← マーケティングサイエンス 一覧

🎓 第7章：実験と因果推論

第7章 実験と因果推論

施策を打つたびに私たちが知りたいのは「この施策が結果をどれだけ動かしたか」——相関ではなく因果効果（増分）です。広告・販促の効果測定 では、観測売上を「ベースライン（反実仮想）＋増分＋ノイズ」に分け、見えないベースラインを回帰でモデル化して増分を取り出しました。強力ですが弱点があります。ベースラインの関数形（トレンド・季節性）を誤れば、増分の推定にバイアスが残る——「モデルが正しければ」という but がつきまといます。

本章のテーマは、この but を実験デザインで外すことです。ランダム化（コイン投げで介入群と対照群に分ける）と、両群は介入以外そっくりになり、対照群が「介入を受けなかったらどうだったか」の反実仮想を実物で与えてくれます。すると両群の差がそのまま因果効果になり、ベースラインのモデル化すら要りません。これが A/B テストで、効果測定の決定版です。

そのうえで、出力の読み方を 2 通り扱います。頻度論は $p$ 値と信頼区間で「偶然か」を判定し（検出力とサンプルサイズの設計もここ）、ベイズは事後分布から「B が優れている確率 $P(p_B>p_A)$」「増分の確信区間」「期待損失」を直接出して意思決定に橋渡しします。最後に、全員ではなく説得可能層（放っておくと買わないが、施策で動く層）だけを狙うアップリフトモデリング——効果の異質性を予測してターゲティングを効果ベースに変える発展トピックへ進みます。

トピック一覧

1. A/Bテストの設計と分析 — 標準
2. ベイズA/Bテスト — 標準
3. アップリフトモデリング — 標準

関連章

• 第4章 市場反応モデル（効果測定の増分を、回帰のモデル化からランダム化へ移して厳密化する。A/B が前後比較・回帰の決定版）
• 第6章 セグメンテーション（セグメント別に効果が異なるか＝効果の異質性を検証し、ターゲティングを反応率でなく効果で裏づける）
• 第3章 需要と価格（価格を介入とする A/B＝価格テストで、需要曲線・弾力性の推定を実験で支える）
• 検定・検出力の理論は統計テキスト、ベイズ A/B の発展（MCMC・階層ベイズ）はベイズ統計テキスト、ランダム化できない観察データからの因果推定（傾向スコア・差分の差分・操作変数）は因果推論テキストにあり、重複させず参照します。本章はそれらをマーケの施策効果検証に束ねます。