MMPの構造的な死角：AIがユーザー獲得の上流を書き換える時

#### MMPが解決した問題

2016年から2024年にかけて、Mobile Measurement Partner（MMP）はモバイル広告の土台を作りました。ユーザーがアプリをインストールした時、その成果はどの広告、どの媒体、どのクリエイティブによるものか。AppsFlyer、Adjust、Branch、Singularは、この問いに独立した第三者として答える役割を担ってきました。

WebであればCookieやクリックIDで説明できることも、モバイルでは簡単ではありません。IDFAの制限、SKAN、ディープリンク、アプリストア遷移、確率的な推定。MMPは、広告クリックからインストール、アプリ内イベントまでをつなぐ複雑なインフラを長い時間をかけて築いてきました。

この価値はまだ有効です。アプリインストールとアプリ内イベントの帰属には、今も独立した測定者が必要です。ただし、前提が変わり始めています。ユーザー獲得の「上流」が、AIによって書き換えられているのです。

#### AIが書き換える部分

従来の獲得経路は分かりやすいものでした。広告を見て、クリックし、ランディングページに行き、App Storeへ移動し、インストールし、アプリ内でイベントが発生する。MMPはこの流れを測るために設計されています。

ところが2025年以降、別の経路が目立つようになりました。ユーザーがChatGPTやPerplexityに「デリバティブ取引に向いたプラットフォームは何か」「中堅企業向けのCRMはどれか」と聞く。AIがいくつかのブランドを挙げ、比較し、理由を説明する。ユーザーはその場ではクリックしないかもしれません。しかしブランド名を覚え、数日後に検索し、広告や自然検索を経由してアプリを入れます。

MMPから見ると、これはGoogle Brand Searchによるインストールに見えます。しかし本当のきっかけは、数日前のAI回答かもしれません。ここにMMPの構造的な境界があります。MMPは広告接触から測り始めますが、AIの影響は広告接触の前に発生します。

#### 死角はどれほど大きいのか

この死角は小さな例外ではありません。CitationGraphで複数業界のサイトを観測すると、AIによる接触は人間のクリックだけでは説明できません。

第一に、AIクローラーやエージェントによるサーバー側リクエストがあります。これらはJavaScriptを実行しないため、GA4にはほとんど残りません。MMPにも当然入りません。しかしAIシステムが商品説明、価格、FAQ、比較ページをどう理解するかは、こうした機械側の接触に大きく左右されます。

第二に、referrerの欠落があります。AIプラットフォームから人間のクリックが発生しても、環境によって参照元が失われることがあります。WebView、プライバシー設定、プラットフォーム側の遷移仕様が重なると、AI起点の訪問がDirectやOrganicに見えてしまいます。

第三に、Webからアプリへの断絶があります。AIでブランドを知り、Webサイトで検討し、最後にアプリを入れてKYCや入金を行う。この流れでは、AI起点の情報がアプリ側イベントまで届かないことが多い。MMPはアプリ側を正しく見ていますが、上流のAI文脈は見えません。

第四に、ゼロクリック引用があります。AI回答の中で十分な情報が提供されると、ユーザーはクリックせずにブランド認知を形成します。この影響は広告クリックにも、ページビューにも、インストール直前の計測にも現れません。

#### パフォーマンスマーケティングへの影響

この構造的な死角は、予算配分を歪めます。AI推薦がブランド検索を増やしているのに、レポート上はBrand SearchのROASが改善したように見える。GEOやAI可視性への投資が上流で需要を作っているのに、最後のクリックを持つ広告チャネルだけが評価される。

その結果、マーケティングチームは間違った結論に向かいやすくなります。「Brand Searchは強いから増額しよう」「GEOは成果が見えないから抑えよう」。しかし実際には、Brand Searchが強く見える理由そのものが、AI上流で作られた需要かもしれません。

CFOの問いも難しくなります。「半年間GEOに投資したが、どれだけの成果があったのか」。GA4だけでは一部のAI referrerしか見えません。MMPだけではアプリ側の最後の帰属しか見えません。両方を見ても、AI回答、機械リクエスト、ゼロクリック認知、Web-to-Appの断絶はつながりません。

これは個別企業の運用ミスではありません。AIが獲得ファネルの起点を変えたことで生まれた、業界全体の測定ギャップです。Gravity TechnologyがCitationGraphを作った理由は、このギャップを埋めるためです。

#### なぜMMPだけでは解けないのか

MMPがこの問題を放置しているわけではありません。むしろ彼らは、自分たちの役割を正しく果たしています。問題は、設計思想が異なることです。

MMPは広告接触、インストール、アプリ内イベントを中心に作られています。AI回答にはクリックIDがなく、キャンペーンIDもなく、広告ネットワークからのログもありません。AIクローラーの消費、AI回答での引用、ゼロクリック認知は、MMPの標準的なデータモデルに入りにくい。

ビジネス上の焦点も違います。MMPは広告主と広告ネットワークの間で、広告成果を裁定するインフラです。一方、AIソース測定は、ブランド自身がどのようにAIに理解され、推薦され、検索需要を生んでいるかを把握するためのものです。

技術領域も別です。AI可視性を測るには、サーバー側の機械接触、AI回答での引用、referrerの欠落、Webとアプリの信号受け渡しを扱う必要があります。これはMMPの置き換えではなく、MMPの前段にある新しい測定レイヤーです。

#### 解決策：AI Measurement Partner

市場に必要なのは「新しいMMP」ではありません。必要なのはAI Measurement Partnerです。MMPが得意とするアプリインストールとアプリ内イベントの帰属を尊重しながら、その前にあるAIソース層を測るパートナーです。

CitationGraphの位置づけはここにあります。AIによる発見、Web側の証拠、カスタム成果、MMPへ渡せるソース信号を測定する。既存MMPは引き続きApp Installとアプリ内イベントのSystem of Recordであり、CitationGraphは通常そこに届かないAI起点の証拠を補います。

重要な原則は、App Install帰属を触らないことです。MMPのロジックを壊さず、広告アカウントもユーザーデータも置き換えない。AI起点のシグナルを、MMPやBIが理解できる形へ翻訳する。この役割分担が、実務上もっとも安全で導入しやすい方法です。

#### 業界別の意味

暗号資産取引所やFinTechでは、影響が特に大きい。ユーザーはAIで比較し、Webで検討し、アプリでKYC、入金、初回取引を行います。価値の高いイベントはアプリ側にありますが、ブランド選定は上流のAI対話で起きます。

SaaSでは、AIが比較検討の入口になりつつあります。候補リストに入るかどうかが、営業接触より前のAI回答で決まる場面が増えています。

EコマースやDTCでも、AIによる商品発見は急速に増えています。Shopifyが示したAI起点注文の成長は、その方向性をよく表しています。ただし、多くの既存ツールは広告接触を中心に設計されており、AI上流の需要創出を十分には説明できません。

メディアやコンテンツでは、クリックのない消費が問題になります。AIに引用され、読者の認識を変えても、ページビューには出ない。従来のセッション指標だけでは、影響の大きさを過小評価します。

#### 核心論点

MMPの死角は製品の欠陥ではありません。AIがユーザー獲得チェーンの起点を変えた結果です。ブランドには、MMPと競合しない独立したAIソース測定レイヤーが必要です。

FAQ

Q1: MMPがWeb計測を強化すれば、この問題は解決しますか？

A: 一部は改善します。ただし、広告接触から始まるWeb成果計測と、AI回答、AIクローラー、ゼロクリック認知を含むAIソース測定は別の問題です。

Q2: GA4でAI流入を見れば十分ではありませんか？

A: 十分ではありません。GA4はreferrerが残る人間のクリックを一部見られますが、JavaScriptを実行しない機械リクエスト、referrerが消えた訪問、Web-to-Appの断絶は見えません。

Q3: CitationGraphはMMPを置き換えるのですか？

A: 置き換えません。MMPはインストールとアプリ内イベントの主計測であり続けます。CitationGraphはその前段にあるAIソースの証拠を補い、MMPやBIが扱える形に整えます。