MMMのためのデータ準備完全ガイド

はじめに

マーケティングミックスモデリング（MMM）の精度は、投入するデータの品質で8割が決まると言われています。どれほど高度なベイズモデルを使っても、データに問題があれば正確なチャネル貢献度やROIは得られません。

「Garbage In, Garbage Out」はMMMにおいても鉄則です。データ準備に十分な時間を投資することが、分析成功への最短ルートです。

本記事では、MMMに必要なデータの収集・加工・品質管理について、実務で使えるCSVテンプレートや具体的なPythonコードとともに解説します。MMMの基本概念についてはMMMとは？初心者向け完全ガイドをご参照ください。

MMMに必要なデータの全体像

データの3つのカテゴリ

MMMでは大きく分けて3種類のデータが必要です：

推奨データ期間と粒度

なぜ52週以上必要なのか？ 季節性（年末商戦、GWなど）を正しく学習するには最低1年分のデータが必要です。また、広告費の「増減パターン」が複数回含まれていないと、広告効果とトレンドを分離できません。

Step 1: メディアデータの収集

チャネル別の収集方法

Pythonでの集約処理

import pandas as pd

# 日次データを週次に集約
daily = pd.read_csv("daily_ad_spend.csv", parse_dates=["date"])
daily["week"] = daily["date"].dt.to_period("W").apply(lambda r: r.start_time)

weekly = daily.groupby("week").agg({
    "tv_grp": "sum",
    "google_spend": "sum",
    "meta_spend": "sum",
    "line_spend": "sum",
    "youtube_spend": "sum",
    "revenue": "sum",
}).reset_index()

print(f"期間: {weekly['week'].min()} 〜 {weekly['week'].max()}")
print(f"レコード数: {len(weekly)} 週")

Step 2: コントロール変数の収集

代表的なコントロール変数

# 気象庁データの取得例
import pandas as pd

weather = pd.read_csv("weather_tokyo.csv", parse_dates=["date"])
weather["week"] = weather["date"].dt.to_period("W").apply(
    lambda r: r.start_time
)
weekly_temp = weather.groupby("week")["temperature"].mean().reset_index()

Step 3: CSVテンプレート構造

推奨フォーマット

date,revenue,tv_grp,google_spend,meta_spend,line_spend,temperature,holiday_flag,own_promotion
2024-01-01,5230000,120,800000,600000,300000,5.2,1,0
2024-01-08,4850000,100,750000,580000,280000,4.8,0,0
2024-01-15,5100000,110,820000,620000,310000,6.1,0,1

カラム命名規則

Step 4: データ品質チェック

必須チェック項目

import pandas as pd
import numpy as np

df = pd.read_csv("mmm_data.csv", parse_dates=["date"])
channel_cols = ["tv_grp", "google_spend", "meta_spend", "line_spend"]

# 1. 欠損値チェック
print("=== 欠損値 ===")
print(df.isnull().sum())

# 2. 週次連続性チェック
date_diff = df["date"].diff().dt.days
gaps = date_diff[date_diff != 7].dropna()
if len(gaps) > 0:
    print(f"\n警告: {len(gaps)}箇所の日付ギャップを検出")
    print(gaps)

# 3. ゼロ値の割合
print("\n=== ゼロ値の割合 ===")
for col in channel_cols:
    zero_pct = (df[col] == 0).mean() * 100
    print(f"  {col}: {zero_pct:.1f}%")

# 4. 外れ値検出（IQR法）
print("\n=== 外れ値（IQR法） ===")
for col in channel_cols + ["revenue"]:
    Q1 = df[col].quantile(0.25)
    Q3 = df[col].quantile(0.75)
    IQR = Q3 - Q1
    outliers = ((df[col] < Q1 - 1.5 * IQR) | (df[col] > Q3 + 1.5 * IQR)).sum()
    print(f"  {col}: {outliers}件の外れ値")

# 5. 多重共線性チェック（VIF）
from statsmodels.stats.outliers_influence import variance_inflation_factor

X = df[channel_cols].values
vif = [variance_inflation_factor(X, i) for i in range(X.shape[1])]
print("\n=== VIF（10以上は要注意） ===")
for col, v in zip(channel_cols, vif):
    flag = " ⚠️" if v > 10 else ""
    print(f"  {col}: {v:.2f}{flag}")

よくある失敗パターンと対策

最も重要なポイント: 広告費に十分な変動があることです。毎週同じ金額を投下しているチャネルは、MMMで効果を推定できません。実験的に出稿量を変動させる「メディア実験」が理想です。

まとめ

1. MMMの精度はデータ品質で8割決まる。準備に十分な時間を投資すべき
2. 52週以上の週次データが最低要件。104週以上が推奨
3. メディア変数・目的変数・コントロール変数の3カテゴリを網羅的に収集
4. 品質チェック（欠損値、連続性、外れ値、VIF）は必須プロセス
5. 広告費の変動パターンがなければ効果推定は不可能

次のステップとして、PyMC-Marketingステップバイステップで実際のモデル構築に進みましょう。