GA4ベースのROAS錯視解消戦略Case Studio

はじめに：「間違った数字」から「本当の利益」への移行

「広告は戻っても売上/利益は残りません」 - これはパフォーマンスマーケティングが直面する最も重要なジレンマです。広告パフォーマンス指標（CTR、CVR、ROASなど）に集中していると、数字に閉じ込められます。 実際のビジネスパフォーマンスを見逃す典型的な「データ錯視」現象に落ちやすいです。

この問題の核心は 「相関関係」と「因果関係」の混同にあります。マーケティング担当者はしばしば、「クリック率が上がるとコンバージョンも良くなる」という相関関係に基づいた仮説に埋め込まれます。しかし、実際の転換は売り手の信頼と提案の完成度という「因果関係」に従います。

このガイドの目標

「売上ROAS」という錯視指標を破り、Google Analytics 4（GA4）の データ駆動型貢献（DDA）モデルと 「総マージン（Gross Margin）」追跡システムを導入し、ビジネスの実際の「利益（Profit）」中心意思決定フレームワークを構築する技術的・戦略的青写真を提供します。

I. ROAS錯視現象の診断

なぜ高い広告パフォーマンスが利益につながらないのか

1.1。 ROAS膨張のメカニズム：下部ファンネルの落とし穴

ROASは本質的に リターゲティング、ブランド検索、またはすでに購入意思が確定している既存の顧客 バックコンバージョンがほぼ確実なキャンペーンに集中すると、最も高くなります。これらのキャンペーンは効率的に見えるかもしれませんが、実際には「どうせ購入した」顧客に広告費を費やして 最小限の新規ビジネス成長のみをもたらす 場合が多いです。

実例：ROAS錯視の衝撃的現実

年間売上高1,600億ウォン以上のブランドがマーケティング支出と新規顧客注文との相関関係を分析した結果 0.22に過ぎないしました。 ROAS指標は前年比で上昇しましたが、新規顧客数と総売上高はむしろ減少しました。これは 「ROASという神は満足させたが、ビジネスは成長できなかった」 状態を明確に示しています。

1.2.測定の死角ゾーン：最後のクリックと親ファンネルの崩壊

伝統的な 「最後のクリック（Last Click）」貢献モデルはROAS錯視現象を技術的に裏付ける元胸です。このモデルは、顧客をブランドとして「認知」し、「考慮」するようにしたトップファンネル（ソーシャルメディア、ディスプレイ広告など）の貢献 0として扱うします。代わりに、購入直前の最後のインタラクション（たとえば、ブランド検索クリック）にすべてのボールを回します。

このように歪んだデータは 「ROASが低い」という理由で上位ファンネルの予算を削減する誤った意思決定につながります。その結果、新規顧客を流入させるパイプラインが乾燥し、長期的にはリターゲティングするパラメータまで枯渇し、全体ファンネルが崩壊する最悪のシナリオを迎えることになります。

1.3。 LTVと利益の欠如：「売上」は「利益」ではありません

ROASは広告費用対比 「売上（Revenue）」に基づいて計算されます。しかし、 利益マージンが低い製品イナ 顧客生活価値（LTV）の低いワンタイム顧客この発生の高い売上高は、ビジネスにとって実質的な毒になる可能性があります。

重要な問題

売上≠利益

10万ウォンの売上高が9万ウォンの原価を持つことも、1万ウォンの原価を持つこともできます。 ROASはこれを区別しません。

ある分析によると、顧客Aは即時ROASが高かったが、顧客Bは長期的に 8倍の価値を創出しました。「売上ROAS」にのみ最適化されたシステムは、短期的な成果を上げる顧客Aにのみ集中し、長期的な成長動力を失います。

ROAS錯視の主な兆候とGA4ベースの処方

兆候（Symptom）	根本原因(Root Cause)	処方（GA4 Solution）
「ROASは150％なのに、なぜ利益が残らないのですか？」	1. 「売上」のみ追跡（利益マージンを考慮X） 2. 新規顧客ではなく既存の顧客ターゲティング	1.「総マージン」追跡（GA4 `item_profit` 実装） 2. 「CAC」と「新規顧客」の同時測定
「CTRはいいけど、CVRが所定の位置」	1. 相関関係(Click)と因果関係(Conversion)混同 2. 上部ファンネルのみ動作、下部ファンネル崩壊	1. GA4ファンネルナビゲーション(出口点分析) 2.内部プロセスチェック（UX、支払いエラーなど）
「ソーシャル広告をオフにすると、ブランド検索の売上が落ちます」	1. 最後のクリックモデルの貢献度の歪み 2. 上位ファンネル(Meta)の貢献度過小評価	1. データ駆動型貢献（DDA）モデルの導入 2. 「モデル比較」レポートでクレジットの再配布を確認する
「新規顧客キャンペーンはROASが低くなってしまいました」	1. 短期ROASに埋め込まれたLTVを無視 2. 新規顧客流入パイプライン枯渇	1. コホート(Cohort)分析(チャンネル別LTV測定) 2. LTVベースのROASでKPIを再定義

II.データファンデーションの再構築：GA4イベントと利益追跡設計

2.1。なぜ「総マージン（Gross Margin）」を追跡するのですか？

すべての「売上」は同じ価値を持っていません。 10万ウォンの売上高が9万ウォンの原価（COGS）を持つことも、1万ウォンの原価を持つこともできます。 「売上ROAS」は、マージンの高い製品と低い製品を区別できません。マーケティング担当者は、自分も知らないうちに「売れるほど損をする」製品のROASを最適化する罠に陥ることがあります。

総マージン追跡の価値

「総マージン（Gross Margin）」 （売上 - 売上原価（COGS））を追跡することは、マーケティングを「コストセンター」から「利益センター」に切り替え、すべての意思決定を実際のビジネス貢献度に合わせる第一歩です。

2.2. GA4 / GTM技術の実装：「総マージン」追跡システムの構築

コア原理

GA4の purchase イベント itemsという配列に購入されたすべての商品情報を格納できることを活用します。標準パラメータ（item_name, price など）のほか、 「製品の実際の利益」を表すカスタムパラメータ（例： item_profit）をこのアイテム配列に追加します。

ステップ1：データレイヤーの設計

購入が完了すると、サーバー（バックエンド）は dataLayer.push()を通じて「購入」イベントを送信する必要があります。このとき、各製品（item）の price（販売価格）と cogs(原価)に基づいて item_profit（販売価格 - 原価）を計算してデータレイヤーに含める必要があります。

JavaScript
dataLayer.push({
  event: "purchase",
  ecommerce: {
    transaction_id: "T_12345",
    value: 385000, // 総 '売上'
    currency: "KRW",
    items: [
      {
        item_id: "SKU_001",
        item_name: "プレミアムレザージャケット",
        price: 250000,
        quantity: 1,
        item_profit: 150000 // 売上高 250000 - 原価 100000
      },
      {
        item_id: "SKU_002",
        item_name: "カシミアスカーフ",
        price: 135000,
        quantity: 1,
        item_profit: 85000 // 販売価格 135000 - コスト 50000
      }
    ]
  }
}）;

ステップ2：GTM（Google Tag Manager）を設定する

GTM変数の生成： dataLayerから item_profit 値を読み取るGTM変数（例： dlv_item_profit）を生成します。
GA4イベントタグの修正： 「GA4イベント - purchase」タグで「eコマースデータ転送」をチェックし、「イベントパラメータ」領域でitems配列を正しく参照するようにします。
GA4構成タグ： GTMの「Googleタグ」設定で item_profit データを「アイテム範囲」に転送するように設定します。

ステップ3：GA4カスタム定義（Custom Definitions）を登録する

item_profitはGA4が基本的に知らないカスタムデータなので、GA4の「管理」>「データの表示」>「カスタマイズ」で手動で登録する必要があります。

⚠️重要な技術的ポイント

item_profit（利益）は明らかに「数字（Number）」であり、「測定項目（Metric）」として登録する必要があるようです。しかし、GA4の「カスタム指標」は「イベント範囲」のみをサポートしています 「アイテムの範囲」のカスタム指標は、現在のUIで直接生成が制限されていますになります。

したがって、技術的に正しい手順はGTMの数字です item_profit 値を送信しても、 GA4ではこれを「項目範囲カスタム測定基準」として登録することです。この値はGA4で「テキスト」として扱うことができるので、Looker Studioで CAST(dim_item_profit AS NUMBER)のように、数字に変換する後続の作業が必要です。

GA4管理者設定：

名前: Item Profit
範囲(Scope): 項目(Item)
説明：「個別商品の総マージン（Price - COGS）」
項目パラメーター (Item parameter): item_profit

2.3。ビジネス目標に基づく「コアイベント」の上書き

GA4はすべてのユーザーの行動を「イベント」として追跡します。このうち、ビジネスの成功に重要なイベント 「核心イベント（Key Event）」（以前の「切り替え」）で表示します。「購入」イベントは自動的にコアイベントとして登録されます。

しかし、このガイドの目標は、「売上」ではなく「利益」を追跡することです。したがって、 「購入」イベントの発生回数よりも、そのイベントが発生させた「総マージン」の値をより重要に評価する必要があります。

戦略的な移行

マーケティングの目標を（X）「購入（転換）数を増やそう」から（O） 「総マージン（Gross Margin）の合計を増やそう」に戦略的に切り替えることを意味し、GA4の再設計の中心的な哲学です。

III。データ整合性の確保：UTMタグ付けルールセット

3.1。 UTMの重要性：「Garbage In、Garbage Out」

GA4の洗練されたDDA（データベースの貢献）と利益ベースのコスト分析の両方 流入トラフィックを正確に識別することに依存します。 UTM（Urchin Tracking Module）タグ付け規則がないと、チャネルデータが混在し（例：facebook.com、m.facebook.comがすべて別のソースで捕捉され）、有料トラフィックが「organic」または「direct」に誤分類され、分析自体が不可能になります。

UTMタグ付けの重要な役割

UTMタグ付けは、単純なトラフィック分析を超えて、 データベースの「プライマリキー」の役割を行います。 DDAはsource/medium/campaignに基づいて貢献度を配分し、Google以外の広告費用データ（Meta、Naverなど）をGA4にインポートするとき utm_id または utm_campaignに基づいてデータを結合する必要があります。 UTMルールが壊れた場合、DDAと利益ベースのROAS計算自体は不可能になります。

3.2。 UTMパラメータ定義と標準命名規則

utm_source （必須）： トラフィックを送信したプラットフォームまたはソース（たとえば、google、facebook、naver、edm）。常に小文字の使用。
utm_medium （必須）： マーケティングメディアまたはトラフィックの種類（例：cpc、display、social_paid、email）。プラットフォームと戦術を混同しないでください。
utm_campaign （必須）： 特定のキャンペーン名（例：2025_spring_sale、new_customer_promo）。一貫した命名規則の遵守。
utm_term （選択/推奨）： 有料検索キーワード（例：レザージャケット）。 Metaなどではターゲットオーディアンス（例：lookalike_1pct）の識別に使用可能。
utm_content （選択/推奨）： A/Bテスト用。同じURL内のクリエイティブまたはボタンの区切り（例：red_banner、blue_cta_button）。
utm_id （推奨）： キャンペーンID。 Google以外の広告費用データをGA4にインポートして参加するために必要なキー値。

マスターUTMタグ付けルールセット

チャンネル(チャンネル)	utm_source	utm_medium	utm_campaign
Google Ads	google	cpc	（自動タグ付けを推奨）
Naver SA	naver	cpc	(キャンペーン名)
Naver GFA/DA	naver	display	(キャンペーン名)
Meta (Facebook/IG)	meta	social_paid	（キャンペーン名_AdSet名）
YouTube（非広告）	youtube	social_organic	（ビデオトピック）
メール(EDM)	edm	email	（ニュースレター_日付）
アフィリエイト (Affiliate)	（提携社名）	affiliate	（プロモーション名）

コアルール

小文字の使用（Lowercase）： Facebookとfacebookは異なるチャンネルに集約されます。無条件に小文字で統一しなければなりません。
スペース（スペース）禁止： スペースの代わりにアンダースコア（_）またはハイフン（-）を使用します。
内部リンクタグ付け禁止： 自社モール内のバナー（例：「春セール」→セールページ）にUTMを使用すると、そのユーザーの最初の流入ソース（google / cpcなど）が（自社モール）/ internal_bannerで上書きされ、貢献分析が不可能になります。

IV。パフォーマンス帰属の上書き：GA4寄与モデルの比較とデータファンデーション（DDA）の切り替え

4.1。最後のクリック（Last Click）の明らかな制限

最後のクリック（LC）モデルは、ユーザーが購入前に対話した他のすべてのチャンネル（認知、考慮）を無視します。これは 「ROASは高いが新規顧客が減る」現象を引き起こします。マーケティング担当者が上位ファンネル投資を中断するためです。

GA4は基本的に「有料チャンネルとナチュラルチャンネルラストクリック」モデルを使用していますが、これは過去の慣行であり最善ではありません。

4.2。データ駆動型寄与(DDA)モデルの動作原理と価値

GA4の DDA(Data-Driven Attribution)は、高度な機械学習（Shapleyモデルベース）を使用して、変換パスと非変換パスの両方を学習します。このモデルは、移行に実際に貢献したすべてのタッチポイント（最大50） 「部分的クレジット」を配布します。

DDAの主な利点

精度（Accuracy）： ルールベースのモデル（LC、First Click）よりも、実際の顧客旅行に近い貢献度を配分します。
全体論的観点（Holistic View）： 「Eメールキャンペーンが後で検索コンバージョンを引き起こす」という式のチャンネル間の相乗効果を発見します。
予算の最適化： 過小評価された親ファンネルチャネルに正当な予算を配分する根拠を提供します。

4.3。 GA4「広告」セクションの活用法：DDAの影響力を分析する

GA4の「広告」>「貢献分析」> 「モデル比較（Model comparison）」レポートがこの変化の核心です。このレポートでは、「最後のクリック」モデルと「データベース」モデルを並べて比較して、各チャンネルの「コンバージョン数」と「収益」がどのように再配布されるかを直接確認できます。

モデル比較レポートの戦略的価値

「モデル比較」レポートは単なる分析ツールではなく、 予算交渉のための最も強力な戦略的根拠資料です。経営陣や他の部署は依然として「ソーシャルメディアはお金だけを使って売り上げはできない」という最後のクリックベースの偏見を持つことができます。

このレポートは、「Paid Socialチャンネルは最後のクリック基準で100件の移行を引き起こしましたが、DDA基準では 350件の転換に貢献しました。これは、そのチャンネルが+250％過小評価されたことを意味します。」と定量的に証明できる唯一の証拠です。

貢献モデル別チャンネルパフォーマンスの変化(シミュレーション)

チャンネル	コンバージョン (Last Click)	切り替え(Data-Driven)	変化率	戦略的示唆
有料ソーシャル（Paid Social）	50	150	+200%	過小評価 - 親ファンネル（認知）貢献度が高い。予算増額を検討。
一般検索 (Organic Search)	120	140	+16.7%	維持-旅程全体に着実に貢献。
有料検索 - ビーブランド	200	180	-10.0%	やや過大評価 - 中間ファンネル（高麗）の役割。
有料検索 - ブランド	400	200	-50.0%	重大に過大評価される - 下部ファンネル（確定）の役割。 LC ROASの主犯。
直接流入(Direct)	230	330	+43.5%	過小評価 - ブランド認知度の最終結果。

V.パフォーマンスレポートフォーマット：利益中心のKPIダッシュボードデザイン（Looker Studio）

5.1。新しいコアパフォーマンス指標（KPI）の定義

「利益」中心の意思決定のために、KPIスタックを次のようにオーバーライドします。

Purchase ROAS (売上ROAS)

総売上高/総広告費用

これは「錯視」を認識するための比較群として使用されます。

Gross Margin%(総マージン率)

総マージン/総売上

ビジネスの健康度を示します。

Margin ROAS(総マージンROAS)⭐

総マージン/総広告費用

このガイドの中核「ノーススター」KPIです。

CAC(顧客獲得費用)

総広告費用/新規顧客数

新規顧客一人を連れてくる投資金

CPO(注文あたりの費用)

総広告費用/総注文数

1つの注文を発生させる費用

5.2。 Looker Studioダッシュボードの実装

「総マージンROAS」と「CAC」を含む完全なレポートは、GA4の内部で実装することはほとんど不可能です。その理由は：

「総マージン ROAS」を計算するには、「総マージン」と「総広告費用」が必要です。
GA4はGoogle Adsの費用を自動的に取得しますが、Meta、NaverなどのGoogle以外の広告費用は手動で取得する必要があります。
「総マージン」（item_profit）はGA4に「項目範囲カスタムメジャー」として保存されているため、GA4ナビゲーションレポートで数値として直接使用することは困難です。

唯一の解決策は、Looker Studioを使用して複数のデータソースを結合することです。です。

ステップ1：データ結合（Data Blend）と「総広告費用」を作成する

Looker Studioでは、3つのデータソースを日付とキャンペーンに基づいて組み合わせ（Blend）して、「総広告費」（Total Cost）フィールドを作成します。

GA4データソース： 売上、キャンペーン、ソース/メディア、dim_item_profit
Google Adsデータソース： 広告費（コスト）
手動アップロードソース（Googleシート）： 日付、キャンペーンID、ソース/メディア、広告費用（Meta、NaverなどのGoogle以外の費用）

ステップ2：Looker Studioの「計算されたフィールド」を作成する

利益中心ダッシュボードのコアエンジンは、Looker Studioの計算フィールドです。

Formula
// [計算フィールド1]総マージン（Gross Margin）
SUM（CAST（dim_item_profit AS NUMBER））

// [計算フィールド2]総マージン率（Gross Margin％）
SUM(Gross Margin) / SUM(Purchase Revenue)

// [計算フィールド3] Margin ROAS（総マージンROAS）
SUM(Gross Margin) / SUM(Total Cost)

// [計算フィールド4] Revenue ROAS（売上ROAS）
SUM(Purchase Revenue) / SUM(Total Cost)

// [計算フィールド5] CAC（顧客獲得コスト）
SUM（Total Cost）/ COUNT_DISTINCT（ユーザーID）

キャンペーン - セグメント別パフォーマンスレポートのレイアウト

ダッシュボードコンポーネント

[エリア1]コアKPIスコアカード

総広告費（Total Cost）
総売上高（売上高）
総マージン(Gross Margin)
CAC(顧客獲得費用)
売上ROAS（Revenue ROAS）
総マージンROAS（マージンROAS）⭐
総マージン率(Gross Margin%)

[エリア2]時系列チャート：利益対コスト

X軸：日付（Date）
Y軸：総広告費、総マージン、総売上高（ライン/バーチャート）

[エリア3]キャンペーン - セグメント別パフォーマンステーブル

Dimension：キャンペーン（またはソース/メディア）
メトリクス：総広告費用、クリック/セッション、注文/ CPO、新規顧客/ CAC、総売上/売上ROAS、総マージン、 総マージンROAS ⭐

VI。長期成長動力確保：1-90日コホート分析

6.1。なぜコホートが必要なのですか？ - LTVの重要性

先に設計した「Margin ROAS」レポートも即時の利益しか見せないという限界があります。しかし、 初期ROASが低くてもLTV（顧客生涯価値）が高い顧客を確保することが長期的に勝利する道です。

「1-90日のコホルト回帰率」はこのLTVを測定する最も実用的な方法です。

6.2。 GA4「探索」を活用したコホートレポートの設定

GA4「エクスプローラ」>「テンプレートギャラリー」>「コホートナビゲーション」レポートを活用します。

コホートレポートの設定

コホート生成（含まれる基準）：

基準：最初の訪問（First touch - acquisition date）
理由：チャンネル別の新規顧客のLTVを追跡することが目的であるため、ユーザーが「最初に流入した」時点に基づいてコホートを作成する

コホート復帰（返却基準）：

標準：購入（Any transactionまたはpurchase）
理由：「回帰率」の目的が「再購入率」なので、復帰基準で「購入」イベントを設定

その他の設定：

期間(Granularity): 月別(Monthly) (1-90日は3ヶ月値データ)
指標（Metric）：アクティブなユーザー（Active Users）または購入者（Purchasers）
分割(Breakdown): ⭐ 最初のユーザーソース/メディア (First user source/medium)

6.3。コホートレポートの分析と活用

上記の設定で 「2025年1月にgoogle / cpcを介して最初に導入された顧客のうち、2月（Month 1）で何％が再購入し、3月（Month 2）で何％が再購入しましたか？」をチャンネルごとに正確に比較できます。

コホート分析の戦略的価値

コホート報告書は、「CAC」が「費用」であるか「投資」であるかを判断する基準となります。

たとえば、google / cpcのCACが50,000ウォンで、meta / social_paidのCACが80,000ウォンであると仮定すると、このデータだけを見るとmetaのパフォーマンスが悪くなります。

しかし、コホートレポートでgoogle / cpc流入顧客の90日の再購入率は5％ですが、 meta/social_paid 流入顧客の90日再購入率は30%であることを発見した場合、メタチャネルの高いCACは 「高価値顧客を確保するための長期投資」として再解釈することができます。

完璧なビジネス成長フレームワーク

3つのコアKPI（CAC、Gross Margin％、Cohort回帰率）は、それ自体で完璧なビジネス成長フレームワークを構成します。

CAC（顧客獲得コスト）： 「新規顧客一人を連れてくる投資金」
Gross Margin％（総マージン率）： 「初回購入で直ちに回収する利益率」
Cohort回帰率（再購入率）： 「投資金を未来にどれだけ、どのように回収するか（LTV）」

この3つのKPIの組み合わせは「特定キャンペーン（Ａ）はＣＡＣ（１万ウォン）が低く、マージン率（４０％）が高くすぐに利益が出るが、他のキャンペーン（Ｂ）はＣＡＣ（５万ウォン）が高く、マージン率（２０％）が低く、最初の購入は損しているが、コホート再購入率（６０％）が高く９０日には式の高次元的な意思決定を可能にします。

VII.実行ロードマップ：成功したフレームワークを切り替えるための戦略的勧告

フェーズ1：技術的な実装とデータ検証（0〜30日）

駐車場	コアアクション	担当
1週目	利害関係者協議：マーケティング、財務/会計（COGSデータ）、開発チーム（データ層）キックオフミーティング	戦士
2週目	GTM/GA4設計：「イベントツリーマップ」と「UTMルールセット」を転写標準として最終確定	マーケティング
3週目	開発と実装：purchaseイベントのデータレイヤーにitem_profitなどのカスタムパラメータを適用します。 GA4カスタム定義とGTMタグ設定の完了	開発チーム、マーケティング
4週目	検証とデバッグ：GA4 DebugViewおよびGTMプレビューモードでitem_profit値が正しく収集されることを確認する	マーケティング、開発チーム

フェーズ2：レポートと分析システムの構築（30〜60日）

駐車場	コアアクション	担当
5週目	費用データの統合：Meta、Naverなどの広告費用を手動/自動でGA4（またはGoogleシート）にインポートするプロセスを確立する	マーケティング
6-7駐車場	Looker Studioダッシュボードの構築：「パフォーマンスレポートフォーマット」に基づいて「総マージンROAS」ダッシュボードプロトタイプを完成	マーケティング、データチーム
8週目	データ信頼性の確保：GA4データと実際のビジネスバックエンド（売上、利益）データが一致するかどうかをクロス検証	財務、マーケティング

フェーズ3：文化的移行と最適化（60日以降）

駐車場	コアアクション	担当
9週目	貢献モデルの切り替え：GA4「モデル比較」レポートを介してDDAの影響力を分析および共有し、GA4属性基本モデルを「DDA」に変更する組織的合意の導出	マーケティング、経営陣
10駐車	コホート分析の導入：「チャンネル別コホート回帰率」分析開始	マーケティング、データチーム
11駐車	新しい最適化ループ操作：Margin ROASと90日LTVに基づいて予算を再配布	マーケティング
12駐車	内部プロセスチェック：広告データに加えてコンバージョン率の低下の内部要因（UX、支払いエラー、配送ポリシーなど）の確認と改善	戦士

結論：「ROAS錯視」を破り、「持続可能な成長」へ

このガイドが提案するフレームワーク（利益追跡、DDA、コホート）は、単なるGA4設定ガイドではありません。これは マーケティングの成功基準を「偽数（売上）」から「本物の成果（利益）」に変えるオペレーティングシステム（Operating System）のアップグレードです。

成功事例

これらの変化は、技術的精度と組織的意志が組み合わされたとき 20%+の売上増のような実用的なビジネスパフォーマンスにつながります。今「数字に閉じ込められた」マーケティング担当者から 「利益を設計する」戦略家で生まれ変わる時です。

コアコンバージョンポイント

測定の切り替え： 売上(Revenue) → 総マージン(Gross Margin)
貢献の転換： 最後のクリック（Last Click）→データファンデーションの貢献（DDA）
視点の切り替え： 短期ROAS→長期LTV(Cohort分析)
意思決定の切り替え： 偽の数字→本当の利益

BlueCanvasは、このようなデータ駆動型マーケティングフレームワークの構築から、実際のビジネスパフォーマンスの創出まで共にしています。

項目	保存期間	根拠法令
契約・サービス履歴	5年	韓国電子商取引法
決済・取引履歴	5年	韓国国税基本法、韓国電子商取引法
顧客の苦情・紛争対応	3年	韓国電子商取引法
アクセスログ（IPを含む）	3か月	韓国通信秘密保護法

GA4ベースのROAS錯視解消戦略