MMM（マーケティング ミックス モデリング）とは、週次の広告費、売上、季節性・価格・販促などの外部要因のデータから、各マーケティング チャネルの売上貢献を統計的に推定する効果測定の手法です。ユーザー単位のデータを使わないため Cookie 制限の影響を受けず、「次の1円の予算をどのチャネルに配分すべきか」という問いに答えます。
MMM は単一のツールではなく測定のアプローチです。媒体のアトリビューションやインクリメンタリティ テストと組み合わせることで最も効果を発揮し、この3つが現代の測定基盤の土台になります。
MMM はどのような仕組みですか？
モデルは売上を2つに分けます。広告がなくても発生するベース売上と、チャネルが生む増分売上です。チャネルごとに2つの効果を推定します。アドストック（残存効果）は今週の広告が翌週以降の売上にも寄与すること、飽和は広告費が増えるほど追加1円あたりのリターンが減ることです。最近の MMM ツールの多くはベイズ手法を用い、すべての推定値を不確実性の区間とともに示します。
- ベース：ブランド認知、自然流入、リピーター。通常は最も大きな割合です。
- チャネル貢献：各チャネルの増分売上と、それに基づく ROI の推定。
- 限界 ROI：次の1単位の広告費が生むリターン。予算判断では平均 ROI より重要です。
- コントロール変数：季節性、価格変更、販促、在庫状況。
MMM とアトリビューションの違いは？
アトリビューションは個々のユーザーの経路を追跡して CV を接点に配分します。MMM は集計データからチャネルの貢献を推定します。アトリビューションは速く詳細ですが、Cookie の喪失や、各媒体が自社の接点を優遇する問題の影響を受けます。MMM は遅く粗いものの、テレビ、屋外広告、インフルエンサーなど追跡できないチャネルも扱えます。詳しくは アトリビューションモデルの解説 をご覧ください。
- 媒体アトリビューション：日々の最適化、クリエイティブ、キーワードの判断。
- インクリメンタリティ テスト：実験でチャネルの真の効果を証明する（増分 ROAS とテスト）。
- MMM：四半期や年間の予算配分、チャネル構成、シナリオ計画。
飽和曲線は予算判断をどう変えますか？
飽和曲線は、あるチャネルへの広告費を増やすにつれて増分売上の伸びがどう鈍るかを示します。例示では、週次の広告費を10Kから20Kに増やすと増分売上は38から66に伸びますが、80Kから90Kでは2単位しか増えません。この段階では、曲線がまだ急な別のチャネルに同じ予算を移す方が通常は効率的です。
MMM の前に、データを1か所に集める
Ads Sensor は Meta、Google、TikTok、Criteo、GA4 の広告費と売上を1つの画面に統合します。
Google Meridian と Meta Robyn のどちらを選ぶ？
広く使われるオープンソースのツールは2つです。Google Meridian はベイズ型で、地域（ジオ）単位のモデリングや実験結果を事前情報として取り込むことに対応し、2026年2月にはノーコードのシナリオ プランナーが追加されました。Meta Robyn は R ベースで、ハイパーパラメータの自動探索により最初の結果に早く到達します。業界の評価では、Robyn は多くの組織にとって素早く始められる選択肢、Meridian はより多くのデータとモデリングの専門性を要する網羅的な選択肢とされることが一般的です。
- 必要データ：どちらも通常2年以上の週次データ。Meridian は全国単位で3年を推奨しています。
- チャネル数：実務では主要5〜7チャネル。小さなチャネルが多すぎるとモデルが不安定になります。
- 期間：データ監査から最初の検証済みモデルまで通常8〜14週間。
- 体制：統計の知識があるアナリスト、または外部の支援。
MMM プロジェクトはどのような手順で進めますか？
- データ収集：チャネル別の週次広告費と表示回数、週次の売上または CV、価格、販促、季節性のデータ。
- データ監査：欠損週、通貨、チャネル名の一貫性。最も時間がかかる工程です。
- モデル構築：アドストックと飽和のパラメータを含む最初のモデルを作り、過去の売上をどの程度説明できるか確認します。
- 較正：インクリメンタリティ テストの結果があれば比較して調整します。
- シナリオ計画：予算再配分のシナリオを試算し、限界 ROI で判断します。
- 更新：四半期ごとにモデルを更新します。市場やクリエイティブが変われば係数も変わります。
MMM の限界は？
- 多重共線性：すべての広告費が同時に増減すると、モデルはチャネルを区別できません。支出に自然なばらつきが必要です。
- 粗い粒度：キャンペーンやクリエイティブ単位の判断はできず、チャネル単位にとどまります。
- 不確実性：ROI は幅で推定されるため、1つの数字にまとめると誤解を招きます。
- 時間差：週次データと再学習が必要なため、日々の最適化には向きません。
MMM のプロセスで Ads Sensor はどこに位置しますか？
Ads Sensor は MMM ツールではなく、モデルも構築しません。ただし MMM で最も時間のかかる前提条件、つまり一貫性のある統合されたチャネル データを支えます。Meta、Google 広告、TikTok、Criteo、GA4 を1つの画面にまとめ、媒体横断で売上と ROAS を比較し、適用した変更の前後を自動で追跡します。日々の最適化は Ads Sensor、四半期の予算判断は MMM という使い分けは互いを補完します。ベータに申し込む。