MMMのベイズ推定とは

MMMにおけるベイズ推定とは、媒体ごとの効果を「これくらいの範囲にあるはずだ」という事前の知識（事前分布）とデータを組み合わせて、確率の分布として推定する方法です。媒体数が多くデータの期間が限られるMMMでは、データだけから答えを一意に決めきれない場面がよく起こります。ベイズ推定は、そこに業界の目安や過去の実験結果を事前分布という形で持ち込むことで、推定を安定させる役割を果たします。この記事では、なぜベイズ推定が使われるのか、事前分布に何を入れるのか、そして正則化回帰とどう違うのかを整理します。

なぜデータだけでは決めきれないのか

MMMは、媒体ごとの広告費・残存効果（アドストック）・飽和の強さなど、推定すべきパラメータの数が多くなりがちです。一方でデータの期間は週次でも数年分がせいぜいで、観測点の数はパラメータの数に対してそれほど多くありません。

さらに、複数の媒体が同じようなタイミングで増減していると（多重共線性）、どの媒体がどれだけ効いたのかをデータだけから一意に切り分けるのが難しくなります。理屈のうえでは全く違う配分の組み合わせが、手元のデータへの当てはまりの良さでは同じくらいに見えてしまうことがあるのです。

こうした「データだけでは決めきれない」状況で、過去の知見や他の分析結果を事前分布として組み込み、もっともらしい範囲へ推定を引き寄せるのがベイズ推定の考え方です。

事前分布に何を入れるのか

事前分布は、パラメータが取りうる値の範囲を、確率の重みつきで表したものです。代表的には次のようなものが対象になります。

• 残存効果の半減期：媒体ごとにおおよその目安（検索広告は短め、テレビCMは長めなど）があるなら、その範囲に重みを置いた分布を設定します。
• 飽和の強さ：媒体の到達規模から見て、極端に飽和しにくい・しやすいという事前の想定があれば反映します。
• 効果の符号：広告費を投じて売上がマイナスになるとは通常考えにくいため、負の効果をほぼありえない値として扱う分布を置くこともあります。
• 地域実験・リフトテストの結果：別の手段で確かめた効果の大きさが分かっているなら、その数値の周辺に重みを置きます。

事前分布は「答えを決め打ちする」ものではなく、あくまでデータが少ないところを補う参考情報です。データが十分にある部分では、最終的な推定はデータのほうに強く引っ張られます。事前分布の設定が実態から大きく外れていれば、その分だけ推定も歪むため、根拠のない値を置いてよいわけではありません。

正則化回帰との違い

MMMのもう一つの主要な推定方法が、正則化つきの回帰です。両者は「データが足りない部分を何らかの制約で補う」という発想は共通していますが、制約のかけ方が異なります。

ベイズ推定は事前知識を細かく反映できる分、計算に時間がかかり、事前分布の設計そのものに専門的な判断が要ります。正則化回帰は速く回せる代わりに、事前知識を分布として持ち込むことはできません。どちらが優れているというより、かけられる時間と欲しい情報の細かさで選ぶものです。

出力の読み方：事後分布と不確実性

ベイズ推定の結果は「媒体Bの貢献は3.8億円」という一点の数字ではなく、「2.6億〜5.4億の範囲にこれくらいの確からしさで収まる」という分布で出てきます。この幅を事後分布と呼びます。

幅が広いということは、その媒体の貢献度がまだ十分に絞り込めていないことを意味します。予算配分を判断するときに、点の数字だけを見て「この媒体が一番効いている」と決めるのではなく、媒体同士の幅が重なっていないかを確認することが欠かせません。幅が重なっている媒体同士は、順位が入れ替わってもおかしくない状態だと考えてください。

統計じょうずでの位置づけ

統計じょうずのMMMクイック分析βは、正則化つきの回帰を採用しており、事前分布を伴うベイズ推定ではありません。残存効果や飽和の形はデータから探索して推定しますが、事前分布として業界の目安や実験結果を明示的に組み込む機能は持っていません。

そのため、統計じょうずのMMMは「まず手元のデータで方向性の当たりをつける」段階に向いた道具という位置づけになります。媒体数が多く、実験結果も踏まえて本格的に予算配分を決めたい場合は、ベイズ推定を使う本格運用のMMMを検討する価値があります。外部のベンダーに発注する際は、見積もりの中でベイズ推定を採用しているか、事前分布に何を想定しているかを確認しておくと、費用の違いの理由が把握しやすくなります。

よくある質問

Q. ベイズ推定のほうが正則化回帰より必ず精度が高いのですか。 必ずしもそうとは言えません。事前分布の設定が実態からずれていれば、かえって推定を歪めます。精度は事前分布の質と、それを検証する体制があるかどうかに左右されます。

Q. 事前分布は誰がどうやって決めるのですか。 分析者やベンダーが、業界の一般的な目安・過去の類似案件・実施済みの実験結果などをもとに設定します。恣意的に決められる余地があるため、発注する側は根拠を確認しておくことが望ましいです。

Q. 統計じょうずのクイック分析でも事前分布を自分で設定できますか。 設定する仕組みはありません。正則化回帰の方式のため、事前分布という概念自体を使わず、データから直接パラメータを探索します。

Q. 計算に時間がかかるなら、社内のリソースが限られていても使えますか。 反復計算そのものは重くても、実行環境をクラウド上に用意すれば規模の大小はあまり関係ありません。むしろ負担になりやすいのは、事前分布の妥当性を検討し、実験結果と突き合わせて調整できる担当者を確保できるかどうかです。

MMMのベイズ推定は、データだけでは決めきれない部分を事前分布で補い、結果を確率の幅として示す方法です。まずは統計じょうずのMMMクイック分析で手元のデータの傾向をつかみ、そのうえでベイズ推定を使う本格運用が必要かどうかを判断する、という順序で考えるとよいでしょう。