単純な前後差から一歩進める
施策前の動きからトレンドと周期性を学習し、「施策がなかった場合の推定値（反実仮想）」を作って実績と比べます。前後の平均を引き算するだけでは、もともと伸びていた分まで効果に数えてしまいます。
MARKETING ANALYSIS 03
施策前後を比較するプレポスト分析ツール
施策前後の時系列CSVから、トレンドや曜日、比較系列を調整。単純な前後差では見えない増分効果を推定します。統計じょうずでは「プレポス調査」と呼んでいる機能です。
01 開始日を指定02 反実仮想を推定03 増分効果を確認
WHAT YOU GET
施策がなければ、どうなっていたかを推定する。
このツールでわかることをまとめました。
外部要因を比較系列で吸収する
施策の影響を受けない似た系列を「比較系列」として指定すると、景気や季節など全体に共通する変化を切り分けられます。
効果の内訳を分けて示す
開始直後の水準変化（ジャンプ）と、その後のトレンドの変化を分けて表示します。効果が一時的か継続的かの判断材料になります。
施策費を入れるとROIも出せる
施策費（任意）を入力すると、推定した増分に対するROIを併記します。
HOW TO USE
プレポス調査の使い方
- 1時系列CSVを読み込む日付列とKPI列を含むCSVを読み込みます。サンプルで先に試すこともできます。
- 2施策開始日と設定を選ぶ施策開始日、KPIの種類、比較系列（あれば）、信頼水準、施策費（任意）を設定します。
- 3増分効果と前提を読む実績と反実仮想の推移、効果の内訳、モデル適合度、結果を採用する前の確認事項が表示されます。
DATA YOU NEED
必要なデータ
合計20期間以上（施策前12期間以上＋施策後8期間以上）。日付列とKPI列が必要です。
CSVの列の例
date,sales,comparison_sales,campaign必須は日付列とKPI列の2つです。上のサンプルでは comparison_sales が比較系列にあたります。同じ日付の行が重複せず、時系列順に並んでいる必要があります。
HOW TO READ
結果の見方
画面に出る主な項目と、その読み方です。
- 施策後の平均増分
- モデルが推定した施策の効果（開始直後の水準変化とトレンドの変化）を、施策後の期間で平均した値です。信頼区間が0をまたぐ場合、効果があったとは言い切れません。
- 実績と施策がなかった場合の推定値
- 2本の線の差には、施策の効果に加えて日々の偶然のゆらぎも含まれます。増分の推定値は、そのゆらぎを除いたモデルの効果なので、線の差とは一致しないことがあります。施策前の期間で2本がよく重なっているほど、推定の土台が確かです。
- 効果の内訳
- 「開始直後の水準変化」と「トレンドの変化」に分けて表示します。片方だけが大きい場合、効果の性質が異なります。
- モデル適合度・残差自己相関
- 推定の当てはまりと、残差に時系列の構造が残っていないかの確認です。警告が出ている状態の点推定で判断しないでください。
LIMITATIONS
注意点と分析上の限界
この分析でわかることには範囲があります。判断の前に確認してください。
- 施策と同時期に起きた別の出来事（他の施策、値上げ、報道、競合の動き）があると、その影響も効果に含まれます。
- 施策前の期間が短いと、トレンドと季節性を学習できず推定が不安定になります。施策前28期間以上を推奨しています。
- 同じ対象を前後で測る設計です。施策前後で対象や計測の定義が変わっている場合は比較できません。
- 比較系列を指定しない場合、全体に共通して起きた変化（景気・季節）は施策の効果と区別できません。
- 推定値は前提の置き方に依存します。信頼区間と警告を必ず一緒に読んでください。
FAQ
よくある質問
施策前後の平均を引き算するのと何が違いますか？＋
単純な前後差は、もともとの成長や季節変動もすべて効果に数えてしまいます。本ツールは施策前の動きからトレンドと周期性を学習し、施策がなかった場合の推定値と比べます。
比較系列は必ず必要ですか？＋
必須ではありません。ただし比較系列があると、景気や季節など全体に共通する変化を切り分けられるため、推定の確からしさが上がります。
何期間分のデータが必要ですか？＋
最低で合計20期間（施策前12期間・施策後8期間）です。季節性と長期トレンドを見分けるには、施策前28期間・施策後14期間以上を推奨しています。
同じ人を追跡していないデータでも使えますか？＋
使えます。本ツールが扱うのは日付ごとに集計された時系列です。ただし施策前後で対象の定義や計測方法が変わっている場合、その差も効果として現れる点に注意してください。