インクリメンタリティテストでMMMを校正する方法
はじめに
MMMは強力なマーケティング計測手法ですが、本質的に観察データに基づく回帰分析であるため、「相関と因果の混同」というリスクを常に抱えています。例えば、売上が好調な時期に広告費も増やす傾向があると、MMMは広告効果を過大評価する可能性があります。
この問題を解決する最良の方法が、**インクリメンタリティテスト（リフトテスト）**によるMMMの較正です。実験で得られた因果的な証拠をMMMに取り込むことで、モデルの信頼性を大幅に向上させることができます。
MMMの基本についてはMMMとは？初心者向け完全ガイドを、予算最適化については予算最適化シミュレーションをご参照ください。
なぜ較正が必要なのか
MMMの構造的な限界
| 問題 | 説明 | 具体例 |
|---|---|---|
| 逆因果 | 売上が高い→広告費を増やす | 好調な四半期に予算追加投入 |
| 未観測交絡因子 | 両方に影響する第三の要因 | 競合の撤退で売上も広告効果も上昇 |
| 多重共線性 | チャネル間の相関が高い | TVとYouTubeが同時に増減 |
| 時間的混同 | トレンドと広告効果の分離困難 | 成長市場での広告効果の過大評価 |
較正前後のROI比較例
import pandas as pd
comparison = pd.DataFrame({
"チャネル": ["TV", "Digital", "SNS", "LINE"],
"較正前ROAS": [3.2, 4.5, 2.8, 1.5],
"較正後ROAS": [2.1, 3.8, 3.5, 2.2],
"変化": ["-34%", "-16%", "+25%", "+47%"],
})
print(comparison.to_string(index=False))
較正により、TVのROASが下方修正される一方、SNSとLINEのROASが上方修正されることはよくあるパターンです。これは、TVが「見かけ上の効果」を持つ一方、SNS/LINEの「見えにくい効果」が過小評価されていたことを示唆します。