Summary
ファネル／購買行動モデルの中でもRACEモデルは、集客〜継続を“運用KPI”で管理するための枠組みです。
RACEとは「デジタル／オムニチャネル施策を“顧客ライフサイクル×KPI”で整列させる計画フレーム」。
流入はあるのに成果が頭打ち、というときに“どこが詰まっているか”を段別に特定して改善するときに使います。
秀逸ポイント
RACEの強みは、「施策の棚卸し」と「測定設計」を同時に前に進められる点です。①Reach（認知・流入）だけで終わらず、②Act（“Interact”＝中間コンバージョン）を独立させることで、コンテンツ・UX・ナーチャリングの打ち手が明確になります。③Convertはオンライン／オフライン成約まで含めて設計でき、④EngageでLTV・継続購入・推奨（レビュー／紹介）まで追えるため、短期CPA最適化に偏りにくい。さらに、Paid/Owned/Earnedを横断しながらダッシュボード化しやすく、生成AIによる訴求案・クリエイティブ量産・パーソナライズを「どの段で効かせるか」も整理できます。運用の“抜け”が可視化されるのも実務的です。
提唱者・発表時期
RACEフレームワークは、Smart Insights共同創業者のデジタルマーケティング研究者／実務家であるDr. Dave Chaffey（デイブ・チャフィー）が、2010年に開発したと説明されています。背景には「デジタル施策は増えているのに、戦略や運用設計がないまま実行されている企業が多い」という問題意識があり、オンラインとオフラインを統合して計画・測定できるよう、Reach／Act／Convert／Engageの4段（＋Plan）に整理しました。加えて、Web分析向けのREAN（Reach→Engage→Activate→Nurture）が思考に影響した旨も本人が言及しています。
詳細説明
RACEは「デジタル／オムニチャネルの活動を、顧客ライフサイクルに沿って“やること（施策）”と“見る指標（KPI）”をセットで整理する」ための実務フレームです。Smart Insightsは、立ち上げ当時から“デジタルをやっているのに計画や測定の型がない”状態を課題として挙げ、RACEを2010年に提示しました。RACEは4段（Reach/Act/Convert/Engage）に、前提となるPlan（目的・KPI・体制）を加えた5段で語られることもあります（PRACEと呼ばれる場合もあります）。
実務上の肝は、Actを「購入直前」ではなく“Interact（相互作用）＝中間コンバージョン”として独立させる点です。広告・SEOで流入を増やしても、比較検討やリード獲得の設計（資料DL、会員登録、見積依頼、来店予約など）が弱いと、Convertの改善が頭打ちになります。RACEはこの“間”を可視化し、CRO/UX、コンテンツ、MA（マーケティングオートメーション）をどこに効かせるかを明確にします。
RACEの設計イメージ（例）
| 段階 | 目的（何を増やすか） | 代表KPI（例） | 主な打ち手（例） |
|---|---|---|---|
| Plan | 目標・KPI・役割の合意 | 目標値、計測設計、予算配分 | 目標体系（North Star→KPI）、計測（GA4/CRM）、ダッシュボード |
| Reach | 認知・流入・接触 | 指名/非指名流入、CTR、リーチ、セッション | SEO/広告/PR、SNS、提携、オフライン露出 |
| Act | 反応・検討・リード | 中間CVR、滞在、閲覧深度、登録率 | LP改善、コンテンツ、比較導線、チャット、診断、生成AIのパーソナライズ |
| Convert | 成約・契約・購入 | 購入/商談化率、CPA、売上、AOV | 価格・オファー、リターゲ、営業連携、申込摩擦除去 |
| Engage | 継続・LTV・推奨 | 継続率、リピート、NPS、レビュー/紹介 | オンボーディング、CRM、コミュニティ、サポート、アップセル |
他モデルとの違いも押さえると運用がブレません。
AIDA/AISAS：主に「消費者の心理プロセス」を説明するモデル（設計や測定の“型”は別途必要になりがち）。
AARRR：プロダクト主導の成長指標に寄る（特にSaaS/アプリで強い）。
RACE：チャネル横断の“活動の管理と測定”に主眼を置く「計画・運用フレーム」。SOSTAC®のような計画手順フレームと併用しやすい。
補足として、RACEは実務フレームである一方、研究でSNS施策を段別に整理する枠組みとして用いられる例もあります（新製品ローンチにおけるソーシャルメディア活用をRACEで整理する等）。
RACE×A/Bテスト：どこから改善するかの優先順位が決まる
RACEで分析すると、A/Bテストを「思いつき」ではなく、成果に効く順番で打てるようになります。なぜなら、事業成果（売上・商談・LTV）は概念的に Reach × Act × Convert × Engage の“掛け算”で決まり、どこか1段が詰まると他段の改善が相殺されるからです。
たとえばConvertが詰まっている状態でReachだけをテストしても、流入増が“漏れる”だけになりがちです。逆に、Act（中間CV）やConvertの摩擦を取れば、同じ流入でも成果が増えるため、学習効率が高くなります。
1) 最初にやること：ボトルネック段を1つに絞る
RACEの各段で「現状KPI」と「目標KPI」を並べ、ギャップが最大で、かつ改善が全体に波及しやすい段を“当面の主戦場”にします。目安は次の通りです。
Reachが弱い：そもそも母数が足りず、Act/Convertのテストが回りにくい
Actが弱い：流入はあるが、比較・理解・納得が進まず、Convertの改善が頭打ち
Convertが弱い：検討はされているのに、申込・購入・商談化の摩擦が大きい
Engageが弱い：獲得はできるが、継続購入・アップセル・紹介が伸びない（LTVが低い）
2) 段ごとの「テストテーマ」と「典型の勝ち筋」
A/Bテストの打ち所は段によって変わります。下表のように“段別のテストの型”を持つと、施策が散らかりません。
| RACE段 | テストの狙い | テストしやすいテーマ | 主なKPI（例） | 具体的なA/B例 |
|---|---|---|---|---|
| Reach | 良質な流入を増やす | 検索意図適合、広告訴求、配信面 | CTR、非指名流入、来訪質 | 見出し/広告文/ターゲティングの比較 |
| Act | “次の一歩”を増やす | 価値提案、証拠（根拠）、導線、UI | 中間CVR、回遊、登録率 | ファーストビュー構成、比較表有無、CTA文言 |
| Convert | 摩擦を潰して成約へ | 申込フロー、価格提示、安心材料 | 最終CVR、完了率、CPA | 入力項目削減、ステップ順、保証/FAQ配置 |
| Engage | LTVを伸ばす | オンボーディング、継続動機、CRM | 継続率、再購入率、紹介率 | 初回体験メール、リマインド頻度、レコメンド |
特に現場で効きやすいのは、Act→Convertの順です。Actが整うと「比較・納得」が進み、Convertのテスト（フォーム最適化等）が“効く状態”になります。
3) 優先順位を機械的に決める「RACE-ICEスコア」
迷いを減らすために、段ごとに次のスコアで順位付けする方法が有効です（ICEはよくある優先度付けの型です）。
Impact（インパクト）：その段の改善が全体成果にどれだけ効くか
Confidence（確信度）：仮説の根拠（データ/定性）がどれだけあるか
Ease（容易さ）：実装・計測・リスクの観点でどれだけ早く回せるか
実務上は、RACEで「詰まり段」を特定したうえで、その段のテスト案をICEで並べ替えると、議論が前に進みます。
4) 失敗しやすい落とし穴（RACE視点の注意）
段をまたいだKPIの混同：Reach改善の施策をConvertで評価すると誤判定になりやすい
計測の不整備：段別KPI（中間CV、完了率、継続率）が取れていないと優先順位がブレる
局所最適の罠：ActのCTRだけ上がってConvertが落ちる等、段間トレードオフが起きうる
→ 対策として、各テストに「主KPI（その段）」と「ガードレールKPI（次段・前段）」をセットで置くと安全です。
5) AIマーケティングへの“さりげない接続”
生成AIは、A/Bテストの“ネタ作り”と“量産”を強力に加速します。
ただし価値が出るのは、RACEでどの段の、どのKPIを動かすためのバリエーションかを明確にしたときです（例：Actなら価値提案の表現差、Convertなら不安除去のFAQ差）。AIで案は増やせますが、優先順位と評価軸はRACEで統制すると、学習が資産化します。
具体例／活用案
1) KPIダッシュボードをRACEで“並べ替える”（B2Bの例）
Smart Insights掲載の事例では、無線通信機器のBearCom Wirelessで、マーケティング・ダッシュボードをRACEの4段に整理し、Reach（流入/認知）→Act（資料DLや滞在などの反応）→Convert（受注/売上）→Engage（メール・リピート・推奨）までを一枚で追えるようにしています。ポイントは「活動量」ではなく“顧客エンゲージメントの進行”に紐づけて指標を置いたことです。
2) 既存の施策群を“段別のジョブ”に分解して抜け漏れを発見（ECの例）
eBayのケーススタディでは、ブランド再定義のためにTVなど伝統的メディアも活用しつつ、モバイル比率の上昇や、在庫を商品軸で整理する構造化データの取り組み（AI/ビッグデータ活用の文脈）に触れています。これをRACEに当てはめると、Reach（認知・想起の再構築）／Act（検索・比較・商品発見の体験）／Convert（モバイルでの購入摩擦）／Engage（継続購入と信頼）という“改善の置き場”が分かれ、部門横断で議論しやすくなります。
3) 「PRACE（Planを明示）」で、AI施策の位置づけを迷子にしない
RACEはPlanを“最初に固定”するほど効きます。目標（例：新規獲得→LTV最大化）と段別KPIを合意し、GA4/CRM/広告を統合したダッシュボードで月次レビューに落とす。Smart Insights自身も、RACEに基づくレポーティング／ダッシュボード化の発想を紹介しています。
よくある誤用（注意）
Reachを「インプレッション」だけで管理し、Act（中間CV）を設計しない：結果としてCPAは下がらず、CROの打ち手も出ません。
Convertを“最終CVだけ”に固定し、オフライン成約（商談・来店・電話）を除外する：RACEはオンライン/オフライン統合が前提です。
Engageを「SNS投稿数」で代替する：本質は継続率・再購入・推奨（紹介）とLTVです。
すぐ使える問い（Killer Question)
Reachの投資配分は正しいか？「非指名流入は増えているのに、指名検索・再訪が伸びない。上流の露出だけ増やして“記憶（想起）”に投資できているか」—短期効率と中期成長、ブランド毀損リスクも点検するため。
Actがボトルネックでは？「流入はあるのに、比較・会員登録・資料DL・見積依頼が弱い。次の一歩を阻む摩擦（情報不足/不信/手間）はどこか」—CRO/コンテンツ/導線改善の優先順位を決めるため。
Engageの定義が甘くないか？「継続率・再購入・紹介を測らず、CPAだけで判断していないか。生成AIのパーソナライズはLTVを上げたのか」—“売った後”の価値と収益性を守るため。
参考情報（一次情報中心）
Smart Insights「The RACE Framework」
DaveChaffey.com 用語集「RACE marketing model」
Smart Insights（BearCom Wirelessのダッシュボード事例）
Smart Insights（eBay marketing strategy case study）
Rautela (2021) ResearchGate掲載論文（RACEを用いたSNS活用整理の例）
コメント