この記事のポイント

• 「モデル値を含む」はGoogleの機械学習が計測できなかったコンバージョンを統計的に補完した値であり、根拠のある推計値として扱うのが正しい解釈だ
• スマート入札は実測値とモデル値を区別せずどちらも入札最適化の学習シグナルとして使うため、モデル化比率が高いだけでは手動入札に戻す根拠にはならない
• モデル化比率を下げる対処優先順位は「拡張コンバージョン整備→同意モードv2実装→CMP整備・GCLIDフル設定」の順が実務上の定石となっている
• 目標CPA・目標ROASの設定はモデル値込みの実績値を基準に行うが、計測品質スコアが低い状態では大幅な目標変更を避け±15%以内に留めるのが安全な運用ルールだ
• 代理店レポートではモデル値混入の状況を明示し、実測値との区別を開示することがクライアントとの信頼関係を守る最低ラインになる

Google広告「モデル値を含む」の正しい読み方｜実測値との乖離解釈とスマート入札評価への影響

「モデル値を含む」とは何か — コンバージョン列の注記が意味すること

見えないコンバージョンを補完する機械学習の概念

Google広告の管理画面でコンバージョン列を確認したとき、数値の横に「モデル値を含む」という注記が表示されることがある。初めてこの表示に遭遇した担当者が「数字がおかしい」「計測の設定が壊れているのでは」と感じるのは自然な反応だ。しかし実際には、これはGoogleのコンバージョンモデリングが正常に機能しているサインであり、数値の信頼性を一律に疑うべき状況ではない。

直接計測できないコンバージョンをGoogleが統計的に補完する仕組み

コンバージョン計測の基本は、ユーザーがサンクスページ等に到達した際にGoogleタグが発火することで成立する。しかしCookieを拒否したユーザー、一部ブラウザのプライバシー保護機能によってタグが遮断されたケース、あるいはタグ設定のカバレッジが十分でない環境では、発生したコンバージョンが記録されないまま消える。

こうした計測損失に対してGoogleが採用しているのがコンバージョンモデリングだ。過去の実測データを用いた機械学習推計によって「記録できなかったが、統計的に発生していたと見込まれる分」を補完し、その推計値を実測値に加算したものが「モデル値を含む」コンバージョン数になる。でたらめな水増しではなく、あくまでGoogleの統計モデルに基づいた根拠ある補完だという点を最初に押さえておきたい。

「モデル値を含む」が表示される3つの主な条件

原因は大きく3パターンに分類できる。

① 同意モード（Consent Mode v2）が有効な場合 CMPを通じて同意モードv2を実装している環境では、同意を拒否したユーザーのタグ発火が制限される。この同意拒否層のコンバージョン欠落をGoogleがモデル化で補完するため、同意モードが有効であること自体がモデル値混入の主要因になる。

② タグ設定の不備・発火漏れがある場合 GTMのトリガー条件の設定ミス、サンクスページのURL条件の不整合、Googleタグのインストール漏れなど、タグ品質に起因する計測損失でも補完が発動する。この場合はタグ修正で計測損失そのものを解消できるため、他の2条件と区別して診断することが重要だ。

③ ブラウザ制限によるCookieの遮断 SafariのITP（Intelligent Tracking Prevention）やFirefoxのETPのように、ブラウザレベルでのトラッキング制限もモデル化の原因になる。iOSユーザー比率が高いBtoC・メディア系サービスでは、この要因によるモデル化比率が相対的に高くなりやすい傾向がある。

3条件を切り分けずに「とにかくモデル値が出ている」という認識のまま対処しようとすると、施策の効果が分散する。どのパターンが主因かをデータ診断から特定するのが実務の出発点になる。

実測値のみの状態と何が違うのか — 数値の解釈上の違いを整理する

実測値だけのコンバージョン数は計測できた分のみを集計した値で、計測損失が存在する場合は過小評価になる。モデル値を含む数値は、この損失分をGoogleが補完した結果であるため、理論上は実態により近い。

ただし個別のコンバージョンの存在を保証するものではなく、あくまで集計レベルの推計精度の話だ。モデル化比率が低ければ実測値との乖離も小さく実用上の影響は限定的だが、比率が高くなるほど推計の比重が増し、解釈に留意が必要な状態になる。

---

実測値とモデル値の乖離が起きる構造 — 同意モードと機械学習推計の関係

図1: 同意モード別の計測フローとモデル補完の構造図

乖離の大きさは原因によって異なるため、原因別の構造を理解しておくと診断精度が上がる。

同意モードv2が有効な場合のコンバージョン補完フロー

同意モードv2が実装されている場合、ユーザーが同意を拒否するとタグは最低限のpingを送るのみに制限される。Googleはこのpingデータと同意したユーザーの実測データを組み合わせて、同意拒否層のコンバージョン確率を推計する仕組みだ。

補完の精度は同意率（consent rate）に依存する。同意率が高いほど実測データが豊富になり推計の参照元が増えるが、同意率が低い（同意拒否が多い）ほどモデル化に依存する割合が増し、推計誤差も大きくなりやすい。医療・金融・法律系など同意率が下がりやすい業種では、この点を意識した計測設計が必要になる。

タグ設定不備・ブラウザ制限によるモデル化との違い

同意モード由来のモデル化と、タグ設定不備由来のモデル化は対処が全く異なる。タグ設定不備の場合はGTMのデバッグモードやタグアシスタントを使って発火状況を確認し、設定修正で実測値を回復できる。一方、ブラウザ制限に起因するモデル化は拡張コンバージョンの整備でCookieに依存しない計測経路を確保することが対処になる。

GA4とGoogle広告のコンバージョン数の乖離が気になる場合は、GA4とGoogle広告でコンバージョン数が合わない原因7パターンも参照してほしい。モデル値由来のズレと計測設定のズレを切り分ける際の参考になる。

モデル化比率が高くなりやすい条件 — 業種・デバイス・地域の傾向

以下の条件が重なるほどモデル化比率は上昇しやすい。

• iOSデバイスからの流入比率が高い（SafariのITPが直撃する）
• ユーザー数が少なく実測サンプルが絞られる（BtoB・高単価BtoC）
• 同意モードを実装しており同意率が業界平均を下回る
• 計測対象期間が短く参照できる過去データが少ない

これらが重なる環境ではモデル化比率が30〜40%を超えることも珍しくないと言われており、その場合は推計誤差の存在を前提にした数値解釈が必要になる。

---

管理画面でモデル化比率を確認する実務手順

「モデル値が含まれている」という事実は分かっても、その規模感を把握しないと判断が下せない。管理画面での確認経路を具体的に示しておく。

コンバージョン診断レポートの確認場所と各ステータスの読み方

Google広告の管理画面では、「ツールと設定」→「計測」→「コンバージョン」からコンバージョンアクション一覧を開き、各コンバージョンアクションをクリックすると「診断」タブが表示される。ここで「データ品質」セクションを確認すると、コンバージョン計測のステータスと問題点の概要が把握できる。

加えて、キャンペーンレポートの列カスタマイズで「コンバージョン（モデル値を含む）」と「コンバージョン（実測値）」を並べて追加すると、キャンペーン単位でのモデル値と実測値の差分を直接比較できる。この差分比率がモデル化比率の実態だ。列の追加は「列のカスタマイズ」→「コンバージョン」カテゴリで両方のメトリクスを選択するだけで反映される。

「計測品質スコア」が示すもの — スコア別の意味と対処判断の目安

計測品質スコアはGoogle広告の管理画面「目標」セクションで確認できる指標で、コンバージョン計測の信頼性をGoogleが0〜10のスコアで評価したものだ。

スコア	意味	対処の方向性
8〜10	計測品質が高い	現状維持。定期的なモニタリングを継続
5〜7	改善余地あり	拡張コンバージョン・タグ品質の見直しを検討
4以下	計測品質が低い	早急な計測改善が必要。入札評価にも影響が出始めている

スコアが低い状態でのコンバージョン数はモデル化比率も高くなりやすく、スマート入札の最適化に必要な学習シグナルの質も落ちる。スコアを定期的に記録しておくと、計測改善施策の効果検証にも使いやすい。

モデル化比率の許容範囲 — どの程度であれば実務上問題ないか

一般的な運用感覚では、モデル化比率が10〜20%以内であれば計測誤差として許容できるケースが多いとされる。30%を超えると集計値の信頼性に留意した判断が必要になり、50%以上は計測環境の抜本見直しを検討すべき水準という見方が業界内では共有されている。

ただしこれはあくまで目安だ。同意モードを正しく実装した結果として生じるモデル化は「仕組みとして正常な状態」でもある。問題なのはタグ設定不備が原因でモデル化が発生しているケースであり、その場合は計測損失を本当に回収できているかどうかを別途確認する必要がある。

---

スマート入札への影響 — モデル値はどう扱われるか

ここは多くの運用者が誤解しやすい論点なので、丁寧に整理したい。

スマート入札は実測値とモデル値を区別せず学習シグナルとして扱う

スマート入札（目標CPA・目標ROAS・最大コンバージョン等）のアルゴリズムは、実測値とモデル値を区別せず、どちらも等価な学習シグナルとして入札最適化に使う。これはGoogleの公式ドキュメントおよびSearch Engine Land等の業界メディアでも取り上げられている設計上の事実だ。

この事実が意味することは「モデル化比率が高いからといって、スマート入札の入札精度が即座に低下するわけではない」ということだ。むしろ計測損失を補完したモデル値があることで、実測値だけでは不足していたシグナルを補える側面もある。スマート入札の学習期間を短縮するマイクロCV設計でも触れているように、スマート入札が安定動作するには十分な学習シグナル量が前提になっており、モデル値はその供給源の一つとして機能している。

モデル化比率が高い状態での目標CPA・目標ROAS評価の落とし穴

管理画面上に表示されるCPAやROASはモデル値込みの数値で計算されているため、実測値だけを基準に比較すると見かけ上の成果が「良く見える」または「悪く見える」ケースが生じる。

特に計測品質スコアが低い状態で目標CPAを大幅に引き下げると、スマート入札が過剰に絞り込みをかけてインプレッションが急減するリスクがある。逆に「モデル値のせいでCPAが実態より良く見えている」と判断して目標を厳しくしすぎると、スマート入札の再学習コストが生じ、パフォーマンスが一時的に落ちる。目標CPA・目標ROASの使い分け判断フローも合わせて参照すると、入札戦略の選択基準がより明確になる。

入札評価レポートで数値を正しく読み替えるための3つの視点

① 比較期間のモデル化比率を揃える 前月比・前年比を比較するとき、双方のモデル化比率が大きく異なる場合は計測環境の差が数値差に混入している可能性がある。同じ「モデル値を含む」列同士で比較することを前提として、比率の差異も記録しておくのが理想だ。

② コンバージョン数より費用対効果のトレンドを見る 絶対数は推計誤差の影響を受けやすいが、CPAやROASのトレンド（上がっているか下がっているか）はある程度安定している。点での数値より傾向で判断するのがモデル値混入時の基本姿勢だ。

③ 計測品質スコアの変化を時系列で追う スコアが下がったタイミングでCPAが悪化しているなら、入札の問題ではなく計測の問題かもしれない。この切り分けは特に重要で、入札介入より先に計測診断を優先すべきだという判断軸になる。

---

乖離が大きい場合の対処優先順位 — 計測改善の実務フロー

図2: 計測改善5ステップの実務優先順位フロー

モデル化比率を下げるための施策には優先順位がある。すべてを同時に動かすと効果の切り分けができなくなるため、段階的に進めるのが原則だ。

拡張コンバージョンを整備するとモデル化比率はどう変わるか

拡張コンバージョン（Enhanced Conversions）は、コンバージョン時に取得したメールアドレスや電話番号をハッシュ化してGoogleに送信することで、Cookieに依存しない計測経路を確保する機能だ。これを整備すると、ブラウザ制限やCookie拒否によって計測損失していたコンバージョンを実測値として回収できる割合が増え、結果的にモデル化に頼る必要が減る。

整備後の効果確認は、コンバージョン診断の「実測値」列の推移で行う。実測値が増えてモデル値が相対的に縮小していればアプローチが効いているサインだ。詳細な整備手順は拡張コンバージョン・同意モード・CMPの整備優先順位にまとめているので参考にしてほしい。

同意モードv2実装がコンバージョン計測に与える二重の影響

同意モードv2を実装すると、短期的には同意拒否ユーザーのコンバージョンが実測値から消えて計測損失が増加するように見える。「同意モードを入れたらコンバージョンが減った」という誤解はここから生まれやすい。

実際には同意拒否層のコンバージョンはモデル値として補完されるため、「コンバージョン（モデル値を含む）」の列を見ると数値は大きく変わらないことが多い。同意モードを正しく理解した上で「モデル値を含む列が実態に近い計測値」として運用体制を整えることが、プライバシー規制への対応と広告計測の両立につながる。

CMP整備・GCLIDフル設定との組み合わせ効果と整備シーケンス

推奨する整備シーケンスは以下の通りだ。

1. タグ品質の確認と修正（コストゼロで実測値回収が最大化できる、最優先）
2. 拡張コンバージョンの実装（Cookie非依存の計測経路を確保）
3. 同意モードv2の実装（プライバシー規制対応とモデル化の最適化）
4. CMPのUI最適化（同意率を上げ、モデル化の基礎となる実測データを増やす）
5. GCLIDフル設定の確認（オフラインコンバージョン連携でBtoB系の計測を補強）

この順序には理由がある。タグ品質の問題を残したまま同意モードを入れると、タグ由来の計測損失とモデル化が混在して原因の特定が困難になる。土台から順番に固めていくのが計測改善の鉄則で、途中でショートカットしても後で必ず戻ってくることになる。

---

よくある誤読パターンと意思決定への影響

ノイズの中に埋もれた正しいシグナルを見分ける

管理画面の数値を正しく読めないと、間違った方向の対処を積み重ねることになる。代表的な判断ミスを整理しておく。

「モデル値＝精度が低い」という誤解でスマート入札を手動に戻すリスク

「モデル値が含まれているから数値が信用できない、だからスマート入札を止めて手動CPCに戻す」という判断は、多くの場合で逆効果になる。前述の通り、スマート入札はモデル値も学習シグナルとして活用しており、モデル値が含まれる状態でもアルゴリズムはそれを前提に最適化している。

手動CPCに戻すと、そもそもコンバージョンシグナルを活用した入札最適化の恩恵が失われる。「モデル化比率が高い＝スマート入札を止める理由」にはならない。計測品質スコアが極端に低く（4以下）、スマート入札の学習が機能していないと診断できる場合に限って、一時的な入札戦略変更を検討するのが筋だ。

代理店レポートでモデル値を実測値と区別せず報告する問題と開示基準

代理店がクライアントに提出する月次レポートで、モデル値を含むコンバージョン数を実測値のように報告しているケースは少なくない。クライアントからすると、記録されたコンバージョンの中に「Googleの推計値」が混入していることを知らないまま意思決定をすることになる。

最低限の開示基準として「モデル値を含む列を使用している旨」「モデル化比率の概算」「計測品質スコアの現状」をレポートに記載することを推奨する。この開示なしにCPAやROASを実績数値として提示することは、後になってクライアントとの数値認識のズレが表面化するリスクを抱えることになる。代理店とのKPI・数値認識を揃える月次合意フレームにその設計フレームを整理しているので参考にしてほしい。

経営者への月次報告でモデル値混入をどう説明するか

経営者や決裁者への報告では、技術的な詳細より「何を信じて意思決定すればよいか」という判断軸が求められる。

伝え方の骨格として「Googleのコンバージョン数は計測できた分（実測値）と統計的に補完された分（モデル値）で構成されており、今月はXX%がモデル値です。GoogleのAIが過去データをもとに推計したものですが、入札最適化には問題なく活用されています。計測の精度は継続的に改善中です」という構造で説明するのが実務上受け入れられやすい。数字の信頼性に対する不安を煽らず、かつ隠し立てしないバランスが重要だ。

---

まとめ — モデル値混入状況別アクションチェックリスト

モデル化比率の状況に応じた実務アクションをまとめる。

◆ モデル化比率が低い（10%以下）・計測品質スコア8以上

• 現状を維持。定期的なスコア確認を月次レポートに組み込む
• 拡張コンバージョンが未実装であれば将来の備えとして整備を検討

◆ モデル化比率が中程度（10〜30%）・計測品質スコア5〜7

• タグ品質をGTMデバッグ・タグアシスタントで確認
• 拡張コンバージョンの実装または既存設定の精査
• 同意モードv2の実装状況を確認
• 月次レポートにモデル化比率を開示項目として追加

◆ モデル化比率が高い（30%超）・計測品質スコア4以下

• タグ設定の不備を優先的に修正（最優先）
• 拡張コンバージョンの実装（実測値回収を最大化）
• 同意モードv2の実装・CMPのUI最適化
• スマート入札の目標値変更は計測品質回復後まで保留
• 経営者・クライアントへのモデル値混入の説明を実施

---

よくある質問

Q：Google広告のコンバージョンに「モデル値を含む」と表示されている場合、数値は信頼できますか？

Googleの統計モデルによる推計値であり、根拠のある補完値として扱うのが適切です。ただし信頼度は計測品質スコアとモデル化比率によって異なります。スコア8以上・モデル化比率20%以内であれば実務上問題のある精度低下は起きていないケースが多いとされますが、スコアが低く比率が高い場合は推計誤差の存在を前提に数値を解釈し、計測改善に着手することを推奨します。

Q：スマート入札はモデル値のコンバージョンも学習に使いますか？

使います。スマート入札のアルゴリズムは実測値とモデル値を区別せず、どちらも等価な学習シグナルとして入札最適化に活用します。そのため「モデル化比率が高い」というだけでは手動入札に切り替える根拠にはなりません。むしろ計測損失を補完したモデル値の存在が学習シグナルの総量を維持しているという側面もあります。スマート入札を止める判断が必要になるのは、計測品質スコアが極端に低く（4以下）アルゴリズムの学習が機能していないと診断できる場合に限るのが実務上の判断軸です。

Q：「モデル値を含む」の表示を消すにはどうすればよいですか？

拡張コンバージョンの整備・同意モードv2の実装・タグ品質の改善によってモデル化比率を下げることはできますが、完全にゼロにすることは現実的ではありません。ブラウザ制限や同意拒否ユーザーが存在する限り、一定割合のモデル化は避けられないためです。優先順位は「タグ品質修正→拡張コンバージョン→同意モードv2→CMP最適化」の順で段階的に整備するのが現実解です。目指すべきは「モデル値ゼロ」ではなく「モデル化比率を許容範囲に収め、計測品質スコアを安定させること」です。

Q：コンバージョンにモデル値が含まれている場合、目標CPAはどう設定すればよいですか？

モデル値込みのコンバージョン数・CPAを実績値として入札目標の基準に使うのが基本です。ただし計測品質スコアが低い状態では推計誤差が大きく、実際のビジネス成果とのズレが生じているリスクがあるため、大幅な目標変更は避けることを推奨します。変更する場合でも一度の調整幅を±15%以内に留め、スマート入札が再学習する期間（少なくとも2〜3週間）を置いてから次の調整判断をするのが安全な運用ルールです。

---

Google広告の計測環境は年々複雑化しており、「モデル値を含む」という表示ひとつとっても、その背景にある同意モードやコンバージョンモデリングの仕組みを理解していないと、誤った判断につながるリスクがあります。真策堂では計測品質の診断から整備の優先順位付け、スマート入札の評価体制の設計まで、こうした計測周りの課題についての相談を受けています。具体的な状況がある場合はお気軽にどうぞ。