BtoB SaaS企業のMMM活用事例：リード獲得チャネル最適化でCAC 30%削減
はじめに
「展示会に500万円かけてブースを出したが、そこから何件の受注につながったか分からない」——BtoB企業のマーケティングでは、チャネルごとの効果測定が特に困難です。
本記事では、ARR（年間経常収益）5億円のBtoB SaaS企業がMMMを導入し、展示会・ウェビナー・デジタル広告の効果を統合分析してCAC（顧客獲得コスト）を30%削減した事例を紹介します。
企業プロフィール
| 項目 | 内容 |
|---|---|
| 業種 | BtoB SaaS（営業支援ツール） |
| ARR | 約5億円 |
| 年間マーケティング予算 | 約1.2億円 |
| 主要チャネル | 展示会、ウェビナー、リスティング広告、Meta広告、コンテンツSEO、メールマーケティング |
| 課題 | リードから受注までが長く（平均90日）、各チャネルの真の貢献度が不明 |
BtoB特有の難しさ
なぜBtoBでのMMM導入は難しいと言われるか
BtoCと比べ、BtoBマーケティングには以下の特殊性があります：
| 特殊性 | BtoC | BtoB |
|---|---|---|
| CV定義 | 購入 | リード獲得→商談→受注（多段階） |
| 購買サイクル | 即日〜数週間 | 数ヶ月〜1年 |
| CV数 | 月数千〜数万 | 月数十〜数百 |
| 意思決定者 | 個人 | 複数人（稟議プロセス） |
| チャネル | デジタル中心 | オフライン（展示会等）の比重大 |
CV数が少ないことが統計モデルにとって最大の壁です。月間30件の受注データでは、通常のMMMは精度が出ません。
この企業が直面した3つの課題
課題1：KPIを何にするか問題
受注数でMMMを実行すると週次2-3件しかなく、統計的に意味のある分析ができません。一方、リード数（MQL）を使うとデータ量は十分ですが、「リードの質」がチャネルごとに異なる問題が。
→ 解決策：KPIを「SQL数（Sales Qualified Lead = 営業が商談化したリード数）」に設定。週次10-15件で分析可能、かつリードの質もある程度担保される。
課題2：展示会データの扱い
展示会は年に4-6回、各回200-500万円の投資。週次データに換算すると、大半の週が「0円」で、展示会週だけスパイクする極端な分布に。
→ 解決策：展示会を「投資額」ではなく「展示会実施フラグ + 展示会後N週のリード流入数」の2変数に分解。これにより、展示会の即効性（名刺交換→MQL）と遅延効果（後日の問い合わせ）を別々に推定。
課題3：コンテンツSEOの効果測定
ブログ記事やホワイトペーパーなどのコンテンツは、「広告費」というコストが明確でなく、MMMに投入しにくいチャネルです。
→ 解決策：月次のコンテンツ公開本数とオーガニック流入数をコントロール変数として追加。直接的なROIは算出しないが、他チャネルの効果を正しく推定するための補正として機能。
分析結果
チャネル別貢献度（SQL獲得への貢献）
SQL獲得への貢献度（年間）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
リスティング広告 █████████████ 28%
展示会 ██████████ 22%
ウェビナー ████████ 18%
Meta広告 ██████ 14%
メールマーケ ████ 9%
オーガニック ████ 9%
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
最大の発見：展示会の「遅延効果」
展示会は開催週のリード獲得だけでなく、開催後4-8週にわたりSQL数が増加するパターンが確認されました。アドストックパラメータα=0.55と推定され、効果の半減期は約1.2週。
展示会の効果パターン：
Week 0: ██████████████████████ 100%（展示会週）
Week 1: ████████████████ 72%
Week 2: ██████████████ 55%（名刺フォロー効果）
Week 3: ████████████ 40%
Week 4: ████████ 30%
Week 5: █████ 18%（長期検討層の商談化）
Week 6: ████ 12%
→ 展示会の効果を「開催週のリード数」だけで評価すると、真の効果の約40%しか捉えられていなかった。
ウェビナーの費用対効果の高さ
| チャネル | 年間コスト | SQL数 | CPA(SQL) |
|---|---|---|---|
| 展示会 | 2,500万 | 132件 | 189,000円 |
| リスティング | 3,000万 | 168件 | 179,000円 |
| ウェビナー | 800万 | 108件 | 74,000円 |
| Meta広告 | 2,000万 | 84件 | 238,000円 |
ウェビナーのSQL獲得コストが他チャネルの半分以下。しかし全体予算の7%しか配分されていませんでした。
施策と効果
予算再配分
| チャネル | Before | After | 変更 |
|---|---|---|---|
| 展示会 | 2,500万 | 1,800万 | 出展数を厳選（6回→4回） |
| リスティング | 3,000万 | 2,800万 | 微減 |
| ウェビナー | 800万 | 2,200万 | 大幅増額（月1→月3回開催） |
| Meta広告 | 2,000万 | 1,500万 | 効率の良いキャンペーンに集中 |
| メール | 500万 | 600万 | ナーチャリング強化 |
| SEO/コンテンツ | 1,200万 | 1,600万 | 記事制作を強化 |
| その他 | 1,000万 | 1,500万 | 新チャネルテスト枠 |
8ヶ月後の成果
| 指標 | Before | After | 変化 |
|---|---|---|---|
| 月間SQL数 | 50件 | 68件 | +36% |
| CAC（受注ベース） | 48万円 | 33.6万円 | -30% |
| ウェビナー参加者数 | 月80名 | 月250名 | +213% |
| パイプライン金額 | 月8,000万 | 月1.2億 | +50% |
難しかったことの振り返り
1. 経営層への説明
「MMMは"BtoC向けの手法"ではないのか？」という経営層の疑問に答える必要がありました。BtoBでの適用事例が少ない中、パイロット期間（3ヶ月）でのROI実証を提案し、予算承認を取り付けました。
2. 営業チームとの連携
SQL数のデータはSalesforceから取得しますが、営業担当によるSQL認定基準のバラつきが問題に。MMMの精度を上げるため、SQL認定基準の統一というマーケティング以外の組織課題にも取り組む必要がありました。
3. 少ないデータでの分析精度
週次SQL数が10-15件という少なさ。Bayesian MMMの事前分布を活用しても、チャネルによっては信頼区間が広く、確信を持って意思決定しにくいケースがありました。
→ 対策として、ベイジアンモデルの信頼区間が広いチャネル（Meta広告）は予算変更幅を小さくし、信頼区間が狭いチャネル（ウェビナー）は大胆に変更するリスクベースの意思決定を採用。
この事例から学べること
- BtoBでもMMMは有効 — ただしKPI設定（SQL等の中間指標）とデータの工夫が必要
- 展示会の「遅延効果」は見逃されがち — 開催週だけの評価では効果の半分以上を見落とす
- ウェビナーはBtoB最高効率のチャネル — 低コストでスケールしやすく、SQL獲得コストが展示会の半分以下
- 少ないデータでは「信頼区間の広さ」に応じた意思決定が重要 — 確信度が高いチャネルから優先的に予算変更
BtoB企業のマーケティング予算最適化を検討されている方は、無料でアカウントを作成してMMM Labを試してみてください。