Mímisbrunnr知恵の泉

← 経営戦略 一覧

🎓 レベル：標準　|　重要度：A（必須）

📎 前提：競争優位とは（持続的競争優位の源泉）（価値の楔 WTP−C）・バリューチェーンとコスト構造（コスト優位）

要点（BLUF）

1. 基本戦略＝楔のどちら側を広げるか

競争優位とは（持続的競争優位の源泉）で、競争優位は価値の楔（WTP − C）を作ることだと見ました。楔の広げ方は2方向です。

flowchart LR
  WEDGE["価値の楔 WTP − C を広げる"] --> COST["コスト優位：C を下げる"]
  WEDGE --> DIFF["差別化：WTP を上げる"]
  COST --> FOCUS["集中：特定セグメントに適用"]
  DIFF --> FOCUS

問題は「両方やればもっと広がるのでは？」という素朴な疑問です。それを配分問題で検討します。

2. 配分問題として解く

資源予算 BB を、WTP 向上とコスト削減に配分します。割合 ff を WTP 向上に、1−f1-f をコスト削減に振ります。両取り（中途半端）には効率を下げる複雑性ペナルティ φ<1\varphi < 1 がかかるとします。

import numpy as np
import pandas as pd

# 価値の楔を「WTP向上」と「コスト削減」への投資配分で作る
WTP0, C0 = 10.0, 8.0
B = 1.0           # 投資予算
gain_w = 6.0      # WTP向上の効き
gain_c = 4.0      # コスト削減の効き
phi = 0.6         # 両取り時の複雑性ペナルティ（<1）

def wedge(frac_to_w, penalty=1.0):
    # frac_to_w を WTP向上に、残りをコスト削減に。penalty は両取りの非効率
    bw = B * frac_to_w * penalty
    bc = B * (1 - frac_to_w) * penalty
    wtp  = WTP0 + gain_w * bw
    cost = C0   - gain_c * bc
    return wtp - cost, wtp, cost

strategies = {
    "差別化（WTP全振り）":          (1.0, 1.0),
    "コスト集中（コスト全振り）":    (0.0, 1.0),
    "中途半端（折半・ペナルティ有）": (0.5, phi),
}
rows = []
for name, (f, pen) in strategies.items():
    w, wtp, cost = wedge(f, pen)
    rows.append((name, wtp, cost, w))
df = pd.DataFrame(rows, columns=["戦略", "WTP", "コスト", "楔(WTP-C)"])
print(df.to_string(index=False, float_format=lambda x: f"{x:.1f}"))

出力：

             戦略  WTP  コスト  楔(WTP-C)
    差別化（WTP全振り） 16.0  8.0       8.0
  コスト集中（コスト全振り） 10.0  4.0       6.0
中途半端（折半・ペナルティ有） 11.8  6.8       5.0

出力の意味：全振りした純粋戦略（差別化8.0・コスト集中6.0）が、折半した中途半端（5.0）を上回ります。資源を一方向に集中すると、その軸で大きな楔を作れる。どちらの純粋戦略が勝つかは「どちらのレバーが効くか」（ここでは WTP 向上 gain_w=6 がコスト削減 gain_c=4 より効くので差別化が最良）で決まります。

3. 「中途半端」はなぜ劣るのか——前提を明示する

中途半端が劣る理由は、実は**複雑性ペナルティ φ\varphi**にあります。ペナルティを変えて確かめます。

import numpy as np

WTP0, C0, B = 10.0, 8.0, 1.0
gain_w, gain_c = 6.0, 4.0

def wedge(frac_to_w, penalty=1.0):
    bw = B * frac_to_w * penalty
    bc = B * (1 - frac_to_w) * penalty
    return (WTP0 + gain_w*bw) - (C0 - gain_c*bc)

# 折半（中途半端）が、複雑性ペナルティの強さでどう変わるか
for pen in [1.0, 0.8, 0.6]:
    print(f"折半・ペナルティ{pen}: 楔 {wedge(0.5, pen):.2f}")

# 最良の純粋戦略（全振り）との比較
w_best = max(wedge(1.0), wedge(0.0))
print(f"最良の純粋戦略の楔：{w_best:.2f}")

出力：

折半・ペナルティ1.0: 楔 7.00
折半・ペナルティ0.8: 楔 6.00
折半・ペナルティ0.6: 楔 5.00
最良の純粋戦略の楔：8.00

出力の意味：ペナルティがない（φ=1.0\varphi=1.0）折半でも楔は7.00で、最良の純粋戦略8.00に届きません。これは投資効果が線形だから——線形なら「効きの良いレバーに全振り」が常に最適で、角（コーナー）解が勝ちます。さらに複雑性ペナルティ（φ<1\varphi<1）が加わると、折半は6.00→5.00とますます不利になります。つまり「中途半端は劣る」のは、(1) レバーの効果が線形か逓増で、(2) 両取りに複雑性コストがかかるとき。逆に効果が強く逓減するなら、バランス（中庸）が最適になることもあり、stuck in the middle は普遍法則ではありません。前提を明示してこそ正しく使えます。

⚠️ よくある誤解

関連ノート