データ統合と名寄せ：ばらばらの顧客データを「1人の顧客」にまとめる｜顧客データ活用とCDP 第3回

名寄せの「キー」を知る

名寄せでは、「この2つの記録は同じ人だ」と判断するための手がかり（キー）を使います。代表的なキーと、その特徴は次のとおりです。

ポイントは、ログインや会員登録のタイミングで、匿名のIDと実名のキーを結びつけることです。たとえば、まだログインしていない状態でWebサイトを見ていた人（Cookieでしか分からない人）が、会員としてログインした瞬間に、そのCookieの値と会員IDを結びつけられます。すると、ログイン前に見ていたページの記録も、その会員の行動として扱えるようになります。会員登録やログインを促す施策が、データ活用の面でも大切だと言われるのはこのためです。

確定的な統合と、推定的な統合

名寄せの方法は、大きく2つに分けられます。

確定的な統合（ルールベース）

会員IDやメールアドレスなど、確かなキーが一致したときだけ同じ人とみなす方法です。「メールアドレスが完全に一致したら同一人物」のように、ルールではっきり決めます。

• 長所：間違って別の人をまとめてしまう（誤統合）リスクが低い。なぜまとめたかを説明しやすい。
• 短所：キーが一致しない限りまとまらないため、同じ人なのに別人のまま残る（統合漏れ）ことがある。

推定的な統合（確率的）

氏名の似ている度合い、住所、端末、利用の時間帯など、複数の手がかりから「同じ人である可能性が高い」と推定してまとめる方法です。

• 長所：確かなキーがなくても、より多くの記録をまとめられる。
• 短所：別の人を誤ってまとめるリスクがある。なぜまとめたかの説明が難しく、個人情報の扱いの面でも慎重な判断が必要になる。

実務では、確定的な統合を基本にし、推定的な統合は用途を限って使うのが一般的です。たとえば、メールの出し分けや購入履歴に基づく提案のように「間違えると顧客に迷惑がかかる」用途では確定的な統合を使い、広告の配信対象を広げるといった「多少の誤差が許される」用途に限って推定的な統合を使う、といった分け方です。

誤統合は統合漏れより怖い

名寄せで特に気をつけたいのが、別々の人を1人にまとめてしまう誤統合です。統合漏れなら「同じ人に同じ案内が2通届く」程度で済むことが多いのですが、誤統合が起きると、次のような深刻な問題につながりかねません。

• Aさんの購入履歴をもとにした案内が、Bさんに届く（他人の購入内容が知られてしまう）
• Aさんのポイントや会員ランクが、Bさんの情報と混ざる
• マイページに他人の情報が表示される

これは顧客の信頼を大きく損ねるだけでなく、個人情報の漏えいにあたる可能性もあります。名寄せのルールを決めるときは、「どれだけまとめられるか」より先に、「間違ってまとめないか」を確かめることが大切です。たとえば、同姓同名が多い名前だけを手がかりにまとめない、家族で共有されがちな固定電話の番号だけでまとめない、といった慎重なルールが必要です。

よくある誤解：「名寄せ率は高いほどよい」

名寄せの成果を「何%の記録をまとめられたか」で測ることがありますが、この数字だけを追うと、ルールをゆるめて誤統合を増やしてしまう危険があります。名寄せの評価は、まとめた割合と、誤統合の少なさを両方見ることが大切です。ルールを変えたときは、まとめられた記録の中から一部を抜き出して、本当に同じ人かを人の目で確かめる作業を入れましょう。

データの品質を保つ：入口でそろえる

名寄せの精度は、元のデータの品質に大きく左右されます。後からきれいにするより、データが入ってくる入口でそろえるほうがずっと楽です。

また、どのシステムの情報を「正」とするかも決めておく必要があります。たとえば、住所は会員システムの情報を正とし、ECで別の配送先が入力されても会員の住所は上書きしない、といったルールです。これを決めておかないと、システム間で情報が上書きし合い、どれが最新か分からなくなります。

この記事の監修者に相談できます

監修者の田中磨生が代表を務める株式会社Abinで、ご相談をお受けしています。

相談無料ツギノテ編集部に相談する→

BtoBの名寄せ：人と会社の2段階

BtoBでは、人の名寄せに加えて、会社の名寄せも必要になります。「株式会社〇〇」「（株）〇〇」「〇〇 Inc.」、支社や子会社の扱いなど、会社名の表記ゆれは個人名以上に複雑です。法人番号（国税庁が指定する13桁の番号）のような共通のキーを使うと、会社の名寄せをしやすくなります。人の名寄せと会社の名寄せの両方ができると、MAとナーチャリングの講座で学んだ「会社単位でリードを見る」使い方が、より正確にできるようになります。

名寄せは「段階的に」進める

名寄せを始めるとき、すべてのデータを一度にまとめようとすると、ルールの確認や誤統合のチェックが追いつかなくなります。実務では、確かなキーから順番に、段階を追ってまとめていくのが安全です。

1. 会員IDでまとまるものをまとめる：同じ会員IDを持つ記録（会員システム、EC、アプリなど）を最初に束ねます。ここは誤統合のリスクがほぼありません。
2. メールアドレスでつなぐ：会員IDを持たない記録（メールの配信先、資料請求の登録など）を、メールアドレスの一致で会員につなげます。大文字・小文字や前後の空白など、表記をそろえてから照らし合わせます。
3. ログインを手がかりに匿名の行動をつなぐ：ログインのタイミングで、CookieやアプリのIDを会員に結びつけます。
4. 残ったものは無理にまとめない：電話番号や氏名＋住所での統合は、誤統合のリスクを確かめてから、用途を限って行います。まとめられなかった記録は「未統合」として残しておき、後から確かなキーが手に入ったときにつなぎます。

各段階が終わるたびに、まとめた記録の一部を抜き出して人の目で確かめ、問題がなければ次の段階に進みます。遠回りに見えますが、後から誤統合を見つけて解きほぐすほうが、ずっと手間がかかります。

実務ではこう使う：名寄せのルールを決める5つの質問

CDPを導入するときは、ツールの設定の前に、次の5つの質問に答えておきましょう。

1. 顧客を識別する「主キー」は何にするか？（例：会員ID。会員でない人はメールアドレス）
2. どのキーが一致したら、同じ人とみなすか？（例：会員IDかメールアドレスが一致したら同一人物）
3. 推定的な統合を使うか、使うならどの用途に限るか？（例：広告の配信対象の拡大のみ）
4. 情報が食い違ったとき、どのシステムを正とするか？（例：住所は会員システム、購入は基幹システム）
5. 誤統合をどう見つけ、どう直すか？（例：月に1回、抽出して確認。顧客からの指摘の受付窓口）

これらを決めておくと、CDPの設定がスムーズに進むだけでなく、運用が始まった後にトラブルが起きたときにも、原因を探しやすくなります。データの取り込みや加工を担う道具は、ETLツールおすすめ比較でまとめています。

この回のまとめ

• 名寄せ（ID統合）は、ばらばらの記録から同じ人を見つけて1人分にまとめる作業。顧客データ活用の土台。
• キーには会員ID・メール・電話・氏名と住所・Cookieなどがあり、確かさが違う。ログインの瞬間に匿名IDと実名キーを結びつける。
• 確定的な統合を基本にし、推定的な統合は誤差が許される用途に限る。
• 誤統合は統合漏れより深刻。名寄せ率だけを追わず、誤統合の少なさも確かめる。
• データの品質は入口でそろえ、情報が食い違ったときにどのシステムを正とするかを決める。

確認テスト

次回予告

第4回は「セグメントと活用」です。まとめた顧客データから、どのようにセグメント（顧客のグループ）を作り、MA・広告・Web接客・店舗の施策につないでいくのかを学びます。

参考資料

• 国税庁「法人番号公表サイト」 https://www.houjin-bangou.nta.go.jp/ （確認日：2026年11月12日）
• 個人情報保護委員会「個人情報保護法等」 https://www.ppc.go.jp/personalinfo/legal/ （確認日：2026年11月12日）
• ※本文中の例は、説明のための架空の例です。