MATSUBAのMCPでCV差を聞ける?|任せる範囲と検算

MATSUBAのMCPでCV差を聞ける?|任せる範囲と検算

「広告の管理画面では成果が出ているのに、GA4の数字はそれより少なく、実際の申込はさらに違う」「先月コンバージョンが減ったと言われたが、本当に減ったのか、測れていないだけなのか分からない」——広告運用を社内で持ち始めた会社のマーケ担当から、繰り返し聞かれる声です。国産の広告計測基盤 MATSUBA は、2026年11月5日に、自社の BigQuery にたまった計測データを ChatGPT や Claude との対話で分析できる MCP 機能を加えました。SQLを書かずに「CVは本当に減ったのか」を確かめられる、という触れ込みです。ただ、数字の食い違いを解く道具が手に入っても、それで答えが出るわけではありません。本当に問われているのは、AIに切り分けの当たりをつけさせ、どこまでを人が確かめてから社内の数字として扱うかです。この記事では、数字が合わない場面ごとに、AIに任せてよい範囲、AIに見せるデータの線、報告に使う前の検算を整理します。


カメ先生カメ先生

計測の数字が合わないとき、AIにつなげば正しい数字を教えてくれると思われがちなんだ。でも本当は、AIが読めるのは渡されたデータだけで、そのデータがどう集められたかまでは自分で確かめられないんだよ。


カメ子カメ子

AIが出した答えも、元のデータの集め方に左右されるということですか。


カメ先生カメ先生

そう。だからAIには「どこで差が出ているか」の候補を挙げさせて、どの数字を正とするかは人が決める。そこを分けておかないと、AIの説明が社内の公式の数字になってしまうんだ。


カメ子カメ子

速く調べられることと、正しいと言い切れることは別なんですね。


この記事のポイント
  • MATSUBAは計測データを広告主自身のGoogle Cloudに置く基盤で、2026年11月5日にChatGPTやClaudeから対話で分析できるMCP機能が加わった
  • 数字が合わない原因の候補出しはAIに任せられるが、どの数字を正とするか、予算や報告に使うかは人が決める
  • AIに見せるデータの範囲と権限を先に決め、報告に使う数字は元の集計で検算してから出す

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

MATSUBAとは:計測の土台を自社のGoogle Cloudに置く国産の仕組み

MATSUBA は、東京都千代田区のアユダンテ株式会社が2026年6月25日に提供を始めた広告効果の計測基盤です。同社は2006年設立のデジタルマーケティング支援の会社で、Google 認定パートナーとして広告計測と Google Cloud の両方の支援を手がけています。同社は MATSUBA を、広告主が自分でデータを持ち続けるための仕組みと位置づけ、計測用のクッキーと計測データを、広告主自身のドメインとサーバー(Google Cloud)で発行・蓄積する点を特徴に挙げています。中核の技術は特許出願中で、株式会社杓谷技術研究所との共同開発だと公表されています。

公式の説明では、自社ドメインで発行するファーストパーティのクッキーの有効期間を最大400日とし、ブラウザの追跡防止機能(ITP)の影響を受けにくくしています。ただし、有効期間はブラウザの環境などに依存するとの注記つきです。計測したコンバージョンは広告主の BigQuery にたまり、Google、ラインヤフー、Meta、Microsoft などの広告媒体に送り返して自動入札の学習に使わせることもできます。送り返す先に X を含めるかは、11月の発表では含めている一方、製品ページのよくある質問では「近日対応予定」とされており、導入時点の対応状況は担当者に確かめる必要があります。

もう一つの特徴が、個人情報に頼らない設計です。製品ページでは、メールアドレスなどの個人情報を使わずに精度を上げ、計測データを外部へ直接送らずにアクセスログの範囲内で自社の環境に完結させるため、法務やプライバシーの審査の負担を軽くできると説明しています。先行導入した医療系サイトでは、各広告媒体の計測タグと比べてコンバージョンの計測値が15〜32%回復したと発表されていますが、対象サイトや期間で変わる数値だとも明記されています。

11月5日に加わったMCP機能は、何に答えるのか

MCP は、AIの道具が外部のデータにつながるための共通の仕組みです。発表によると、MATSUBA の MCP 機能を使うと、ChatGPT や Claude から、広告主の BigQuery にたまった MATSUBA の計測データを分析できます。媒体別のCVの集計や GA4 との比較など、よく使う集計はあらかじめ用意されており、担当者は普段の言葉で質問するだけだとされています。質問の例としては、自社のチャネルに触れたあとでCVした人のファーストタッチとラストタッチの構成の比較、初回の接触からCVまでの日数の分布、Google 広告の計測漏れをどれくらい取り戻せそうか、が挙がっています。

発表が「わかること」として挙げているのは六つです。広告媒体をまたいだCVの欠損と計測漏れ、自然検索やSNS、メールマガジンなどの流入の効果、GA4 とのキーイベント数・ユニークユーザー数・新規ユーザー数の違い、人のアクセスとボットと疑われるアクセスの内訳、初回接触からCVまでの流入元と日数、そしてCPAやROASなどの広告のKPIです。ここで見落としやすいのが、GA4との比較は GA4 の BigQuery のデータと連携できる場合、CPAやROASは広告費用やCVの価値のデータを連携した場合に限るという条件です。

さらに、同じ BigQuery に広告費用、GA4、配信網のアクセスログ、顧客管理や顧客データ基盤の売上・顧客のデータを置けば、組み合わせてAIに分析させられるとも書かれています。つまり、AIが答えられる範囲は、自社が BigQuery に何をつないだかで決まるということです。導入の打ち合わせでは、まず「どの問いに答えさせたいか」から逆算して、つなぐデータを決める順番になります。なお、異なる端末やブラウザをまたいだ行動は MATSUBA でも計測できない場合があると、発表自体が注記しています。

三つの数字が合わないのは、どこで数え方が分かれるからか

広告の管理画面、GA4、実際の申込や購入の件数が一致しないこと自体は、珍しいことではありません。同社は発表の中で、自動入札が主流になる一方、ブラウザのクッキー規制によって三つの数字が合わないことは珍しくないと書いています。MATSUBA の先行検証(2026年7〜9月、医療系サイト)では、SQLを書かずにAIとの対話だけで分析した結果として、次の三つが示されました。

先行検証で示された点読み取れること自社で確かめること
GA4のユニークユーザー数が MATSUBA より約1割少なかった同じ人の数え方が基盤ごとに違う自社サイトでも同じ向きの差が出ているか
iPhone で複数日訪れた人の約4割で GA4 の利用者の識別子が期間中に切り替わっていた(iOS以外は約5%)同じ人が新規の利用者として数え直されている可能性端末別に新規ユーザー数の偏りを見る
Google 広告のクリックの情報が iPhone の標準ブラウザで時間とともに失われ、広告経由のCVに数えられない例があった検討期間が長いほど広告の手柄が消える申込までの日数の分布と、媒体のCVの差を並べる

ここで大事なのは、どれが「正しい数字」かという問いの立て方そのものを変えることです。広告媒体は自分の広告に関わったCVを、GA4 はサイト上の行動から、社内の申込の台帳は実際に届いた件数を、それぞれ別の定義で数えています。差が出ること自体ではなく、差の大きさが急に変わったことが調べる合図になります。そして、同社の先行検証の数値は「対象サイト・期間により変動する」と明記されているので、自社の差の大きさの目安として借りてはいけません。

先に決める:AIは当たりをつける係、答えを出すのは人

MCP 機能の売りは、「なぜ?」をその場で確かめられることだと同社は説明しています。CVやCPAが変わったとき、AIに問いかけて原因の当たりをつけられる、という言い方です。この「当たりをつける」という表現は正確で、AIが返すのは原因の候補であって、原因の確定ではないと受け取るのが筋です。媒体側の計測の仕様変更、サイトの改修、フォームの不具合、季節、競合の出稿——AIは数字の動きから候補を並べられても、社内で起きた出来事は知りません。

そこで、導入の前に役割を決めておきます。AIに質問して候補を集める人、候補を元のデータで確かめる人、どの数字を社内の公式の数字として扱うかを決める人です。最後の一人は、広告の予算を持つ責任者か、数字の定義を管理する担当に絞ります。答えを出す人を一人に決めておかないと、担当者ごとに別の質問をして別の答えを持ち寄ることになり、会議が数字の突き合わせで終わってしまいます。

役割主な担当決めておくこと
候補を集める人広告運用・サイトの担当質問の文面と、AIが使った期間・集計の種類を必ず残す
確かめる人計測やデータの担当元のテーブルや管理画面で同じ数字を出し直す
答えを出す人広告予算の責任者など一人社内の公式の数字、予算や入札の変更への反映を決める
範囲を決める人情シス・データ基盤の管理者AIにつなぐデータと権限、つなぐ人の一覧を持つ

想定1:月曜の定例で「先月のCVが2割減った」と言われた

最も多いのが、この場面でしょう。広告の管理画面の数字が前の月より大きく減っていて、運用の担当が理由を求められている。MCP 機能があれば、MATSUBA の計測と媒体の数字を並べて、減ったのが実際の申込なのか、媒体が数えられなくなった分なのかを、対話で切り分けられます。ここでの最初の問いは「なぜ減ったか」ではなく、「MATSUBAの計測と社内の申込の台帳でも、同じ割合で減っているか」にするのが安全です。

三つの数字がそろって減っているなら、市場や施策の変化を疑います。媒体の数字だけが減り、MATSUBA と社内の台帳が横ばいなら、計測の欠損が増えた可能性が高くなります。この切り分けまではAIに任せてかまいません。一方、「だから入札の目標を下げなくてよい」「この媒体の予算を戻してよい」という結論は、答えを出す人が、元の数字を確かめてから決めることにしておきます。媒体側の自動入札は学習に時間がかかるため、早まった変更のほうが損失が大きいことがあるからです。

この場面でありがちな失敗は、AIの説明をそのまま定例の資料に貼ることです。AIの説明は文章として自然に読めるため、「計測の欠損が原因と考えられます」という一文が、確かめられないまま社内の結論として残ります。資料に載せるのは、AIの説明ではなく、人が確かめた数字と、その数字から人が下した判断にします。

想定2:代理店の報告と、自社で集計した数字が合わない

同社は、広告主と広告代理店が同じデータを見ながら分析を進められることを、MCP 機能の価値の一つに挙げています。欠損の少ない計測データを共通の土台にすれば、代理店は根拠をもって提案でき、広告主はその結果を自分で確かめられる、という説明です。MATSUBA は代理店経由でも導入でき、代理店向けのパートナープログラムも用意されています。

ただし、「同じデータを見る」ことと「同じ結論に至る」ことは別です。代理店の報告が媒体の管理画面の数字で、自社が MATSUBA の数字でAIに聞いた結果だとすれば、差が出るのは当然です。月次の報告でどの数字を成果として扱うかを、契約や報告の取り決めに書いておくことが先です。そのうえで、差の内訳をAIに出させ、代理店と同じ質問の文面を共有して答えを並べる、という使い方なら、議論の土台を合わせる道具として役に立ちます。

もう一つ決めておきたいのが、代理店にAIの接続をどこまで許すかです。代理店の担当者が自社の BigQuery に MCP 経由でつなぐ場合、誰のアカウントで、どのデータまで読めるのかを、自社の側で管理できる形にしておきます。代理店が見られる範囲と、自社だけが見る売上・顧客のデータは分けておくのが基本です。契約が終わったときに接続を止める手順も、始める前に決めておきます。

想定3:「計測漏れはどれくらい取り戻せる?」と経営から聞かれた

発表の質問の例には、「Google 広告で、CVの計測漏れはどれくらい取り戻せそう?」という問いがあります。経営や上司が最も知りたいのは、まさにこの数字でしょう。ところが、取り戻せる量は見込みであって、実績ではありません。AIは MATSUBA の計測と媒体の計測の差から見込みを出せますが、その差がそのまま媒体の自動入札の改善や、売上の増加につながる保証はありません。

この種の問いの答えは、「見込み」と明記し、計算の前提と期間を添えた形でしか社内に出さないと決めておきます。前提とは、比べた期間、比べた媒体、端末やブラウザをまたいだ行動が計測できない分の扱い、そしてボットと疑われるアクセスを除いたかどうかです。先行導入の15〜32%という回復の幅も、あくまで1サイトでの値です。自社の見込みは、自社の数字で、期間を区切って出し直すしかありません。

加えて、取り戻した数字を媒体に送り返す機能を使う場合は、効果を読む期間をあらかじめ決めておきます。送り返す前と後で、媒体の数字、MATSUBA の数字、社内の申込の台帳がどう動いたかを並べ、改善が本当に起きたかを人が判断します。AIに比べる作業を頼むのはかまいませんが、「効果があった」と言い切るのは人の仕事です。

AIに見せる範囲:BigQueryの何を、誰の権限でつなぐか

MATSUBA は、お客様が契約する Google Cloud で動くと製品ページのよくある質問に書かれています。つまり、MCP 経由でAIが読むのは、自社の Google Cloud の中のデータです。ここで決めるべきなのは、AIの道具にどのデータセットまで読ませるか、そして誰の権限でつなぐかです。BigQuery のデータへの権限は Google Cloud の権限管理で決まるので、AIにつなぐ人のアカウントが読める範囲が、そのままAIが読める範囲になると考えておくのが安全です。

一方で、MATSUBA の MCP 機能が、どこで動く接続口なのか、どの認証の方式を使うのか、読むだけの操作に限られているのかは、公開されている発表と製品ページからは確認できませんでした。導入の前に、接続の方式と、書き込みや削除ができるかどうかを書面で確かめることを勧めます。分かるまでは、計測データとは別のプロジェクトやデータセットに、AIに見せてよいデータだけを置き、そこだけを読める権限でつなぐ、という分け方が考えられます。

つなぐ人の一覧も、データ基盤の管理者が持ちます。マーケの担当、代理店、分析の外部委託先がそれぞれ個人のAIの道具からつなぐと、誰がいつ何を聞いたのか、後から追えなくなります。接続を許す人、使ってよいAIのサービス、止める担当の三つを一覧にしておくと、異動や契約の終了のときに漏れなく止められます。

社外のAIに渡るもの:質問の文面と、集計の結果

MATSUBA の計測データそのものは自社の Google Cloud にありますが、MCP で ChatGPT や Claude とつなぐと、少なくとも質問の文面と、AIに返された集計の結果は、そのAIのサービスの側で処理されます。これは MCP という仕組みの性質で、AIが答えを作るには、集計の結果を読む必要があるからです。「データは自社にある」と「AIに見せた結果は社外で処理される」は両立することを、法務と情シスに最初に説明しておきます。

ここで確かめるのは、使うAIのサービスの契約です。業務向けの契約で、入力や出力を学習に使わない設定になっているか、保存の期間はどうか、どの地域で処理されるかは、MATSUBA ではなく ChatGPT や Claude の側の条件で決まります。個人向けの無料の契約からつなぐことは禁止にしておくのが無難です。社内で使ってよいAIのサービスの一覧があるなら、MCP でつなぐ先もその一覧の中に限ります。

  • 質問の文面に、未公開の新製品名やキャンペーンの計画を書かない
  • 集計の結果に個人を特定できる値が出ないよう、AIに見せるデータの段階で落としておく
  • AIのサービスの会話の履歴に何が残るかを、利用規約と管理画面で確かめておく

個人に紐づくデータをつなぐ前に決めること

MATSUBA 自体は、メールアドレスなどの個人情報に頼らない設計だと説明されています。ところが、発表が勧めるように、同じ BigQuery に顧客管理や顧客データ基盤の売上・顧客のデータをつなぐと、事情が変わります。受注や継続といった事業の成果で広告を評価できるのは大きな利点ですが、計測の識別子と顧客の台帳を結び付けた時点で、個人に関する情報として扱うべきデータになりうるからです。

つなぐ前に、プライバシーポリシーの記載、利用目的の範囲、委託先の扱いを法務と確かめます。そのうえで、AIに見せるのは、個人の単位ではなく集計した単位のデータに限る、という線を引くのが現実的です。たとえば、媒体ごと・月ごとの受注件数と金額だけを集計した表を別に作り、AIにはその表だけを読ませる、といった形です。個人の行の単位でAIに読ませる必要がある分析は、そもそも対話で聞く対象から外すと決めておくと迷いません。

  • 顧客管理の全項目をそのまま BigQuery に複製し、AIの接続に同じ権限を与える
  • 「個人情報は入っていない」と思い込み、問い合わせフォームの自由記入欄まで読ませる
  • AIの答えに出てきた個別の顧客の情報を、そのまま会議の資料に貼る
  • 法務の確認の前に、代理店にも同じデータを見せる

報告に使う前の検算の手順

AIが出した数字を社内の報告や予算の判断に使う前には、必ず検算を挟みます。生成AIは、集計の結果を文章に直すときに、期間や比べる相手を取り違えることがあります。しかも説明の文章は自然に読めるため、数字が誤っていても、読んだ人が気づきにくいのが厄介なところです。次の順で確かめます。

STEP1
AIが使った期間・媒体・集計の種類を書き出す

どの期間の、どの媒体の、どの定義のCVを数えたのかを、答えの中から抜き出します。書かれていなければ、AIに明示させます。

STEP2
同じ数字を元の集計で出し直す

用意された集計のテンプレートや Looker Studio の報告、媒体の管理画面で、同じ条件の数字を開き、一致するかを見ます。

STEP3
件数と割合の両方を見る

「約1割の差」と言われても、母数が小さければ偶然の幅に収まります。割合だけでなく件数を必ず確かめます。

STEP4
計測できない分の扱いを確かめる

端末やブラウザをまたいだ行動、ボットと疑われるアクセスを含めたか除いたかで、差の大きさは変わります。

STEP5
人が一文で言い直す

「この期間、この媒体で、この差があり、理由の候補はこれ」と人が一文で言えないものは、報告に載せません。

導入の最初の数か月は、報告に使うすべての数字について、この手順を踏むことを勧めます。どの種類の質問で取り違えが起きやすいかが見えてくれば、確認を軽くしてよい範囲も分かってきます。検算を省いてよい範囲を広げる判断も、記録をもとに人が行うことにしておきます。

費用の増え方と、止め方・やめ方

MATSUBA の料金は、製品ページに料金の欄があるものの、公開された金額は確認できませんでした。導入は直接と代理店経由の両方があり、MCP 接続の設定から分析の進め方までを同社の専門チームが支援すると説明されています。見積もりを取るときは、MATSUBA 自体の費用に加えて、自社の Google Cloud で発生する費用と、AIのサービスの費用が別に積み上がることを前提にします。

BigQuery は、照会で読み込んだデータの量に応じて費用がかかる料金体系を選べます。対話で何度も質問すれば、そのたびに集計が走ります。用意された集計がどれだけのデータを読むのか、MCP 経由の照会の費用が自社のどのプロジェクトに付くのかは、導入時に確かめておきたい点です。月の照会の費用に上限の警告を設定し、担当者ごとの質問の回数を最初の月だけでも数えておくと、使い方が固まる前に費用が膨らむのを防げます。

やめ方の面では、計測データが自社の環境に残ることが MATSUBA の利点です。同社も、将来プラットフォームやツールを変えても、蓄積したデータは自社に残り続けると説明しています。MCP の接続だけを止めたいときは、つないだ人の権限を外し、AIのサービス側の接続の設定を消す、という二段で止めます。止めた日と担当者を記録に残しておけば、後から利用の範囲を確かめられます。

AIに判断させないことを、先に書き出しておく

ここまでの話を、運用の決まりとしてまとめます。MCP 機能に任せてよいのは、用意された集計の実行、媒体や期間をまたいだ数字の並べ替え、差の内訳の候補出し、そして比べる作業です。逆に、人が持つべきことは、運用を始める前に書き出し、答えを出す人とデータ基盤の管理者で合意しておきます。

AIに判断させないこと(例)
  1. 社内の公式のCVの数字として、どの基盤の数字を使うか
  2. 入札の目標や媒体ごとの予算を変えるかどうか
  3. 計測漏れの「取り戻せる見込み」を、実績として扱うかどうか
  4. 数字が動いた原因を確定させること
  5. 代理店との成果の報告で、どの数字を成果として認めるか
  6. AIにつなぐデータの範囲と、つないでよい人を広げること

この一覧から項目を外すのは、記録で一定期間の実績を確かめてからにします。たとえば、AIが挙げた原因の候補と、人が確かめた結果を並べて記録しておけば、どの種類の質問ならAIの候補がよく当たるのかが分かってきます。任せる範囲を広げるかどうかも、その記録を見て人が決める、という順番を守ります。

よくある質問

SQLが書けなくても、MATSUBAのデータを分析できますか

同社は、よく使う集計をあらかじめ用意しているため、SQLの知識がなくても普段の言葉で質問できると説明しています。ただし、出てきた数字を報告に使う前には、元の集計や報告のテンプレートで同じ数字を確かめる手順を挟むことを勧めます。

GA4とのユーザー数の比較は、どの会社でもできますか

発表では、GA4 とのキーイベント数・ユニークユーザー数・新規ユーザー数の比較は、GA4 の BigQuery のデータと連携できる場合に限ると注記されています。GA4 のデータを BigQuery に書き出していない場合は、まずその準備から必要です。

MCPでつないだAIは、データを書き換えたり消したりできますか

MATSUBA の MCP 機能の接続方式や、読むだけの操作に限られるかどうかは、公開資料からは確認できませんでした。導入の前に書面で確かめ、分かるまでは、AIに見せてよいデータだけを読める権限でつなぐ運用にしておくのが無難です。

代理店経由でも導入できますか

MATSUBA と MCP 機能は、広告代理店経由でも導入できると発表されています。その場合も、自社の BigQuery への接続を誰に許すか、契約の終了時にどう止めるかは、自社の側で決めて管理します。

まとめ

MATSUBA の MCP 機能は、自社の Google Cloud にためた計測データを、ChatGPT や Claude との対話で分析できるようにするものです。広告の管理画面、GA4、実際の申込の数字が合わないとき、差がどこで出ているかの候補を、SQLを書かずに素早く集められる点は、社内で広告を持つ会社にとって大きな助けになります。けれども、AIが返すのは原因の候補であり、どの数字を社内の公式の数字とするか、予算や入札をどう動かすかは、答えを出す人を一人に決めて人が判断します。導入の前には、AIにつなぐデータと権限、使ってよいAIのサービス、個人に紐づくデータを集計の単位に落とす線を決め、報告に使う数字は元の集計で検算してから出しましょう。接続の方式や料金など、公開資料で確かめられなかった点は、契約の前に同社に書面で確認しておくと安心です。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次