今月、指名検索経由の申し込みが急に増えました。
広告費もメールの配信量も、特に変えていないのに、です。
担当者に心当たりを聞くと、ひとつだけ思い当たる節があるといいます。3ヶ月前に公開したブログ記事が、あるエンジニア向けのSlackコミュニティで話題になったらしい、と。
でも、そのSlackでのやり取りは、どの計測ツールにも記録されていません。誰が話題にしたのかも、何人がそれを読んで検索窓に社名を打ち込んだのかも、後から追いようがないのです。
これがダークファネルと呼ばれる現象です。計測できない場所で検討が進み、可視化できる指標には、その結果だけが遅れて現れます。
思い当たる方も多いのではないでしょうか。数字は動いているのに、理由を聞かれると答えに詰まる、あの居心地の悪さです。
この記事では、ダークファネルの正体と、完全に光を当てようとせず意思決定に活かす現実的な向き合い方を整理します。
ダークファネルとは何か
ダークファネルとは、購買に至るまでの検討行動のうち、計測ツールが観測できない部分を指す言葉です。
Slackでの同僚への相談、Redditのスレッドでの言及、ポッドキャストでの紹介、匿名のままの検索、友人からの口頭での推薦。どれも実際の意思決定に影響しますが、どのアクセス解析のレポートにも載りません。
この言葉自体は2016年前後から使われ始め、B2Bマーケティングの文脈で近年あらためて注目されるようになった整理の仕方です。呼び方が新しいだけで、現象自体は昔からありました。
営業担当者なら、覚えがあるはずです。初回の商談なのに、相手がすでに製品の細かい機能や価格帯まで把握している、というあの感覚です。
比較検討のほとんどは、こちらが把握できないところで、すでに終わっているのです。もっと言えば、営業と最初に話す時点で、候補は多くの場合すでに2〜3社まで絞られています。
この感覚は業界を問いません。ソフトウェアの導入担当者も、家電を買う消費者も、店員に声をかけられる前にレビューサイトで比較を終えていることのほうが、いまや普通になっています。
プロダクトマネージャーにとっても、この話は無関係ではありません。ユーザーインタビューで以前から気になっていたと言われても、その情報源までは把握できないことがほとんどだからです。
検討過程が見えないまま機能要望だけを受け取ると、優先順位づけの判断材料が偏ってしまいます。声の大きい経路だけを重視しないよう、注意が必要です。
「ダークソーシャル」との違い
似た言葉にダークソーシャルがあります。こちらはメッセージアプリやメールでURLを直接貼って共有され、リファラー(参照元)情報が欠落する現象を指す、より狭い技術的な話です。
具体例で考えると分かりやすくなります。同僚がチャットであなたにサービスのURLを転送したとき、多くの解析ツールはその流入をダイレクトや不明として記録します。
実際には紹介という立派な経路があったのに、データの上では出どころが消えてしまうのです。
ダークファネルは、その欠落したリファラーだけでなく、そもそもURLが共有されず会話の中で完結した情報まで含む、より広い概念だと捉えると整理しやすくなります。つまりダークソーシャルはダークファネルの一部です。
両者を同じものとして語ると、後の議論がかみ合わなくなるので、区別だけは覚えておいてください。
指名検索やダイレクト流入の裏側にあるもの
実は、多くのサイトで最もコンバージョン率が高いのは、検索広告でもSNS広告でもありません。
社名やサービス名をそのまま検索窓に打ち込む、指名検索と呼ばれる流入です。
流入元の正しい見方｜検索・広告・メール・SNSを分けて計測するで扱ったように、流入元そのものを分類する技術的な難易度は、実はそれほど高くありません。
RevOpsの文脈では、この空白がパイプラインの予測精度にも響きます。案件がどこから来たか分からないまま予測モデルを作ると、思わぬところで前提が崩れるからです。
ただし指名検索や、URLを直接入力するダイレクト流入は、なぜその人が社名を先に知っていたのかまでは教えてくれません。
数字の上ではどちらも健全な、むしろ好ましい指標に見えます。それでも、その手前に何があったのかは、いつまでも空白のままです。
ここに、ダークファネルが入り込む余地があります。空白を埋めないまま指標だけを追いかけると、伸びた理由も落ちた理由も分からない状態が続きます。
マーケティング担当者にとって、これは地味に厄介な状態です。指名検索が伸びたことを喜んで報告しても、翌月には理由を聞かれ、答えられずに気まずい思いをする、という展開が待っているからです。
ブランド認知のための施策は、この点でとりわけ評価がしづらい活動です。効果が指名検索という形で現れるまでに、数週間から数ヶ月のタイムラグが生じることも珍しくありません。
短期の成果ばかりを追うレポートの様式では、こうした施策はしばしば効果が無かったと誤って判断されてしまいます。
なぜ「見えない検討」が増えているのか
検討の場所が、計測しやすい自社ウェブサイトの外へ広がり続けているからです。
理由はひとつではなく、いくつかの変化が重なっています。
- 同業者コミュニティやSlack・Discordでの相談が当たり前になった
- ポッドキャストやニュースレターでの言及が、後日の指名検索を誘発するようになった
- 生成AIチャットに質問して、リンクを踏まずに要約された答えだけを持ち帰る人が増えた
- 比較記事やレビューサイトで下調べを終え、営業と話す頃には候補がすでに絞られている
- 同僚からの口頭での推薦が、稟議前の最有力候補を決めてしまう
AI検索からの流入とは？｜ChatGPTが生み出す新しい流入元をどう計測するかで扱ったAI経由の流入も、この延長線上にある変化です。
リンクをクリックせず答えだけを持ち帰る行動が増えるほど、計測できる接点は相対的に減っていきます。接点が減ったのではなく、見えなくなっただけ、という区別は覚えておく価値があります。
皮肉なことに、この傾向は良質なコンテンツを作るチームほど強く感じやすいものです。読んで満足してもらえるほど、その場でリンクを踏まずに済んでしまうからです。
口コミ自体は、インターネット以前から購買の決め手でした。変わったのは規模で、かつては数人にしか届かなかった一言が、いまはコミュニティを通じて数千人に一瞬で広がります。
完全に光を当てようとすると起きること
ここで焦って、あらゆる会話を追跡しようとするのは筋の悪い対応です。
個人を特定するトラッキングを強めれば、今度はプライバシーへの配慮を欠くことになります。同意なく人を追い回す設計は、長期的には信頼を損ない、むしろ逆効果です。
それに、Slackでの雑談やポッドキャストでの何気ない言及まで数値化しようとしても、費やす労力に見合う精度はまず得られません。追いかけるほど雑な数字になる、という逆説がこの領域にはつきまといます。
チームによっては、CRMに商談の出どころを細かく手入力させる運用も見られます。営業担当者の負担が増える割に、入力される内容は主観や後付けの推測に寄りがちで、精度はさほど上がりません。
もうひとつ起きがちな失敗があります。無理に埋めた数字を、根拠のある事実であるかのように社内で報告してしまうことです。
推測の上に推測を重ねた数字は、いずれ現場の肌感覚とずれ始めます。ずれに気づかれた瞬間、データ全体への信頼が一気に失われるので、これは避けたい展開です。
むしろ大事なのは、埋められない部分がある前提で、意思決定の仕組みを作ることです。
アトリビューションの実務｜完璧を諦めて意思決定に使うでも整理したとおり、割り切りは怠慢ではなく、実務上の判断です。分からないことを分からないと認めたうえで、それでも来月の予算は決めなければなりません。
現実的に向き合うための4つの視点
完璧な可視化はいったん諦めても、間接的に気配をつかむ方法はいくつか残っています。
- 指名検索とダイレクト流入の推移を、期間を分けて定点観測する
- 施策(記事公開・登壇・プレスリリース)の直後に、指名検索が動いたかを突き合わせる
- アンケートで「どこで当社を知ったか」を自由記述で聞き、選択肢にない経路を拾う
- 商談や問い合わせの最初の一文に、すでに固有名詞が出てくるかを見る
3つ目のアンケート設計については、このあとの項で詳しく扱います。
1つ目と2つ目は、特別なツールがなくても始められます。既存のアクセス解析で指名検索とダイレクト流入を月次で並べ、施策の年表と突き合わせるだけで十分です。
4つ目は、特に見落とされがちな視点です。
問い合わせフォームの最初の一文に「御社のブログ記事を読んで」といった具体的な言及があれば、それは立派なダークファネルの痕跡です。NPS（顧客推奨度）とは｜測り方と改善への活かし方で扱ったような自由記述のアンケートは、選択肢では拾えない経路を教えてくれる数少ない手段です。
アンケート設計で気をつけたいこと
選択式の「どこで知りましたか」アンケートにも工夫の余地があります。選択肢の最後に必ず自由記述の欄を残しておくことで、想定していなかった経路を拾える可能性が上がります。
選択肢を作り込みすぎるのも考えものです。細かく分けすぎると回答者が迷い、結局いちばん上か、いちばん無難な項目を選んで終わってしまいます。
回答の粒度にも配慮が要ります。知人の紹介とひとまとめにせず、可能ならどのコミュニティかまで任意で聞けると、後から傾向を分析しやすくなります。
タイミングにも気を配りましょう。登録の直後よりも、実際に価値を感じ始めた頃(初回の成功体験を得た後など)に聞いたほうが、記憶が鮮明で具体的な回答が集まりやすくなります。
ここで、仮の例を挙げてみます。数値はあくまで説明用の仮定です。
| 指標 | 施策前(4週平均) | 施策後(4週平均) |
|---|---|---|
| 指名検索セッション | 120 | 210 |
| ダイレクト流入 | 340 | 420 |
| 問い合わせ件数 | 8 | 14 |
広告出稿もメール配信量も変えていないのに、この3つが同じ時期に動いたなら、あいだで何かが起きたと考えるのは自然です。原因をひとつに断定はできませんが、同時に動いたという事実そのものが、次の判断材料になります。
もちろん、他の要因が重なっている可能性は常に残ります。季節性や競合の値上げなど、無関係な理由で数字が動くこともあるので、一度の一致だけで結論を急がないようにしましょう。
インディーメーカーやAIソロプレナーにとっての意味
法人向けの大きな商談だけの話ではありません。個人開発者やAIを活用した一人法人にとっても、ダークファネルは無縁ではないのです。
Product Huntでの紹介、X(旧Twitter)でのスレッド、Hacker Newsのコメント欄、IndieHackersのフォーラムでのやり取り。どれも新規登録の引き金になり得ますが、計測ツールの前では同じように何も残しません。
エンタープライズのように多階層の承認プロセスを経ないぶん、コミュニティでの一言が翌日には登録に直結することも珍しくありません。良くも悪くも、反応の速さがそのまま結果に表れやすいのが個人開発者の環境です。
小さなチームほど、この空白を軽視しがちです。人手が足りず、指名検索の推移やアンケートの自由記述まで手が回らない、というのが実情でしょう。
だからこそ、負担の小さいところから始めるのが得策です。無料プランの登録フォームに一問だけ自由記述欄を足す、といった小さな一歩で十分に始められます。
一問増やすだけでも、数ヶ月分のデータが貯まれば、コミュニティ経由の登録がどれくらいの比率を占めるのか、肌感覚として掴めるようになってきます。
人手をかけられない代わりに、率直な言葉が集まりやすいのも個人開発者の強みです。ユーザーとの距離が近いぶん、直接メッセージで経緯を尋ねれば、素直に教えてもらえることも珍しくありません。
組織にどう落とし込むか
個人の勘に頼らず、チームで運用に落とすには型が要ります。
まず、指名検索・ダイレクト流入・アンケートの自由記述という3つを、毎月同じフォーマットで並べて見る習慣を作りましょう。ばらばらに見ていては、変化があっても気づけません。
次に、施策のタイミングを記録しておくことです。何を、いつ、どこに向けて発信したかという簡単な年表がないと、数字が動いた理由をあとから推測することすらできなくなります。
この年表は、大掛かりな仕組みでなくて構いません。スプレッドシートに日付と施策名を並べるだけでも、後から数字と突き合わせる材料としては十分に機能します。
四半期に一度は、この年表と数字の推移をまとめて見返す時間を作るとよいでしょう。毎月追っているだけでは見えにくい、緩やかな傾向に気づけることがあります。
レビューの場には、マーケティング・営業・プロダクトの三者を揃えておくと効果的です。それぞれが見ている数字の断片を持ち寄ることで、単独では気づけなかった一致点が見つかることがあります。
評価制度にも注意が必要です。指名検索の伸びだけを個人の成果として数えると、無理な数字の作り込みを誘発しかねません。
チームの成果として扱うほうが、健全な運用につながります。
最後に、この数字はダークファネルの完全な代理指標ではない、という共通認識をチーム全体で持つことです。厳密な因果を証明する指標ではなく、方向感を確かめるための指標だと位置づけておけば、過大な期待からくる失望を防げます。
マーケティングと営業のあいだでも、この前提は共有しておく価値があります。「広告の成果が見えない」のではなく「見えない場所で効いている可能性がある」と言い換えるだけで、部門間の対立は減ります。
MonaLensのようなツールでも、Slackでの会話やポッドキャストでの言及そのものを捉えることはできません。ただ、指名検索を含む流入元の推移や、アンケートの自由記述をひとつの画面で並べて見ることはでき、気配を拾うための土台にはなります。
ダークファネルは、なくすべき問題ではありません。見えない検討が起きているという前提を組織で共有できているか、それ自体が、計測の成熟度を測る一つの指標なのだと思います。