デジタル
CX/DX
効果検証
2024.03.18
「MMMって何ですか？」～データアナリストに聞いてみた！
はじめに
みなさま、こんにちは！
朝日広告社データソリューション部の東方 真帆（ひがしかた・まほ）です。
前回から引き続き、「データアナリストに聞いてみた！」シリーズを連載していきます。
今回のテーマは「Marketing Mix Modeling（略称：MMM）」です！
朝日広告社でも「ASAKO MMM」というソリューションが出たりと、まさに今話題のトピックです。
そもそもMMMとは？
東方：中野さん、最近「MMM」という言葉をよく耳にするのですが、ざっくりわかりやすく教えてもらえませんか？
中野：おお、前回の質問からずいぶん飛躍しましたね……。MMMとは、簡単にいえば 「各種のマーケティング施策が、売上などの成果にどう影響しているかを分析する手法」 です。
東方：えっと、つまりは広告の効果測定ができるということでしょうか？
MMMは広告に限らない
中野：もちろんそういった面もありますが、「店頭販促」や「値上げ」などといった広告に限らない施策の効果もわかります。
東方：なるほど。先ほど「マーケティング施策」と言っていたのは、そういう意味だったんですね。
中野：はい。マーケティングには「4P」といわれる、Promotion（販促）、Product（商材）、Price（価格）、Place（流通）という4つの領域があります。適切なデータさえあればという条件が付きますが、MMMはこのような領域の効果を包括的に検証できます。さらに言えば、気温の変化や競合の動きなどの外部の変化がもたらす影響も見ることができますよ。
東方：なんだかすごそうです！
MMMは効果測定に限らない
中野：さらに補足すると、MMMは効果測定を主としながらも、その結果から適切な予算配分の検証であったり、今後の売上予測などもできます。
東方：そうなのですね！ 効果測定と売上予測なんて、全然別物なような気がしますが、どうしてそんなことができるのですか？
中野：とても良い質問です。順を追って説明しますね。まず、「Marketing Mix Modeling」という名称に注目してみましょう。この言葉は 「さまざまなマーケティング施策（Marketing Mix）と売上の関係を示す方程式を作る（Modeling）」という意味だと捉えるとわかりやすいです。
東方：ええと、方程式を作るってどういうことですか？
中野：たとえば、TVCMを100万円分出稿したところ、売上が500万円増加したとします。このとき、出稿額1万円分あたりの売上増加量はいくらでしょうか？
東方：100万円出稿して500万円の売上増なら、出稿額1万円あたりの売上増加量は5万円ですね。
中野：正解です！ これを数学のように表現すると 「売上増加量＝ 5万円（出稿額1万円あたり） × TVCM出稿額」 となります。
東方：なるほど。こういう式を作るのが「方程式を作る」という意味なのですね。
MMMでできること①：効果測定
中野：そうです。さてここで質問なのですが、この方程式の「５万円」は何を表しているでしょうか?
東方：ええと、「TVCMに１万円出稿したら５万円になって帰ってくる」ということを表しているので、「TVCMの効果」でしょうか?
中野：その通りです!
東方：なるほど。この「いくら出稿したら、いくらになって返ってくるか」を示す数値を求めることで、 「効果測定」 ができるということですね。
MMMでできること②：売上予測
中野：はい。またここで別の質問です。 「来月200万円TVCMに出稿したら、どれくらい売上が増える？」 と質問されたら、東方さんはなんと答えますか？
東方：えっと、1万円出稿すれば5万円売上が増えるなら、200万円出稿する来月は、1,000万円売上が増えるんでしょうね。ああ、なるほど……。
中野：はい。お気づきの通り、 「売上予測」 ができるようになりましたね。このように、効果測定ができれば予測もできるようになるのです。
MMMでできること③：予算配分の最適化
東方：MMMでできることの中には「予算配分の最適化」がありました。それについてはどうなのでしょう？
中野：こちらはちょっと複雑になります。まず予算配分を考える前提として 「広告の出稿量を増やしても、売上の増加量は一定ではない（鈍化する）」 という現象を加味する必要があります。
東方：そういえば、広告は出せば出すほど同じ人に何度も当たってしまうので、費用対効果が少しずつ悪くなるという話は聞いたことがあります！
中野：まさにその話ですね。先ほどは「1万円出稿したら5万円売上が増える」という条件で売上を予測しました。しかしながら、実際には出稿金額が増えれば増えるほど、だんだんとTVCMの効果は落ちていくはずです。
東方：そこまでは理解しました！
中野：ここで仮に「広告予算が少ないとき、あらゆるメディアの中でTVCMの効果が一番大きかった」ということがわかっていたとします。そこで、「次は予算を増やしてTVCMだけにすべて投下しよう」と思っても、この広告効果が減衰していく性質を踏まえると、逆に非効率になってしまう場合があるのです。
東方：うーん、まだイメージがつかめないので、もう少し詳しく説明してください！
中野：ではここで、TVCM以外にWEB広告もある状況を考えてみましょう。たとえばTVCMとWEB広告の売上増加量は、下図のように鈍化するとします。
中野：このとき予算が1,000万円あったら、東方さんならどのように予算配分しますか？
東方：むむ、ちょっと難しいですね。単純にどちらか一方だけしか出稿できないならTVCMですが、途中でWEB広告のほうが効果が高いタイミングがありますよね。TVCMのほうが効果が高いところまではTVCMに出稿して、残った予算分はWEB広告に回すのでしょうか？
中野：はい。イメージとしては大体合っています。このように「増加売上＝広告効果×出稿額」という方程式に、 「各メディアの広告効果の減衰度合」を加味することで、予算配分の最適化を考えられるということは伝わりましたでしょうか？
東方：はい！ ちょっと難しいですけど、なんとなく理解できました！ 売上との関係を示す方程式ができれば、効果測定から予算配分まで、いろいろなことがわかるようになるんですね。
中野：はい。MMMとはざっくりいえばこのような方程式を作る手法です。今はわかりやすくするために「方程式」と呼びましたが、専門用語では 「モデル」 といいます。「モデル（模型）」の名の通り、世の中の複雑怪奇な現象を、方程式を使ってある程度簡潔に表現したものといったニュアンスです。
東方：わかりました！
回帰分析と何が違うのですか？
東方：ちょっと気になることがあります。昔「回帰分析」というものを習ったことがありまして、それもデータを読み取って方程式を作って予測をしたりするものだと習ったのですが、それとMMMは何か違うのですか？
中野：良い質問ですね。MMMは簡単にいえば 「マーケティング効果を分析することに特化した高度な回帰分析」 です。より踏み込んで述べると、「状態空間モデル」といった名称で呼ばれるモデルを作り、コンピューター解析を行う手法です。これは東方さんが言うところの回帰分析に似たものではありますが、単純な回帰分析はできないことができるのです。
東方：どんなところに違いがあるのでしょうか？
中野：ここについては正確な説明をすると大変難解になってしまうので、大まかに説明しますね。ひとつ、MMMと単純な回帰分析の違いの例を挙げると、 「時系列を加味しているかどうか」 というポイントがあります。たとえば下図を見てください。
中野：こういったデータがあった場合、単純な回帰分析を行えば、勉強時間がテストの点数にどのような影響を与えているかわかりますよね。
東方：はい。Excelを使ってそのようなデータを回帰分析したことがあります！
中野：次にこの図を見てください。
東方：さっきのデータと数字は一緒ですね。一番左が人名ではなくて日付に変わりました。
中野：このような時間軸を持つデータを 「時系列データ」 といいます。ここで考えてみてほしいのですが、7月2日の売上は0万円になってますよね。さて、前日180万円あった売上が、1日広告を出さなかったくらいで急に0円になったりすることなんてあるでしょうか？
東方：うーん。ある程度の規模の会社なら、まずないと思います……。
中野：そうですよね。つまりふつうはこんなデータにならないはずなんです。基本的に、よっぽどのことがなければ下図のような「前日」に近い値になるはずですよね。
東方：たしかにこっちのほうが自然ですね。たとえ広告を打たない日があったとしても、これまでの積み重ねがあるので売上0円にはならないと思いますし。
中野：はい。このように、時系列のデータは「過去（前のデータ）の影響を受ける」という性質を持っているケースがあります。今日の体重や気温なども、昨日の値から極端に変わったりはしませんよね。そのような性質です。
一方、最初の例だとAくんとBくんは別人なので、Aくんのテストの点数はBくんの点数に影響を与えません。だから、AくんとBくんの値がまったく異なることも多々あります。
東方：なるほど。一見同じように見えるデータでも、時系列データかどうかで性質が異なるのですね。
中野：そうです。実は、いわゆる普通の回帰分析はこういった時系列の影響を考慮していないのです。したがって、過去の影響を持つデータを単純に回帰分析をしてしまうとおかしな結果が出てしまいます。
東方：そうだったのですね！
中野：さらにいえば、MMMは「平日と休日」「春夏秋冬」といった時間軸に合わせて周期的な動きをする 「季節の要因」 を切り分けて分析できるという特徴もあります。たとえば、 「夏にアイスの広告を出してアイスが売れた場合、それは夏になった影響なのか広告の影響なのか」 といった疑問が湧くと思いますが、時系列の動きを加味することで、どちらの影響がそれぞれどのくらいかということも検証できます。
東方：広告の効果測定ではそのような事例は多そうですね。
中野：こういった時系列データの持つ特徴を加味しつつ、先に述べたような 「広告効果の減衰」や「誤差」といった諸々の条件をも考慮した分析ができるのがMMMなのです。
東方：だから「高度な回帰分析」なんですね。複雑そうです……。
どうして流行ってるんですか？
東方：もうひとつ気になっていることがありまして、「MMM」が最近話題なのはどうしてでしょう？
中野：その答えは 「個人情報の取り扱い」 にあります。これまでマーケティング業界では、より精緻な分析をするために「一人の人間の行動をできるだけ収集しよう」という動きがあったのです。ある人がどんな広告を見て、どんなお店に行ってどんな買い物をしたのか、こういったことが把握できればより個人個人にあった適切な施策が行えますよね。
東方：はい。でも、自分の行動がいろいろなところで把握されているって、なんだかちょっと怖いですね。
中野：私もそう思います。（笑） 便利になる半面、悪用されたときのリスクも高まってしまいますからね。そこで、世界的に「個人を特定する情報の取り扱いを厳しくしよう」という流れになってきたのです。
東方：その流れとMMMがどう関係するのですか？
中野：これまでの話を振り返ってみるとわかります。「売上」「出稿額」「広告効果」「店頭販促」「気温」といったような言葉が出てきましたが、これらのデータは個人を特定できるような情報ではないですよね。
東方：あ、本当ですね！
中野：MMMは、特定の個人の行動を追ったデータではなく、全体として集計されたデータを分析する手法なのです。だからこそ、個人情報の取り扱いに厳しくなってきた現状の中、個人情報を使わずに精緻な分析ができる手法として今話題になっているのです。個人の詳細なデータを集めない代わりに、出稿量や売上といった時系列のデータを溜めていくことでカバーしていくというイメージですね。
東方：よくわかりました！
中野：もちろん、そもそも 「ビッグデータを溜められる環境や、そのデータを分析ができる環境が整ってきた」 ということが、流行の大前提としてあることは補足しておきます。
MMMってどうやるんですか？
東方：これまでの話で、MMMの概要はなんとなくつかめました。あとはMMMを実施するにあたって、中野さんがやっていることをもっと具体的に教えてもらえませんか？
中野：そうですね。やり方はいろいろありますが、 「データ前処理→モデル作成→コンピューター解析→精度チェック」 という流れは共通しています。
東方：ひとつひとつ進めていくのですね。
中野：最初に行うことはデータの前処理です。そもそもデータが分析できる形になっていないといけないので、図のような形のデータに揃える必要があります。
東方：分析できないデータの形ってどんなものでしょうか？
中野：そうですね……。東方さんはExcelで、「Sum関数」を使ったことはありますよね。合計値を求めるために使う関数です。
東方：それはばっちりです！
中野：では、ExcelでSum関数がうまく動かないようなデータを想像すると良いと思います。たとえば下図の右側のような、「数字と文字が混在している」データや、「特定のデータだけ別の場所に入っている」データなどです。
東方：ああ、ときどき右側みたいなExcelを見ることがあります。困っちゃいますよね。
中野：以前のことですが、私は「データの『写真』をExcelに貼り付けたもの」を渡されて、「これで分析してくれ」と言われたことがありました。当時は写真から数字を読み取るといった機能も普及していなかったので、泣く泣く写真を見ながらExcelに数字を手打ちしました。これは極端な例ですが、このようなデータは「分析できないデータ」です。
東方：ひぇっ……。
中野：あとは異なるデータ同士を紐づける作業も前処理の中に入ります。Excelで言えば「Vlookup関数」ですね。
中野：これらがデータ前処理の一例です。他にもデータが取れていない期間の補完、重複データの削除、異常値の修正など、やることは多岐にわたります。
東方：きれいなデータを用意するまでが大変なんですね。
中野：その通りです。分析時間の多くがこの前処理作業に費やされると言われています。
東方：この前処理が終わったら、最初のほうで話していただいた 「モデル作成」 ですね。
中野：そうです。先ほど説明したように、複数の広告効果や時系列の影響、広告効果の減衰など、さまざまな影響を加味したモデルを作成します。
東方：このオレンジ色の部分って何ですか？
中野：手元のデータではわからない部分です。売上や出稿額などはデータとして持っていますが、オレンジ色の部分はそのデータを使って答えを求める必要があります。オレンジ色の部分がわかれば、先ほど説明したように、効果測定や売上予測、予算配分などができるようになるのです。
東方：その答えを求める作業が、次の 「コンピューター解析」 ですね。
中野：はい。これだけ複雑になると、人間が手作業で答えを導き出すことは不可能です。そこで、コンピューター解析をします。すごく乱暴にいえば、 「いろんな数字をひたすら入れていく」 という方法で答えを割り出します。
東方：ちょっとイメージが湧かないので、何か例をお願いします！
中野：そうですね……。たとえば下図のいたって単純な方程式を見てください。
東方：ああ、中学校の数学の授業でよく見ました。
中野：ｘとyが具体的な値を求めたいものであり、先ほどのオレンジ色の部分に該当します。これは普通にｘやｙの値を導き出せると思います。
東方：さすがにわかります！
中野：これの解き方が仮にわからなかった場合、裏技として 「適当に数字を入れる」 という手法があるのはご存じですか？ 先生には怒られますが。
東方：やったことあります。（笑）
中野：コンピューター解析とは、まさにこれをコンピューターの力で強引にやるイメージです。もちろん数字は無限にあるので、適当に入れていたらいつまで経っても解けません。そこで、より当たりやすくなるようなやり方を行っていますが、「たくさんの数字を入れて、力技で答えを出す」という部分は同じです。興味がありましたら、「モンテカルロ法」「MCMC」などの言葉で検索するとより詳細な解説が出てきますよ。
東方：なるほど、このときにプログラミング言語を使うんですか？
中野：そうです。RやPython、Stanといった言語を用います。最近はMMMを実施しやすくするための環境が整ってきていて、以前と比べると比較的スムーズにMMMを実施できるようになりました。
中野：このようにして、モデルができあがったら 「精度チェック」 に入ります。作ったモデルが、ちゃんと現実のデータによく当てはまっているかの確認ですね。ここがうまく当てはまっていなければ、また最初からやり直します。
東方：どのようにやり直すのですか？
中野：ケースバイケースですが、新しいデータを追加してみたり、ノイズとなるようなデータを削除したり、モデル式に修正を加えたりが一例です。この辺りは試行錯誤しながら、泥臭くやっていく必要があります。
東方：コンピューターにデータを入れたら終わりというものではないんですね。
中野：そうです。さらに、精度チェックで重要なのは、 「今持っていない、新しいデータでもよく当てはまっているか」 ですね。現時点でのデータを使って現時点の状況と当てはまりがよくても、新しいデータが追加されたときに機能しなければ意味がありません。専門的には、「訓練データ（train）を使ってテストデータ（test）がきちんと当てられるか」といった表現を使うことも多いです。詳しくは次回に掘り下げる予定です。
東方：えっと、例のごとくいまいちイメージが湧かないので、何かたとえ話を出してもらえませんか？
中野：そうですね……。たとえばある数学の問題集があったとします。たまたま、その問題集の4択の答えはすべて「ア」だったとします。
東方：雑な問題集ですね……。
中野：さて、翌週に学校で数学のテストが出ました。問題集の経験から、答えを全部「ア」にしました。このとき、テストの点はどうなるでしょうか。
東方：なるほど。問題集では100%正解だった答えでも、テストで通用するとは限らないってことですね。
中野：その通りです。過去のデータから導き出した法則（方程式）が、ちゃんと新しいデータでも通用するかチェックするのはとても大事な工程です。このように、MMMをやる際は、データの前処理から精度のチェックまでを何度も繰り返しながら進めていく必要があります。
東方：なんとなく、全体の流れのイメージがつきました！
中野： 今回は理解しやすさを重視して、かなり説明を大雑把にしています。 この後はいろいろなサイトや文献を調べて、よりMMMの正確な理解を深めていってもらえれば幸いです。
東方：かしこまりました！
東方のまとめメモ
- MMMは、各種のマーケティング施策が、売上などの成果にどう影響しているかを分析する手法。
- MMMは、効果測定を主としながらも、予算配分、売上予測にも使える。
- MMMは、マーケティング効果を分析することに特化した高度な回帰分析。
- MMMは、個人情報を含まないデータのみで分析できる。
- MMMは、データ前処理→モデル作成→コンピューター解析→精度チェックの流れで実施。
次回もよろしくお願いします！
※MMMに興味が湧きましたら、「ASAKO MMM」紹介ページもご覧ください！
- 所属等は執筆当時のもので、現在とは異なる場合があります。
- また記事中の技術、手法等については、今後の技術の進展、外部環境の変化等によっては、実情と合致しない場合があります。
- 各記事における最新の動向につきましては、当社までぜひお問い合わせください。
著者プロフィール
プロフェッショナルズ中野 拓馬（なかの たくま）
この人の書いた記事
得意領域
- #MMM
- #AI
- #データアナリシス
- #機械学習
- #CX/DX
- #デジタル
- #効果検証
【転載・引用について】
本記事・調査の著作権は、株式会社朝日広告社が保有します。
転載・引用の際は出典を明記ください 。
「出典：朝日広告社「アスノミカタ」●年●月●日公開記事」
※転載・引用に際し、以下の行為を禁止いたします。
- 内容の一部または全部の改変
- 内容の一部または全部の販売・出版
- 公序良俗に反する利用や違法行為につながる利用
