ベイズ統計のマーケティング活用：なぜBayesian MMMが選ばれるのか
はじめに
近年、マーケティング分析の世界で「ベイズ統計」への注目が急速に高まっています。Google（Meridian）、Meta（Robyn + Bayesianモード）など大手テック企業もベイジアンMMMを推奨し始めました。本記事では、ベイズ統計の基礎からマーケティングへの応用まで、実務者向けに解説します。
ベイズ統計とは
基本的な考え方
ベイズ統計は**事前知識（Prior）と観測データ（Likelihood）**を組み合わせて、**事後分布（Posterior）**を推定するフレームワークです。
事後分布 ∝ 事前分布 × 尤度
P(θ|D) ∝ P(θ) × P(D|θ)
マーケティングの文脈では：
- 事前分布：「テレビCMのROIは通常1.0〜3.0程度」という業界知見
- 尤度：自社データから計算される統計的な当てはまり
- 事後分布：「自社のテレビCMのROIは1.8±0.4」という推定結果
頻度主義との違い
| 項目 | 頻度主義 | ベイズ統計 |
|---|---|---|
| パラメータの解釈 | 固定された未知の値 | 確率分布を持つ |
| 結果の表現 | 点推定+信頼区間 | 事後分布（確率的） |
| 事前知識 | 使用しない | 事前分布として活用 |
| 小サンプル | 精度が低い | 事前知識で補完可能 |
| 解釈の容易さ | p値は誤解されやすい | 「ROIが1.5以上の確率は85%」と直感的 |