MMM分析結果からの予算最適化シミュレーション実践

はじめに

MMMで各チャネルの効果構造（アドストック・飽和曲線・ROI）を推定した後、次のステップは**「最適な予算配分」の算出**です。MMMの真価はここにあります。

ある調査では、MMMに基づく予算最適化により、総予算を変えずに売上を15%向上させた事例や、予算を15%増額して売上25%向上を実現した事例が報告されています。

本記事では、限界ROIの理論から実践的なシミュレーション手法まで、プロフェッショナルレベルの内容を解説します。

予算最適化の理論的基礎

限界ROI均等化の原理

予算最適化の根幹は限界均等の法則（Principle of Equimarginal Returns）です：

すべてのチャネルの限界ROI（mROI）が等しくなるように予算を配分すれば、総合リターンが最大化される。

直感的には、「追加の1万円をどのチャネルに投下しても同じリターンが得られる状態」が最適です。限界ROIが高いチャネルがあれば、そこに予算を移すことでまだ改善の余地があることを意味します。

飽和曲線との関係

飽和曲線の微分（傾き） が各チャネルの限界効果を表します：

import numpy as np
from scipy.optimize import minimize

def hill_saturation(x, S, n):
    """Hill型飽和関数"""
    return x ** n / (S ** n + x ** n)

def marginal_effect(x, S, n, eps=1e-4):
    """限界効果（数値微分）"""
    return (hill_saturation(x + eps, S, n) - hill_saturation(x, S, n)) / eps