Cookieが消えても広告効果は測れる——MMM（マーケティング・ミックス・モデリング）入門

Cookie規制やスマホの追跡制限で、「誰がどの広告を見て買ったか」を個人単位で追うのが、年々難しくなっています。これまで頼ってきたクリック計測やリターゲティングの精度は落ち、効果がよくわからないまま広告費を払い続ける——そんな不安を抱える担当者は少なくありません。かつて主流だったブラウザのCookie（サイトをまたいで行動を記録する仕組み）は規制が強まり、スマホでもアプリをまたいだ追跡は原則として本人の同意が必要になりました。日本では同意する人が2割に満たないという調査もあり、「クリックの先まで追う」計測は、もはや一部のユーザーしか捉えられません。そこで再び脚光を浴びているのが、MMM（マーケティング・ミックス・モデリング）です。実は古くからある手法ですが、Cookieに頼らないという特性が、いまの時代に再評価されています。個人を一切追わず、週次や月次の集計データだけで、どのチャネルがどれだけ売上に貢献したかを推定する。テレビやチラシのようなオフライン広告も、横断で比べられるのが強みです。この記事では、MMMの考え方を、ダミーデータの図で直感的に解説します。前回までの広告効果検証シリーズと同じく、数式やコードは使いません。

MMMは「売上を分解する」発想

MMMの根っこにある発想は、とてもシンプルです。毎週の売上を、「広告がなくても入るベース売上」と「各チャネルの広告が上乗せした分」に分解する。テレビが何割、デジタル広告が何割、チラシが何割、そして残りがベース。こうやって売上の内訳を推定すれば、どのチャネルにどれだけの価値があったかが見えてきます。やっていることは、毎週の売上という「結果」を、季節や価格、各チャネルの広告投下量といった「原因の候補」で説明しようとする統計分析です。個人を1人ずつ追いかけるのではなく、全体の動きのパターンから貢献を逆算する、という発想の転換がポイントです。

次の図は、ダミーデータの週次売上を、MMMの発想で分解したものです。いちばん下の広い面が、広告がなくても入るベース売上。その上に、テレビCM、デジタル広告、チラシの貢献が積み重なっています。テレビCMを打った時期にだけ、濃い色の層がぐっと盛り上がっているのがわかります。こうして見ると、売上の波のうち、どれだけが広告によるもので、どれだけが元々の地力なのかが、一目で区別できます。

このダミーデータでは、売上のおよそ8割はベース、つまり広告がなくても入る分でした。広告の貢献は、デジタル広告が約1割、テレビが約6%、チラシが約2%。「テレビにいちばんお金をかけているのに、貢献はデジタルのほうが大きい」といった発見が、こうした分解から生まれます。もう一つ大事なのは、「売上の8割はベース」という事実です。広告を全部止めても、すぐに売上が8割残るわけではありませんが、少なくとも日々の売上の大半は、ブランド力やリピーター、季節要因など、その月の広告とは別の力で支えられている。広告で動かせるのは、全体のうちの一部だという感覚を持っておくことは、過大な期待を避けるうえでも大切です。個人を追わなくても、集計データだけでここまで見えるのがMMMの面白さです。

ポイント1 アドストック——効果は打った後も尾を引く

MMMを正しく行うには、広告ならではの2つのクセを織り込む必要があります。1つ目がアドストック、つまり残存効果です。テレビCMを見た人が、その週のうちに必ず買うとは限りません。数日後、数週間後に思い出して買うこともあります。だから広告の効果は、打った瞬間がピークで、その後しばらく尾を引きながら減衰していきます。

この残存効果を無視して、「CMを打った週の売上」だけで効果を測ると、本当の貢献を見誤ります。打った後の週に染み出した効果を、ベースや他チャネルの手柄として取り違えてしまうからです。逆に、CMを打っていない週に売上が伸びても、それが数週間前のCMの残り香なら、その週に動いていた別の施策の手柄にしてはいけません。MMMは、この尾を引く効果をモデルに組み込むことで、時間をまたいだ貢献も正しく切り分けます。テレビのように残り香の長い広告ほど、この調整の有無で評価が大きく変わります。

ポイント2 飽和——増やすほど効率は落ちる

2つ目のクセが飽和、つまり収穫逓減です。広告は、投下量を2倍にしても、効果が2倍になるわけではありません。最初のうちは効率よく売上を伸ばしますが、ある量を超えると、同じ層に何度も広告を当てることになり、追加の効果はだんだん小さくなっていきます。同じ100万円でも、ほとんど出していないチャネルに足すのと、すでに大量に出しているチャネルに足すのとでは、生まれる売上がまるで違う。次の曲線が、その様子を表しています。

この飽和の形がわかると、予算配分の意思決定がぐっと具体的になります。あるチャネルがすでに飽和ゾーンに入っているなら、そこにこれ以上つぎ込んでも効率は上がりません。むしろ、まだ効率の良いゾーンにいる別のチャネルへ予算を移したほうが、全体の売上は伸びます。MMMは、各チャネルがいまカーブのどのあたりにいるかを示してくれるので、「どこを増やし、どこを減らすか」の判断材料になります。よくあるのが、いちばん効いているチャネルにさらに予算を集中させてしまうケース。けれど、効いているチャネルほど飽和に近づいていることが多く、追加投資の効率はかえって悪い、という逆転も起こります。平均のROIではなく、「次の1円の効率」で見るのが、飽和を踏まえた配分のコツです。

MMMの強みと、限界

MMMの最大の強みは、個人データに依存しないことです。Cookieが使えなくても、iPhoneの追跡が制限されても、手元の売上と広告投下量の集計データさえあれば分析できます。しかも、クリック計測ができないテレビCM・屋外広告・チラシといったオフライン施策も、デジタルと同じ土俵で比べられる。デジタル広告だけを最適化していると、つい「測れるものだけ」を評価しがちですが、それでは測りにくいテレビやブランド施策の価値が見えなくなります。MMMは、測れる施策も測りにくい施策も同じ物差しに乗せるので、全社の予算配分を考える経営の視点と相性が良い手法です。

一方で、限界もあります。MMMは相関にもとづく統計モデルなので、これまで紹介してきたA/Bテストやホールドアウトのような実験ほど、因果として厳密ではありません。複数のチャネルがいつも一緒に動いていると、貢献を正しく切り分けにくくなります。また、安定した推定には、通常2〜3年ぶんの週次データが必要で、立ち上げには手間がかかります。だからこそ実務では、MMMで全体の予算配分の地図を描き、重要な施策はホールドアウト実験で増分を確かめる、という組み合わせが王道になっています。シリーズで見てきたA/Bテストや増分の考え方と、MMMは補い合う関係にあります。

近年は、この組み合わせを「トライアンギュレーション（三角測量）」と呼んで重視する動きが広がっています。MMMで全体像をつかみ、ホールドアウト実験で重要施策の増分を点検し、日々の運用はアトリビューションで回す。一つの手法を盲信せず、性質の違う複数の見方を突き合わせて、より確からしい結論にたどり着く。Cookieが当てにならなくなった時代の、現実的な効果測定の作法です。

それでも、モデルの妥当性は人間が見極める

MMMの計算は、いまや無料のツールやAIでも実行できるようになりました。けれど、どの要因をモデルに入れるか、アドストックや飽和の形をどう仮定するか、出てきた分解が現場感覚と合っているか——こうした判断は人間に残ります。「この時期の売上増は、CMではなく新商品の発売では」と気づき、要因を加えられるのは、事業を知る人だけです。モデルの形が少し違うだけで、結論が大きく変わることもあります。AIは推定を高速にこなしますが、何を変数に入れ、結果をどう信じるかは、人の仕事として残り続けます。AIをどう業務に組み込むかは「AIを入れる」から「安全に回す」へでも整理しています。

まとめ

Cookieが消えても、広告効果を測る道はあります。MMMは、個人を追わず、集計データから「売上＝ベース＋各チャネルの貢献」に分解する手法です。広告の効果が打った後も尾を引くアドストックと、増やすほど効率が落ちる飽和を織り込むことで、各チャネルの本当の貢献と、これ以上増やしても効率が落ちる飽和点が見えてきます。テレビもチラシも横断で比べられるので、全社の予算配分の地図づくりに向いています。厳密な因果が知りたい重要施策はホールドアウト実験で確かめ、全体像はMMMで描く。この使い分けが、計測の難しい時代の現実解です。これでシリーズも一区切りです。相関と因果の違いから始まり、差分の差分法、合成コントロール、A/Bテスト、アップリフト、そしてMMMまで。手法はさまざまですが、貫いているのは「見かけの数字に飛びつかず、もし施策がなかったらどうだったかを問う」という一点でした。効果検証の考え方を一通り押さえたい方は、基礎編からの通読もおすすめです。

データに基づく意思決定を、はてなベースが伴走します

効果検証は「分析の前」が9割です。どのデータを揃え、どんな仮説を立て、何と何を比べるか。ここが整っていないと、どんな高度な手法も誤った結論を出します。はてなベースでは、データに基づく意思決定の土台づくりを支援しています。たとえばこんなケースでお役に立てます。