評価指標とは？分野別の意味・種類と設定方法、KPIとの違いを解説

デジタルマーケティング

2023.11.15

「評価指標」という言葉は、使う分野によって指しているものがまったく違います。

人事担当者が言う評価指標は従業員を評価する軸のことで、経営企画が言う評価指標はKPIのことです。データサイエンティストが言う評価指標はAUCやRMSEといった機械学習モデルの精度指標で、行政の事業評価ではアウトプット指標やアウトカム指標を指します。

同じ言葉なのに中身が別物なので、調べても自分の目的に合う情報にたどり着けないことがあります。

この記事では、まず「評価指標」という言葉が分野ごとにどう違うのかを整理し、そのうえでビジネスで使う評価指標の種類・設定方法・運用上の落とし穴までを解説します。

Webマーケティングの指標については、GA4で定義が変わった直帰率などを含めて実務レベルで扱います。

Table of Contents

評価指標とは

まず言葉の意味と、混同されやすい用語との違いを押さえます。ここを整理しておくと、社内で話が噛み合わない原因も見えてきます。

評価指標の定義

評価指標とは、何かの状態や成果を測るための、観察可能なものさしです。

重要なのは「観察可能」という点です。「顧客に満足してほしい」は願いであって指標ではありません。「アンケートで満足と回答した人の割合」まで落とすと、初めて測れる指標になります。

評価指標が必要になるのは、次のような場面です。

目標に対してどこまで進んだかを知りたい
施策に効果があったのかを判断したい
複数の選択肢のどれが良いかを比べたい
関係者の間で状況の認識を揃えたい

評価指標・評価基準・評価項目の違い

人事評価の文脈でとくに混乱が起きやすい3語です。

用語	意味	例
評価項目	何を評価するか	顧客対応力
評価指標	それをどう測るか	顧客満足度アンケートの平均スコア
評価基準	どの水準をどう判定するか	4.0以上をA、3.0以上をB

「評価項目を決めた」だけでは評価できません。 測り方（指標）と判定の線引き（基準）の両方がないと、評価する人によって結果が変わります。

「評価指標」は分野によって意味が違う

ここがこの言葉の最大の注意点です。分野ごとに、同じ「評価指標」が別のものを指しています。

分野	評価指標が指すもの	代表例
経営・事業管理	目標の達成度を測る数値	KPI、KGI
人事評価	従業員を評価する軸	業績評価、能力評価、情意評価
Webマーケティング	施策の成果を測る数値	CVR、CPA、ROAS、LTV
営業	活動と成果を測る数値	受注率、商談数、客単価
製造	生産の状態を測る数値	OEE、歩留まり、在庫回転率
機械学習・AI	モデルの精度を測る数値	AUC、RMSE、適合率、再現率
生成AI・LLM	出力の質を測る数値	忠実度、関連性、網羅性
行政・事業評価	施策の効果を測る数値	アウトプット指標、アウトカム指標

社内で「評価指標を決めよう」という話が噛み合わないときは、参加者が別の分野の意味で話している可能性があります。 最初に「ここでいう評価指標は何を指すか」を揃えるだけで、議論が進むようになります。

この記事の中心は、経営・マーケティング・営業といったビジネス領域の評価指標です。他分野については後半で概要を扱います。

英語ではどう表現するか

英語の資料を読むときや、海外チームと話すときに使う表現です。

日本語	英語	使われる場面
評価指標（一般）	metrics / evaluation metrics	広く使える
評価指標（業績）	performance indicators	経営・業績管理
重要業績評価指標	KPI（Key Performance Indicator）	経営・事業管理
重要目標達成指標	KGI（Key Goal Indicator）	主に日本で使われる用語
評価基準	criteria	判定の線引き
指標（単体）	indicator / measure	文脈により

機械学習の文脈では evaluation metrics、ビジネスの文脈では KPI や metrics が使われます。なおKGIは主に日本で使われる用語で、英語圏では goal や target と表現するのが一般的です。「評価指標」を一語で置き換えられる英単語はなく、分野で使い分けます。

評価指標の種類と分類

評価指標はいくつかの軸で分類できます。自社の指標がどこに偏っているかを確認する道具として使ってください。

定量指標と定性指標

	定量指標	定性指標
性質	数値で測れる	数値になりにくい
例	売上、CVR、受注件数	顧客からの評価コメント、職場の雰囲気
利点	客観的で比較しやすい	数値に表れない変化を捉えられる
欠点	測れるものに偏る	評価する人によってぶれる

定量指標だけで組むと、測りやすいが重要ではないものを追いかけてしまいます。定性指標を併用する場合は、「誰が、どういう手順で判断するか」を決めておかないと運用できません。

成果指標と行動指標

	成果指標	行動指標
測るもの	結果	そこに至る行動
例	受注金額	商談件数、提案件数
特徴	最終目的に直結する	本人が直接コントロールできる

成果指標だけで評価すると、運や担当エリアの差が結果を左右します。行動指標だけで評価すると、行動量は増えても成果につながらない状態が起こります。両方を組み合わせるのが基本です。

先行指標と遅行指標

実務でもっとも有用な分類ですが、意識されていないことが多い軸です。

	先行指標（leading）	遅行指標（lagging）
タイミング	結果より前に動く	結果が出てから分かる
例	問い合わせ数、商談数、サイト訪問数	売上、解約率、利益
使い道	手を打つための材料	結果の確認

遅行指標だけを見ている組織は、必ず手遅れになります。 売上が落ちてから気づくのでは、対策を打っても効果が出るまでに時間がかかります。

先行指標を置く意味は、「このまま進むとどうなるか」を早い段階で知ることです。問い合わせ数が先に落ちていれば、売上が落ちる前に動けます。

アウトプット指標とアウトカム指標

行政の事業評価で使われる分類ですが、企業でも有効です。

	アウトプット指標	アウトカム指標
測るもの	やったことの量	それによって起きた変化
例	セミナー開催回数、資料配布数	受講者の行動が変わった割合、受注につながった件数

アウトプット指標は達成しやすく、アウトカム指標は測りにくいという非対称があります。そのため報告はアウトプット中心になりがちです。

「セミナーを12回開催しました」はアウトプットで、「参加者から◯件の商談が生まれました」がアウトカムです。前者だけを報告している施策は、効果を検証していないのと同じ状態です。

良い指標の条件

指標の候補が複数あるとき、次の観点で選びます。

測れる——データを取得できる手段が実在する
定義がぶれない——誰が計算しても同じ数字になる
動かせる——自分たちの行動で変化する
目的と結びついている——その数字が上がると目的に近づく
ごまかしにくい——数字だけを良くする抜け道がない

最後の項目は見落とされがちです。たとえば「対応件数」を指標にすると、1件を細かく分割して件数を増やす行動が起こり得ます。指標は、それを追いかける人の行動を変えるという前提で設計してください。

KPI・KGI・KSF・OKRの関係

ビジネスの評価指標を語るうえで避けられない4つの用語です。混同されやすいので、関係を整理します。

KPI（重要業績評価指標）とは

KPIは Key Performance Indicator の略で、日本語では重要業績評価指標（または主要業績評価指標）と訳されます。

最終目標に向かう過程を測る、中間地点の数値です。売上という結果に対して、問い合わせ件数・商談件数・受注率などがKPIにあたります。

KGI（重要目標達成指標）とは

KGIは Key Goal Indicator の略で、重要目標達成指標と訳されます。

最終的に到達したい状態を数値で表したものです。「年間売上10億円」「解約率5%以下」などが該当します。KGIは1つに絞るのが原則で、複数あると優先順位が決まらなくなります。

KSF（重要成功要因）とは

KSFは Key Success Factor の略で、重要成功要因です。CSF（Critical Success Factor）とも呼ばれます。

KGIを達成するために何が決定的に重要かを言語化したものです。指標ではなく要因である点が他と違います。

たとえばKGIが「売上10億円」なら、KSFは「既存顧客の継続率を上げること」かもしれません。そこからKPIとして「月次解約率」が導かれます。

OKRとの違い

OKRは Objectives and Key Results の略で、目標管理の手法です。KPIとは目的が違います。

	KPI	OKR
目的	達成度の管理	挑戦的な目標への推進
達成水準	100%達成が前提	60〜70%達成で良いとされる
評価との関係	人事評価に使われることがある	評価と切り離すのが原則
公開範囲	部門内が多い	全社公開が基本

KPIを100%達成前提で運用しながら、OKRのように挑戦的な数値を置くと破綻します。 どちらの枠組みで運用するかを決めてから数値を入れてください。

4つの関係を整理する

上から下に落ちていく構造になります。

KGI：どこを目指すか（売上10億円）
KSF：そのために何が重要か（既存顧客の継続率を上げる）
KPI：それをどう測るか（月次解約率、サポート応答時間）
アクション：誰が何をするか（オンボーディング面談の実施）

KGIからKPIへ直接飛ばすのが、よくある失敗です。 間にKSFを置かないと、「測れるから選んだ指標」が並ぶだけになり、達成しても目標に近づきません。

バランススコアカード（BSC）の4つの視点

指標が財務に偏るのを防ぐ枠組みとして、バランススコアカードがあります。ロバート S. キャプランとデイビッド P. ノートンが1992年に提唱したもので、次の4つの視点から指標を配置します。

視点	問い	指標の例
財務	株主や経営にどう見えるか	売上、利益率、ROI
顧客	顧客からどう見えるか	顧客満足度、継続率、シェア
内部ビジネスプロセス	何に秀でるべきか	リードタイム、不良率、対応時間
学習と成長	改善と変革を続けられるか	研修受講率、資格取得者数、従業員満足度

財務の視点は遅行指標、学習と成長の視点は先行指標になりやすい関係にあります。4つの視点は独立ではなく、下から上へつながる因果の鎖として設計します。

人材が育つ（学習と成長）→ プロセスが改善する（内部プロセス）→ 顧客満足が上がる（顧客）→ 業績が伸びる（財務）という流れです。

評価指標の設定方法【5ステップ】

実際に指標を決める手順です。順番を飛ばすと、測れるだけの指標が並びます。

ステップ1：KGIを決める

最終的に到達したい状態を、1つの数値で定義します。期限も必ず入れてください。

「売上を伸ばす」ではなく「今期末までに年間売上を10億円にする」と置きます。ここが曖昧だと、以降のすべてが曖昧になります。

ステップ2：KSFを特定する

KGIを達成するために何が決定的に重要かを考えます。この工程が省略されやすく、しかし最も効きます。

現状とKGIの差はどこから生まれているか
その差を埋めるために、変えるべきことは何か
自社がコントロールできる範囲はどこか

ここで出すのは数値ではなく「要因」です。 複数出てきたら、影響の大きさで絞ります。

ステップ3：KPIに分解する（KPIツリー）

KSFを測れる数値に落とします。このとき、KGIを分解して枝状に広げる図（KPIツリー）を作ると関係が見えます。

売上（KGI）

├── 新規売上

│ ├── 問い合わせ数 ← KPI

│ ├── 商談化率 ← KPI

│ └── 受注率 ← KPI

└── 既存売上

├── 継続率 ← KPI

└── 客単価 ← KPI

分解することで、どの数字を動かせば売上がいくら変わるかが計算できるようになります。これができていないと、改善の優先順位を決められません。

ステップ4：SMARTで検証する

決めたKPIが運用可能かを、5つの観点で確認します。

観点	確認内容
Specific（具体的）	解釈の余地がないか
Measurable（測定可能）	実際にデータを取れるか
Achievable（達成可能）	現実的な水準か
Relevant（関連性）	KGIとつながっているか
Time-bound（期限）	いつまでの数字か決まっているか

ここで落ちるのは多くの場合 M（測定可能） です。測れないKPIを置いても運用できません。

ステップ5：測定方法を決める

このステップが最も省略され、最も影響が大きい工程です。

KPIごとに、次を具体化してください。

どのツール・システムから数字を取るか
誰が、どの頻度で集計するか
定義をどう文書化するか（分母・分子・期間）
複数のツールで数字が違う場合、どれを正とするか

同じ「問い合わせ数」でも、フォーム送信だけを数えるのか、電話も含めるのかで数字は変わります。定義を文書化していないKPIは、担当者が変わった時点で意味が変わります。

【Webマーケティング】主要な評価指標

ここからはWebマーケティングで使う指標を、顧客の段階順に整理します。GA4で定義が変わった指標があるため、そこは明示しながら説明します。

認知・流入の指標

指標	意味	計算式
表示回数（インプレッション）	広告や検索結果が表示された回数	—
PV（ページビュー）	ページが閲覧された回数	—
セッション	訪問の回数	—
UU（ユニークユーザー）	訪問した人数	—

PVとセッションとUUは別物です。1人が3回訪問し、各回で2ページ見れば UU=1、セッション=3、PV=6 になります。混同すると、流入が増えたのか同じ人が繰り返し来ているのかが分からなくなります。

興味・回遊の指標

指標	意味	計算式
CTR（クリック率）	表示されたうちクリックされた割合	クリック数 ÷ 表示回数 × 100
エンゲージメント率	エンゲージメントのあったセッションの割合	エンゲージメントセッション数 ÷ 全セッション数 × 100
直帰率	エンゲージメントのなかったセッションの割合	100 − エンゲージメント率
離脱率	そのページが最後に見られた割合	離脱数 ÷ 表示回数 × 100

直帰率は、GA4で定義が変わっています。 これは実務上かなり重要なので、次の章で詳しく扱います。

獲得の指標

指標	意味	計算式
CV数（コンバージョン数）	目標行動が達成された回数	—
CVR（コンバージョン率）	訪問のうち目標達成に至った割合	CV数 ÷ セッション数 × 100
CPA（顧客獲得単価）	1件の獲得にかかった費用	広告費 ÷ CV数

CVRは分母を何にするかで数字が変わります。セッション数を分母にするか、UUを分母にするかで値が違うため、社内で定義を揃えてください。

なおGA4では、目標行動は「キーイベント」として計測されます。広告のCPAを計算するときは、Google広告側のコンバージョン数を使ってください（詳しくは後述します）。

収益の指標

指標	意味	計算式
ROAS（広告費用対効果）	広告費に対する売上の比率	広告経由売上 ÷ 広告費 × 100
ROI（投資収益率）	投資に対する利益の比率	利益 ÷ 投資額 × 100
客単価（AOV）	1件あたりの平均売上	売上 ÷ 購入件数
LTV（顧客生涯価値）	1顧客が生涯でもたらす利益	客単価 × 粗利率 × 購入頻度 × 継続期間

LTVの計算では、購入頻度と継続期間の単位をそろえてください（年間購入回数 × 継続年数など）。ROASとROIの違いに注意してください。ROASは売上ベース、ROIは利益ベースです。ROAS 300%でも粗利率が20%なら赤字です。

判断すべきは業界平均との比較ではなく、自社の損益分岐点を超えているかです。損益分岐点ROASは「1 ÷ 粗利率」で求められます。粗利率30%なら約333%が分岐点です。

指標の早見表

段階ごとに、まず見るべき指標を整理します。

段階	主な指標	下がったときに疑うこと
認知	表示回数、UU	露出の量、季節要因
興味	CTR、エンゲージメント率	訴求内容、検索意図とのズレ
検討	回遊数、離脱率	導線、情報の不足
獲得	CVR、CPA	フォーム、オファー、価格
収益	ROAS、LTV	顧客の質、リピート設計

上流から順に確認するのが原則です。 CVRが低いときにフォームだけを改善しても、流入の質が原因なら変わりません。

【2026年】評価指標をめぐる3つの変化

ここ数年で、指標そのものの定義と測れる範囲が変わりました。古い理解のまま運用すると、数字の読み方を間違えます。

変化1：GA4で指標の定義が変わった

もっとも影響が大きいのが直帰率です。

	ユニバーサルアナリティクス（旧GA）	GA4
直帰率の定義	1ページだけ見て離脱したセッションの割合	エンゲージメントのなかったセッションの割合

GA4では、次のいずれかを満たすと「エンゲージメントのあったセッション」になります。

継続時間が10秒を超える
キーイベントが発生する
ページビューまたはスクリーンビューが2回以上発生する

つまり1ページだけ見て帰った訪問でも、10秒を超えて滞在していれば直帰になりません。 旧GAなら直帰だったものが、GA4では直帰に数えられないわけです。

その結果、同じサイトでも直帰率の数字が旧GAより大きく下がります。 過去の数値と単純比較できません。「直帰率が改善した」と報告する前に、計測ツールが変わっていないかを確認してください。

なお first_visit、first_open、session_start は、キーイベントに設定していてもエンゲージメントセッションの計算から除外されます。

離脱率については、GA4の標準レポートに指標が用意されていません。 「探索」レポートで「離脱数」と「表示回数」を取得し、自分で割って算出する必要があります。旧GAでは標準メニューから見られたため、ここも運用が変わっています。

あわせて、2024年3月25日からGA4の「コンバージョン」は「キーイベント」に改称されました。社内資料の用語が古いままだと、画面と突き合わせたときに混乱します。

さらに注意が必要なのは、改称後は「キーイベント」と「コンバージョン」が別のものを指すようになった点です。

用語	どこのものか	使われ方
キーイベント	GA4	GA4のレポートに表示される。Google広告のレポートや入札には使われない
コンバージョン	Google広告	GA4のキーイベントをもとにGoogle広告側で作成する。レポートと入札に使われる

Googleはこの変更を、両ツールでコンバージョンの定義を統一し、数値の食い違いを解消するためだと説明しています。「GA4でキーイベントに設定したから広告の入札にも反映される」とは限りません。 Google広告側でコンバージョンとして作成する手順が別に必要です。

変化2：計測できる範囲が狭まった

SafariやFirefoxではサードパーティCookieが標準でブロックされ、広告ブロッカーの利用も一般化しました。ブラウザ上で動くタグだけに依存した計測では、実際に起きた成果の一部が記録されません。

アトリビューション（成果の割り当て方）も変わりました。「ファーストクリック」「線形」「減衰」「接点ベース」の4モデルが廃止され（GA4では2023年11月をもって利用不可）、選べる範囲が大きく狭まっています。

現在選べるモデルは、ツールによって異なります。

	選べるアトリビューションモデル
Google広告	ラストクリック／データドリブン（2種類）
GA4	データドリブン／有料およびオーガニックのラストクリック／Googleの有料チャネル（ラストクリック）（3種類）

GA4では「ラストクリック」が2つに分かれている点に注意してください。オーガニック流入を含めるかどうかで数字が変わります。なお廃止されたモデルを使っていたGoogle広告のコンバージョンアクションは、データドリブンへ自動的に移行されています。

Meta広告では2026年3月中旬にクリックの計測定義が変更され、クリックスルーとして計上されるのはリンククリックのみになりました。いいね・シェア・保存・コメントは「エンゲージスルー」という別区分（計測期間1日）に分かれています。

同じ施策をしていても、媒体側の定義変更で数字が動きます。 前年同月比を見るときは、定義が変わっていないかの確認が必要です。Cookie規制の全体像も踏まえて、計測の前提を点検してください。

変化3：AI・LLMの評価指標という新領域が生まれた

生成AIの業務利用が広がったことで、AIの出力品質を測る評価指標という新しい領域が生まれました。「評価指標」で検索される内容にも、この領域が増えています。

主に次の観点で評価されます。

観点	測るもの
忠実度・事実性	生成内容が事実や参照元に即しているか
関連性	指示に対して的を射た回答か
網羅性	必要な情報が足りているか
安全性	有害・不適切な出力をしないか
流暢性・一貫性	文章として自然で論理が通っているか

RAG（検索拡張生成）の評価では RAGAS というフレームワークが使われ、忠実度（Faithfulness）や回答の関連性（Answer Relevancy）といった指標を算出します。TruLensでは文脈の関連性・根拠性・回答の関連性の3側面から評価します。

LLM-as-a-judge という、高性能なLLMに別のLLMの出力を採点させる手法も広がっています。従来の統計的指標（BLEU、ROUGE）では測りにくい主観的な側面を扱える一方、長い回答を好む傾向や、先に提示された回答を高く評価してしまう偏りが報告されており、運用には注意が必要です。

分野別の評価指標

ビジネス領域以外の評価指標についても、概要を押さえておきます。自社で複数分野の指標を扱う場合の見取り図として使ってください。

人事評価の指標

人事評価では、大きく3つの観点が使われます。

観点	測るもの	指標の例
業績評価	出した成果	目標達成率、売上、件数
能力評価	持っている力	保有スキル、資格、遂行できる業務の範囲
情意評価	仕事への姿勢	規律性、協調性、積極性、責任性

KPIをそのまま人事評価に使うと問題が起きます。 KPIは進捗管理の道具で、未達でも原因を分析して次に活かすものです。これを評価に直結させると、達成しやすい低い目標を置く動機が生まれ、KPIが機能しなくなります。

営業の指標

営業ではプロセスを分解して指標を置きます。

活動量：訪問件数、架電件数、提案件数
変換率：アポイント獲得率、商談化率、受注率
成果：受注金額、粗利、受注件数
継続：リピート率、顧客維持率

活動量は先行指標、受注金額は遅行指標です。変換率を見ていないと、活動量を増やすしか改善手段がなくなります。

製造の指標

製造業では、安全・品質・納期・コストの観点で指標を置きます。

OEE（設備総合効率）：設備がどれだけ有効に稼働したか
歩留まり：投入に対する良品の割合
在庫回転率：在庫がどれだけ効率よく回っているか
納期遵守率：約束した期日を守れた割合

機械学習・AIの指標

機械学習では、解く問題の種類によって使う指標が変わります。

問題の種類	代表的な指標
2値分類	正解率、適合率、再現率、F値、AUC、対数損失
多クラス分類	マクロF値、マイクロF値、混同行列
回帰	RMSE、MAE、決定係数（R²）、MAPE
ランキング・推薦	Precision@K、Recall@K、NDCG、MRR
クラスタリング	シルエット係数など

適合率と再現率はトレードオフの関係にあります。 どちらを重視するかは、間違いのコストで決まります。見逃しが致命的なら再現率、誤検知のコストが高いなら適合率を優先します。F値は両者のバランスを取った指標です。

機械学習で起きやすい問題は、モデルの精度指標が良くなってもビジネス成果が改善しないことです。精度指標とビジネス指標は別物であり、両方を見る必要があります。

評価指標が機能しなくなる5つのパターン

指標を設定しても形骸化することがあります。典型的なパターンを挙げます。

1. 数値だけを追ってしまう

数値の達成が目的化すると、本来の目的から外れた行動が起こります。件数を指標にすれば件数を分割する動きが出ますし、スピードを指標にすれば品質が落ちます。

対策は、相反する指標を組み合わせて置くことです。 対応件数と顧客満足度を同時に見れば、どちらかだけを追う動きを抑えられます。

2. 指標が多すぎる

10個も20個もKPIを置くと、どれを優先すべきか分からなくなり、結果として誰も見なくなります。

部門あたり3〜5個に絞るのが現実的です。 絞れない場合は、KGIとの因果関係が説明できないものから外します。

3. 測りやすいものだけを選ぶ

アンケートの満足度やPV数は取得しやすいため、主要指標になりやすい傾向があります。しかし取得しやすさと重要性は無関係です。

「なぜこの指標なのか」をKGIから説明できないなら、測りやすいから選んだ可能性があります。

4. 現場の行動と結びついていない

現場が「その数字を上げるために何をすればいいか」を答えられない指標は機能しません。

指標を設定したら、担当者に「この数字を上げるために明日から何をするか」を聞いてみてください。答えが出ないなら、指標が抽象的すぎます。

5. 測れていない成果を「ない」ことにする

これが最も見えにくく、影響が大きいパターンです。詳しくは次の章で扱います。

評価指標は「測れる範囲」で決まってしまう

最後に、指標の設計で見落とされやすい構造的な問題を扱います。選び方の話ではなく、選べる範囲の話です。

指標の選択は、計測体制の制約を受ける

SMARTの「M（測定可能）」で多くのKPI候補が落ちることは先に触れました。これは裏返すと、計測体制が指標の選択肢を決めているということです。

測れるものの中から指標を選んでいるのであって、重要なものの中から選んでいるわけではありません。ここを自覚していないと、「測れるから選んだ指標」を「重要な指標」だと思い込みます。

測れないものは、評価からも消える

具体的な例で考えてみてください。ある企業の問い合わせ経路が次のようになっているとします。

Webフォームからの問い合わせ：月50件（計測できている）
電話での問い合わせ：月80件（経路が記録されていない）

このとき、KPIとして置けるのはフォーム件数だけです。すると次のことが順番に起こります。

フォーム件数だけが指標になる——測れるものしか指標にできない
フォームを増やす施策が評価される——指標が上がるため
電話を生んでいた施策が評価されない——成果が記録されていないため
電話を生む施策が止まる——評価されない施策は継続されない

電話経由の成果のほうが多いにもかかわらず、評価の対象から消えます。 しかも消えたことに気づけません。記録がないものは、報告にも議論にも出てこないからです。

同じことは、店舗での成約、営業担当が対面で決めた案件、既存顧客からの紹介にも起こります。

広告の自動最適化では、この問題がさらに増幅する

近年の広告運用はAIによる自動最適化が標準です。配信先を決めているのは、媒体に戻ってきたコンバージョンデータです。

つまり記録されていない成果は、AIにとって最初から存在しません。 電話で決まる層への配信は「成果ゼロ」と判定され、自動的に削られていきます。人間の担当者であれば「最近、電話が増えている」と経験で補正できますが、AIは渡されたデータがすべてです。

評価指標の問題が、そのまま配信の問題になるという構造です。

計測の穴をふさぐと、指標の選択肢が増える

対処は、指標の選び方を工夫することではなく、測れる範囲そのものを広げることです。

必要なのは、分断されているデータを同一の顧客として結び直す基盤です。

Webサイト上の行動とフォームからの問い合わせ
電話での問い合わせと、その内容・成約可否
実店舗での来店・購入
CRM上の受注と契約金額

これらがつながると、「どの施策が、金額ベースでいくらの売上を生んだか」をKPIとして置けるようになります。

ファーストパーティデータの整備が指標設計の前提になるのはこのためです。技術的な手段としては、サーバー側から成果を送信するコンバージョンAPIや、データを統合するCDPが使われます。

オムニデータバンクは、Webサイト上の行動・電話での問い合わせ・実店舗での来店・CRM上の受注といったデータを収集・統合し、Google・Facebook（Meta）・Instagram・Yahoo!といった各広告媒体へ連携するためのプラットフォームです。

ウェブトラッキングに加えてコールトラッキング機能を標準で備えているため、これまで指標にできなかった電話経由の成果を、計測可能なKPIとして扱えるようになります。

評価指標の設計は、フレームワークを知っているかどうかでは決まりません。何を測れる状態にあるかで、置ける指標が決まります。KPIツリーを描く前に、自社が何を測れていないかを確認してみてください。

よくある質問

評価指標について、実務でよく寄せられる疑問をまとめました。

評価指標とKPIは同じものですか？

同じではありません。KPIは評価指標の一種で、事業目標の達成度を測るものです。評価指標はより広い言葉で、人事評価の軸や機械学習モデルの精度指標も含みます。会話が噛み合わないときは、どの意味で使っているかを確認してください。

KPIは何個くらい設定すべきですか？

部門あたり3〜5個が現実的です。10個以上になると優先順位が判断できなくなり、結果として誰も見なくなります。絞る基準は、KGIとの因果関係を説明できるかどうかです。

KPIを人事評価に使ってよいですか？

直結させることはおすすめしません。KPIは進捗管理の道具で、未達の原因を分析して改善につなげるものです。

評価に直結させると、達成しやすい低い目標を置く動機が生まれ、管理の道具として機能しなくなります。参考情報として使い、評価は別の軸を併用する形が安全です。

GA4の直帰率は旧GAと同じですか？

違います。旧GAは「1ページだけ見て離脱したセッションの割合」でしたが、GA4は「エンゲージメントのなかったセッションの割合」です。GA4では10秒を超えて滞在していれば直帰になりません。そのため同じサイトでも数字が大きく下がり、過去の数値と単純比較できません。

GA4で離脱率はどこで見られますか？

標準レポートには指標がありません。「探索」の自由形式で「離脱数」と「表示回数」を指標に追加し、「離脱数 ÷ 表示回数 × 100」で算出します。旧GAでは標準メニューから見られたため、運用の手順が変わっています。

ROASとROIはどちらを見るべきですか？

最終的な判断にはROIです。ROASは売上ベースなので、粗利率が低い商材では高いROASでも赤字になります。日々の運用ではROASを見て、投資判断ではROIを見るという使い分けが実務的です。損益分岐点ROASは「1 ÷ 粗利率」で求められます。

定性指標は設定したほうがよいですか？

数値に表れない変化を捉えるには有効です。ただし「誰が、どういう手順で、何を根拠に判断するか」を決めないと運用できません。判断の手順を決められないなら、設定しないほうが混乱を避けられます。

先行指標はどうやって見つけますか？

過去のデータから、結果指標より先に動いている数値を探します。売上が落ちた月の2か月前に問い合わせ数が落ちていれば、問い合わせ数が先行指標の候補です。相関を確認するにはある程度の期間のデータが必要なため、記録が残っていることが前提になります。

評価指標が形骸化しているか判断する方法はありますか？

次のいずれかに当てはまるなら形骸化しています。会議で数字が報告されるが議論にならない、担当者がその数字を上げる方法を答えられない、未達でも何も起きない、半年以上見直していない。

まとめ

評価指標について、押さえるべき点を整理します。

評価指標は分野によって意味が違う。経営のKPI、人事評価の軸、機械学習の精度指標はすべて「評価指標」と呼ばれる。議論の前に定義を揃える
分類の軸は4つ。定量/定性、成果/行動、先行/遅行、アウトプット/アウトカム。遅行指標だけを見ている組織は必ず手遅れになる
KGIからKPIへ直接飛ばさない。間にKSF（重要成功要因）を置かないと、測れるだけの指標が並ぶ
GA4で直帰率の定義が変わった。10秒を超えて滞在していれば直帰にならないため、旧GAの数値と比較できない。離脱率は標準レポートにない
媒体側の定義変更で数字が動く。アトリビューションは4モデルが廃止され、Meta広告のクリック定義も2026年3月に変わった
AI・LLMの評価指標という新領域が生まれた。忠実度や関連性を測るRAGAS、LLM-as-a-judgeなど
指標の選択肢は計測体制が決める。測れないものは指標にできず、評価からも消える

評価指標の設計でつまずく原因は、フレームワークの知識不足ではなく、測れていない成果があることに気づいていないことです。電話や来店の成果が記録から抜け落ちていないかを確認したい方は、オムニデータバンクの資料をご覧ください。

散らばった顧客データを統合し、測れなかった成果をKPIとして扱えるようにする仕組みをご紹介しています。