラフィックではありません。固定した7日間に、対象となる各訪問は各ツールに1回ずつイベントを送信する機会があるとします。受信イベントはすべて有効で、訪問の定義も両ツールで同じです。
| 観測結果 | 訪問数 |
|---|---|
| 両方が受信 | 650 |
| Aだけが受信 | 50 |
| Bだけが受信 | 250 |
| どちらも受信していない | 不明 |
Aは700件、Bは900件と報告します。合わせて950件の異なる訪問を観測しました。差は200件ですが、Bが観測してAが観測しなかった訪問は250件あり、その逆も50件あります。
イベント単位の重複が分からなければ、和集合の950件も計算できません。重複が分かっても、未観測のセルは不明なままです。両方が受信しなかった訪問を50件加えれば、全体は1,000件です。代わりに1,050件加えれば、2,000件になります。どちらのダッシュボードの数値も変わりません。
# Synthetic visits during one seven-day window.
tracker_a = set(range(700))
tracker_b = set(range(650)) | set(range(700, 950))
assert len(tracker_a) == 700
assert len(tracker_b) == 900
assert len(tracker_a & tracker_b) == 650
assert len(tracker_a | tracker_b) == 950
for unseen in (50, 1050):
total = len(tracker_a | tracker_b) + unseen
print(total, round(100 * len(tracker_a) / total, 1))
1000 70.0
2000 35.0
同じ観測結果が、Aの捕捉率70%とも35%とも両立します。これは構成した可能性であり、実際の捕捉率の推定ではありません。

なぜ両方が同じ訪問を見逃すのか
理想化した捕獲再捕獲法では、700 * 900 / 650、約969件と母集団を推定できるかもしれません。2リスト推定法の前提には、閉じた母集団、正しい照合、各リスト内で等しい捕捉確率、リスト間の独立性があります。式そのものは、ブラウザー上の2つのツールがこれらの前提を満たすことを証明しません。
両ツールには共通の失敗要因があります。JavaScriptが無効かもしれません。同意設定が両方のタグの読み込みを止めることもあります。イベントが送られる前にページが閉じられるかもしれません。コンテンツブロックのルールが両方の収集先に一致することもあります。Aが観測しにくい訪問はBにも観測しにくい可能性があります。追加の根拠なしに独立性を仮定するのは危険です。
過去の例として、PlausibleはGoogle Analyticsとの件数比較を公開しました。Hacker Newsでの議論では分母が問われました。両ツールが観測しなかった訪問は比較にも現れないからです。その比較は、その実装と読者層での差を説明できます。しかし、普遍的なブロック率は確定できません。
ブラウザーAPIの呼び出しが成功しても、取り込みの証明にはなりません。sendBeacon()がtrueを返すのは、ブラウザーがデータを送信キューに入れたときです。解析データベースからの受領通知ではありません。配送を調べるときは、キューへの追加、収集サーバーでの受け付け、レポートへの反映を区別します。
サーバーログも別の観測手段である
HTTPログを分母に使うと、別の問いに答えやすくなります。ただし、リクエストが人に変わるわけではありません。
リクエストの送信元はクローラーやリンクプレビューの取得処理かもしれません。1つのブラウザーが同じ文書を何度も要求することもあります。手前のキャッシュが処理したリクエストはオリジンサーバーのログに残らない場合があります。ログを取る層とURLフィルターが集計対象を決めます。まず同じ期間の文書リクエストを比べ、画像、スクリプト、稼働監視まで全部を含めないようにします。
AI関連のトラフィックには、さらに区別が必要です。OpenAIは検索用、学習関連の巡回用、ユーザー操作による取得用のエージェントを分けて説明しています。質問に答えるための取得は、質問者がサイトを開いた証拠ではありません。クローラーのリクエストはAI製品から来た人の訪問でもありません。同じ事業者に属していても、この分類は分けて扱います。
ボット除外も製品ごとに異なります。Google Analyticsは既知のボットを自動的に除外しますが、その機能で除外件数は確認できません。すべての自動処理を認識する保証ではありません。Cloudflareのボットスコアは確からしさの評価として説明されています。ブラウザーに似たUser-Agentも、ボットラベルが付いていないことも、人によるアクセスの証明にはなりません。
サーバーで10,000件、ブラウザーで6,000件なら、残り4,000件は、その集計ルールの下では説明できていないリクエストです。「ブロックされた人」と呼ぶと、必要な調査を飛ばしてしまいます。

訪問者数は識別ルールで変わる
収集を比べる前に、同じ単位を数えているかを確認します。1回のページ読み込みで複数イベントが発生することがあります。複数の読み込みが1セッションにまとまることもあります。1人が複数のデバイス識別子を持つ場合もあります。
GA4のレポート用識別子では、User-ID、デバイスID、ブレンド設定でのモデリングを利用できます。デバイス単位のレポートと、ログイン中の行動を統合するレポートが、同じイベントから同じユーザー数を返すとは限りません。
ZenovayのCookieを使わない識別モードには、別の公開された境界があります。訪問者キーは毎日変わります。この境界をまたいで戻ると別のキーになる場合があります。識別の入力が同じ人たちは同じ集団として扱われることもあります。これらは識別ルールによる結果であり、広告ブロッカーがイベントを消したとは限りません。入力をハッシュ化しても、識別子が人の悉皆調査になるわけではありません。
そのため、日ごとのユニーク訪問者数を足しても、週のユニーク訪問者数を再現できるとは限りません。安定した識別子なら日をまたぐ重複を除けますが、更新される識別子は同じ連続性を提供しません。コンバージョン率の分母に使う前に、識別の有効期間を揃える必要があります。
収集後もアトリビューションで説明が変わる
購入が両ツールに届いても、どの接点に貢献を割り当てるかは一致しない場合があります。
まず、利用可能な経路を確認します。キャンペーンパラメーターやリファラーがないと、流入元の証拠が失われます。Referrer-Policy: no-referrerではブラウザーはリファラーを送りません。異なるオリジンへの既定のポリシーでは通常、参照元の完全なパスではなくオリジンだけを送ります。有効な流入元がないことは、誰かがアドレスを手入力した証拠にはなりません。
次に配分ルールを確認します。Googleはアトリビューションモデルを、貢献を配分するルールやアルゴリズムとして説明しています。そのアトリビューションレポートでは、経路全体が直接流入でない限り、通常は直接訪問に貢献を割り当てません。単純に最後の記録済み訪問に割り当てるツールとは、購入を取りこぼさなくても差が出ます。ルックバック期間が異なれば、モデル実行前に以前の接点が対象外になることもあります。
配分を変えても購入は変わりません。未観測の初回訪問は復元できず、キャンペーンがなくてもその購入が起きたかどうかも分かりません。その因果関係を問うには、問いに合った比較が必要です。
合計を補正する前に1つのイベントを照合する
完全なレポート期間を選び、各行が何を表すのか記録します。タイムゾーン、対象ホスト名、識別の有効期間、ボットの扱い、モデル化したデータの有無を含めます。未完了の期間は後の処理で変わるため、エクスポート時刻も残します。
次に、許可されたテスト訪問で1つの具体的な操作を追跡します。着地ページ、同意状態、ブラウザーの送信試行、収集先の応答、保存イベントを確認します。人工的なテストIDが適切なら、有効期間を短くし、顧客のレポートから除外します。合計を一致させるためだけに、ツール間で永続的な共通IDを導入してはいけません。
購入では、安定した取引IDと金額を決済システムと照合し、返金と期間を考慮します。これで確認できるのは記録済みの購入です。購入を検討したものの、どちらのツールにも観測される前に離れた人全員が分かるわけではありません。
有用な結果は限定的かもしれません。「このブロック設定では、Bはこのテストイベントを受信し、Aは受信しない」。これは再現できます。「見逃した人の22%を取り戻した」と言うには、両ダッシュボードが提供していない分母が必要です。



