🎓 レベル：基礎 | 重要度：A（必須）
📎 関連：マーケティングデータとKPIの体系 | 測定の土台：統計検定テキスト
要点（BLUF）
- マーケティング・サイエンスは、マーケティングの意思決定を「勘・経験」ではなくデータと数理モデルで行う分野です。
- 目標（KGI：売上・利益）を、測定・操作できる中間指標（KPI：CVR・CPA・LTV など）に分解し、施策の効果を指標で測って最適化します。
- 同じデータでもどの指標を見るかで結論が変わる。指標を目的に沿って選ぶことが出発点です。
1. 勘のマーケから、測るマーケへ
「この広告は効いている気がする」では、予算をどう配分すべきか決められません。マーケティング・サイエンスは、施策と成果を数値で結びつけ、次の問いに答えます。
- どの施策が、いくらの費用で、どれだけの成果を生んだか（効果測定）
- 価格をいくらにすれば利益が最大か（価格最適化、第3章）
- 顧客一人の価値はいくらで、獲得にいくらまで払えるか（LTV/CAC、第2章）
- 施策に本当に因果効果があるか（A/Bテスト、第7章）
flowchart LR KGI["目標 KGI（売上・利益）"] --> KPI["KPIに分解（CVR・CPA・LTV）"] KPI --> ACT["施策を実行"] ACT --> MEAS["データで測定"] MEAS --> OPT["最適化・次の意思決定"] OPT --> ACT
2. KGI と KPI
**KGI（重要目標達成指標）**は最終目標、ふつう売上や利益です。これを直接いじることはできないので、**KPI（重要業績評価指標）**という「測れて・動かせる中間指標」に分解します。たとえば EC の売上は次のように分解できます。
こうすると「売上を上げる」という漠然とした目標が、「訪問数を増やす／CVR を上げる／単価を上げる」という操作可能な打ち手に変わります。各 KPI を測り、どこがボトルネックかを特定するのがマーケ・サイエンスの第一歩です。
3. データで意思決定する（コード）
2つの広告施策 A・B の結果から、代表的なマーケ KPI を計算して比較します。
import numpy as np
import pandas as pd
# 2つの広告施策の結果（合成データ）
df = pd.DataFrame({
"施策": ["A", "B"],
"費用": [100_000, 150_000], # 広告費（円）
"クリック": [5_000, 6_000],
"獲得顧客": [200, 330],
"売上": [400_000, 560_000], # その施策による売上（円）
})
# 代表的なマーケKPIを計算
df["CPA"] = df["費用"] / df["獲得顧客"] # 顧客獲得単価（低いほど効率的）
df["CVR"] = df["獲得顧客"] / df["クリック"] # コンバージョン率
df["ROAS"] = df["売上"] / df["費用"] # 広告費用対効果（売上÷費用）
df["ROI"] = (df["売上"] - df["費用"]) / df["費用"] # 投資収益率（利益÷費用）
print(df.to_string(index=False,
columns=["施策", "CPA", "CVR", "ROAS", "ROI"],
float_format=lambda x: f"{x:.3f}"))出力：
施策 CPA CVR ROAS ROI
A 500.000 0.040 4.000 3.000
B 454.545 0.055 3.733 2.733出力の意味：どちらが「良い」かは見る指標で変わります。施策 A は ROAS・ROI が高く1円あたりの効率が良い。一方 B は CPA が低く CVR も高く、獲得数（200→330）と売上規模で勝ります。予算が限られ効率を最大化したいなら A、規模を取りに行くなら B——というように、マーケ・サイエンスは「指標を定義し、データに語らせて意思決定する」営みです。次節以降は、この指標を一つずつ数理モデルで深掘りしていきます。
⚠️ よくある誤解
- 「指標は多いほど良い」ではない：目的（KGI）に結びつかない指標を増やすと、意思決定がぶれます。まず KGI → KPI の分解を設計してから測ります。
- 「データがあれば答えが出る」ではない：相関と因果は違い（第7章）、指標の取り方で結論が変わります。モデルと解釈が必須です。
- 「平均だけ見れば十分」ではない：顧客や施策のばらつき・分布を無視すると判断を誤ります（分布で見る姿勢は統計・ベイズと共通）。
関連ノート
- マーケティングデータとKPIの体系（次のトピック・KPIを体系化）
- 第1章 マーケティングサイエンスの枠組み 目次
- 第2章 顧客価値の測定（LTV・CAC）／第7章 実験と因果推論（効果の厳密測定）
- マーケティング・サイエンス 全体目次