MMM（マーケティングミックスモデリング）とは？仕組み・分析手順・できること／できないこと

MMM（マーケティングミックスモデリング）とは

MMM（マーケティングミックスモデリング）とは、広告・販促・季節性・価格といった複数の要因が、売上などの事業KPIにどれだけ貢献したかを、時系列の集計データから統計的に推定する分析手法です。最大の特徴は、成果を「その施策がなかった場合との差」で測ることにあります。

ROASや管理画面の数字が表しているのは、「広告経由と数えられた売上」の効率です。そこには、広告がなくても買っていた人の分が混ざっています。MMMはその逆から考えます。売上全体の動きから「その施策がなかった場合の売上」を統計的に推定し、実際の売上との差＝増分を、その施策の成果とみなします。

MMMの正式名称と読み方

正式名称は Marketing Mix Modeling。日本語では「マーケティングミックスモデリング」「マーケティング・ミックス・モデリング」と表記され、読みは「エムエムエム」です。モデルそのものを指して「マーケティングミックスモデル」と呼ぶこともあります。

名前は、製品・価格・流通・プロモーションといったマーケティングミックスの各要素が売上に与える影響をモデル化するところから来ています。手法自体は1960年代から消費財メーカーなどで使われてきた古典的な分析で、最近生まれた新しい技術ではありません。近年あらためて注目されている理由は次章で扱います。

MMMで何がわかるのか

MMMの分析結果として得られるのは、主に次の4つです。

• 媒体別の貢献度：検索広告・SNS・動画・TVCM・OOH・販促などが、それぞれKPIをどれだけ動かしたか
• 飽和の状況：その媒体への投資が頭打ちになっていないか
• 追加投資の余地（mROI）：あと1円を投じたときに、どれだけ成果が増えそうか
• 予算配分のシミュレーション：配分を変えた場合にKPIがどうなるかの試算

重要なのは、これらが個人データを使わずに得られる点です。MMMが必要とするのは、週や月といった期間ごとに集計されたデータで、「誰が」の情報は含まれません。

MMMがいま再び注目されている3つの背景

1960年代からある手法がいま再評価されているのは、①個人単位で接点を追い切る前提が崩れたこと、②オフライン施策を含めて同じ基準で評価する必要が出てきたこと、③無料で試せるオープンソースのライブラリが揃ったこと、の3つが重なったためです。

背景1｜個人単位で追跡する前提が崩れた

「サードパーティCookieが廃止されるからMMM」という説明を見かけますが、2026年時点ではその前提自体が変わっています。Googleは2025年4月に、ChromeでサードパーティCookieを廃止するための新しい選択プロンプトの導入を見送ると発表し、さらに2025年10月には、代替技術として開発してきたPrivacy Sandbox関連機能の多くを終了すると公表しました。「ChromeのサードパーティCookieが消える」というシナリオは、いったん止まっています。

ただし、個人単位の計測が万能に戻ったわけではありません。SafariやFirefoxではサードパーティCookieが既定でブロックされ、スマートフォンアプリではOS側の許諾が挟まり、同意管理の普及によって計測を拒否する訪問者も一定数います。「すべての接点を、1人単位でつなげて見る」という前提は、どのみち成り立ちません。MMMは個人データではなく期間ごとの集計データを使うため、この影響を受けにくいという性質があります。

背景2｜オフライン施策も、同じ基準で評価する必要が出てきた

TVCM、OOH、店頭販促、オーガニックSNS——クリックが発生しない施策は、クリックを起点にした計測では数字が出ません。数字が出ないものは会議で不利になり、結果として「測れるものだけが評価される」という偏りが生まれます。

MMMは、費用や出稿量を時系列データにできる施策であれば、デジタルかオフラインかを問わず同じモデルに載せられます。認知施策への投資が大きい会社ほど、この横並びの比較が効いてきます。

背景3｜オープンソースのMMMライブラリが揃った

かつてMMMは、専門ベンダーに依頼する以外に選択肢がほとんどない分析でした。現在は、Googleが2025年1月にMMMライブラリ「Meridian」を正式公開しており（従来のLightweightMMMはサポートを終了し、Meridianへの移行が推奨されています）、MetaもRobynをオープンソースで公開しています。ライブラリ自体は無料で、モデルの中身も公開されています。

ただし、無料で使えることと、社内で継続的に運用できることは別の話です。データ整形、モデルの設定、結果の妥当性確認には、それぞれ担当できる人の時間が必要になります。この点は費用の章であらためて触れます。

MMMの仕組み｜「施策がなかった場合」との差をどう測るのか

MMMは、売上などのKPIの動きを「各施策の効果」「季節性やトレンド」「価格などの外部要因」に分解します。そのうえで各施策がなかった場合のKPIを推定し、実際との差をその施策の増分効果とみなします。

目的変数と説明変数

MMMは統計的には回帰分析の一種です。説明したいもの（目的変数）に週次の売上や申込件数を置き、それを説明する要因（説明変数）として、媒体ごとの広告費や出稿量、価格、キャンペーンの有無、休日、天候などを並べます。データは「週 × 各変数」の表になり、地域別に分けられる場合は「地域 × 週」で行数を増やすこともあります。

ただし、広告費をそのまま回帰にかけても実態には合いません。広告には、次の2つのクセがあるからです。

アドストック（残存効果）

広告は、出した週だけ効くわけではありません。今週見たCMが、翌週や翌々週の購買につながることがあります。この効果の持ち越しをアドストック（残存効果）と呼びます。MMMでは、効果が何週かけてどう減衰するかをデータから推定します。一般に、TVCMのような認知施策は残存が長く、検索広告のような刈り取り施策は短くなりやすい傾向があります。

飽和（S字カーブ）

もうひとつのクセが飽和です。出稿量を2倍にしても、効果は2倍にはなりません。ごく少ない出稿では反応が鈍く、ある水準を超えると効率よく伸び、やがて頭打ちになります。この非線形な反応を、MMMではS字カーブ（飽和曲線）として表現します。

いまの出稿量がこの曲線のどこに位置しているかが分かると、「まだ伸びる媒体」と「もう頭打ちの媒体」を見分けられます。MMMの実務上の価値は、多くの場合ここにあります。

ベイズ統計による推定

近年のMMMは、ベイズ統計にもとづく推定が主流です。理由は3つあります。

• 週次データは2年分でも100行ほどしかなく、推定に使える情報が少ない。過去の知見を「事前分布」としてモデルに組み込める
• 結果が1つの数値ではなく幅（区間）で出る。「この媒体のROIは◯〜◯の範囲」と、確からしさごと判断できる
• 媒体同士の出稿が連動していても、推定が破綻しにくい

一方で、この事前分布の置き方が結果を左右します。MMMは「誰が組んでも同じ答えが出る」分析ではありません。だからこそ、出てきた数値を実際の施策の中身と照らして確認する工程が欠かせません。この記事では数式には立ち入りませんが、判断のうえで押さえておくべきなのはこの点です。

MMMの分析手順5ステップ

MMMは「目的とKPIを決める → データを集めて整える → モデルを構築する → 精度を検証する → 予算配分をシミュレーションする」の5段階で進みます。実務でいちばん時間がかかるのは、モデル作成ではなくデータ整備です。

STEP1｜目的とKPIを決める

何を最大化したいのかを1つに決めます。売上、申込件数、リード数、来店数など、期間ごとに集計できる成果であれば対象にできます。

つまずきやすい点：KPIを複数同時に置くと、シミュレーションで出てきた配分案のどれが良いのかを判断できなくなります。まず主要KPIを1つに絞るほうが、結果を使いやすくなります。

STEP2｜データを集めて整える

KPIの実績と、媒体・施策ごとの費用や出稿量を、同じ期間・同じ粒度（多くは週次）で並べます。価格、キャンペーン、休日、天候などの外部要因も、用意できる範囲で加えます。

つまずきやすい点：媒体ごとに、管理画面の日付の区切り方も「費用」の定義（税込／税別、手数料込み／別）も違います。ここを揃えずに投入すると、その媒体の効果が過小にも過大にも出ます。全工程で最も時間を要するのは、ほぼこの整形作業です。

STEP3｜モデルを構築する

アドストックと飽和の形を指定し、事前分布を設定して推定を回します。分析の対象期間、媒体のまとめ方、外部要因の入れ方も、ここで決まります。

つまずきやすい点：常に同じ比率で一緒に動かしている媒体同士は、効果を分離できません（たとえばTVCMの出稿に合わせて必ずデジタルも増やしている場合）。事前に相関を確認し、必要なら媒体を統合して扱います。

STEP4｜精度を検証する

推定の収束、R²やMAPE・wMAPEといった当てはまりの指標、実績と予測のズレ、ベースライン（施策がなくても出る分）の大きさ、推定の幅を確認します。

つまずきやすい点：当てはまりが良ければ良いモデル、とは言えません。たとえば「検索広告のROIが突出して高い」という結果は、実際には売れる時期に指名検索が増えているだけかもしれません。統計指標だけで受け取らず、実際の施策の中身と照らす人のレビューが要ります。

STEP5｜予算配分をシミュレーションする

推定した反応曲線をもとに、予算を組み替えたときのKPIを試算し、複数の配分案を比べます。総額を変えずに配分だけ替える案、総額を増やす案など、判断したい形に合わせて出します。

つまずきやすい点：シミュレーションはモデル上の推定であって、約束された結果ではありません。実績データの範囲を大きく超える配分（月100万円の実績しかない媒体に1億円を入れる、など）は外挿になるため、そのまま信じるべきではありません。

MMMでできること

MMMでできることは、大きく4つです。媒体別の貢献度を知ること、飽和の状況を知ること、予算配分をシミュレーションすること、そしてオフラインを含めて同じ基準で比較することです。

媒体別の売上貢献度がわかる

検索広告、SNS、動画、TVCM、OOH、販促——それぞれが同じKPIをどれだけ動かしたかを、共通の基準で比較できます。媒体ごとに定義の異なるROASを見比べる必要がなくなる、というのがここでの実質的な効果です。

投資が飽和している媒体がわかる

貢献度が大きい媒体が、そのまま「もっと出すべき媒体」とは限りません。飽和曲線のどこにいるかを見ることで、「貢献は大きいが、これ以上増やしても伸びにくい媒体」と「規模は小さいが、まだ伸びしろがある媒体」を区別できます。

次の予算配分をシミュレーションできる

予算を動かす前に、動かしたらどうなるかを試算できます。総額を変えずに配分を組み替える案を複数比べられるため、増額の稟議を通さずに検討を進められるのも実務上の利点です。

オフライン施策も同じ基準で評価できる

費用や出稿量を時系列にできれば、クリックが発生しない施策も対象にできます。TVCMや店頭販促を「数字が出ないから」と評価対象外にせずに済むことは、認知施策に投資している会社にとっては大きな違いになります。

MMMでできないこと・向かないケース

MMMは万能な手法ではありません。個人単位の行動は追えず、短期・単発の施策やクリエイティブ単位の優劣は測れず、出稿量が動いていなければ精度は出ません。先にできないことを把握しておくほうが、導入後のずれを避けられます。

個人単位の行動は追えない

集計データを使う手法なので、「誰が、どの広告を見て買ったか」は分かりません。個々の顧客の導線を改善したい場合は、アクセス解析やアトリビューション分析が担当する領域です。

短期・単発の施策やクリエイティブ単位の評価には向かない

1回きりのキャンペーンや、投稿・バナー単位の優劣は、時系列の変動としてほとんど現れないため分離できません。この用途には、A/Bテストや、地域を分けて比較するインクリメンタリティテストのほうが適しています。

出稿量が動いていないと、精度が出ない

MMMは「変動」から効果を読み取ります。毎月ほぼ同額を出し続けている媒体や、常に同じ比率で一緒に増減する媒体同士は、効果を分けられません。データ期間が極端に短い場合も同様です。正直に言えば、媒体が1〜2つで出稿の変動も小さい場合、MMMから得られる示唆は限られます。媒体別に貢献度を分ける価値は、媒体数や施策の変動が増えるほど大きくなります。

そしてもう1つ。MMMの結果は推定値であって、確定値ではありません。推定の幅とあわせて読み、実際の施策の中身と矛盾しないかを確認したうえで、判断材料の1つとして使うのが正しい使い方です。

MMMとアトリビューション分析（MTA）の違い

MMMとアトリビューション分析（MTA）は、競合する手法ではありません。MTAは「観測できた接点」の中で成果を割り振る手法、MMMは「集計データ全体」から増分効果を推定する手法で、測っている対象そのものが違います。

使い分けの判断軸は3つです。オフライン施策があるか、個人単位の計測がどこまで残っているか、そして決めたいのが「配分」なのか「改善」なのか。認知施策を含めて予算の置き場所を決めたいならMMM、いま動いているデジタル施策の中身を良くしたいならアトリビューション分析、というのが基本の線引きです。両方を併用している会社も珍しくありません。

MMMの費用相場と期間

日本語圏では、MMMの価格を公開している事業者がほとんどありません。そのため「相場はいくら」と言い切れるだけの公開情報が存在しないのが実情です。確かなのは、費用の大半が専門家の作業時間だということ。つまり、対象と成果物を絞り込むほど費用は下がります。

MMMの見積もりは、おおまかに次の4つに分解できます。

• データの受領と整形：形式のばらつき、欠損、名寄せの処理。工数が読みにくく、見積もりが膨らみやすい部分
• モデルの構築と検証：設定、推定、妥当性の確認。専門性が必要で、置き換えの効かない部分
• レポート作成と結果説明：分析結果を、判断に使える形に翻訳する作業
• 継続的な更新：月次・四半期でモデルを更新する場合の運用費

このうち1つ目と3つ目は、対象と成果物を標準化すればツールに置き換えられる余地が大きい部分です。逆に2つ目のモデル評価は人が担う必要があり、ここを削ると分析の質そのものが落ちます。「MMMは数百万円」と言われることがありますが、その根拠を公開している事業者は見当たりません。金額だけを比べても、何が違うのかは分からないのが現状です。

見積もりを取るときは、総額ではなく次の4点を揃えて比較すると、金額差の理由が見えてきます。

• 対象は何事業・KPIはいくつか
• データの整形は、どちらがどこまでやるか
• 納品物は何か（レポートのみか、説明会や配分案を含むか）
• モデルの更新は含まれるか、別料金か

参考までに、私たちが提供しているMMM分析代行「DOREGA」では、1事業・主要KPI1つを標準範囲とした初回診断を15万円、必要データの共有後最短1週間で提供しています（標準範囲を超える場合は、着手前に追加費用と期間をご案内しています）。これは相場の提示ではなく、あくまで「対象と成果物を固定するとここまで下げられる」という一例です。詳しい条件は DOREGAのサービスページ に記載しています。

MMMを始めるために必要なデータ

必要なのは、KPIの実績と、媒体・施策ごとの費用（または出稿量）を、同じ期間・同じ粒度で並べたデータです。新しい計測タグやデータ基盤の構築は必要なく、個人データも使いません。

• KPIデータ：売上、申込、リード、来店など。週次で2〜3年分が一般的な目安
• 媒体・施策データ：媒体ごとの費用と、可能であれば出稿量（GRP、インプレッションなど）
• 外部要因：価格、キャンペーン、休日、在庫、競合の出稿など、用意できる範囲で

外部要因は、自社データだけで揃える必要はありません。天候や気温は気象庁、人口・世帯数などの地域特性は総務省統計局のオープンデータを補助変数として使える場合があります。

「2〜3年分ないと無理なのか」とよく聞かれますが、成立するかどうかは期間だけでは決まりません。地域数、媒体数、施策の変動幅、欠損や媒体同士の相関が効いてきます。たとえば、地域単位でデータを分けられる場合は、期間が短くても分析に使える行数を確保できることがあります（Google Meridianは、この地域単位の設計に対応しています）。期間が足りないと感じる場合でも、まず手元のデータで何が分かりそうかを確認するほうが早道です。

よくある質問（FAQ）

MMMは、媒体をまたいだ予算配分を同じ基準で判断するための手法｜まとめ

MMM（マーケティングミックスモデリング）は、施策の成果を「その施策がなかった場合との差」で測る分析手法です。個人単位の追跡に依存せず、TVCMや販促のようにクリックが起きない施策も同じ基準に載せられるため、媒体をまたいだ予算配分を判断するための材料になります。

一方で、個人の行動も、単発施策やクリエイティブの優劣も測れません。出稿量が動いていなければ精度も出ません。MMMは「すべてが分かる分析」ではなく、「媒体をまたいだ配分を、同じ物差しで判断するための分析」です。この線引きを共有できていれば、結果は使えるものになります。

オープンソースのライブラリが揃い、以前より試しやすくなったのは確かです。ただし成否を分けるのは、ツールそのものよりもデータの整備と、出てきた数値を実際の施策と照らす工程のほうです。まずは、いま手元にあるデータで何が分かりそうかを確かめるところから始めてください。

この記事のポイント

• MMM（マーケティングミックスモデリング）は、施策の成果を「その施策がなかった場合との差」で測る分析手法。期間ごとに集計したデータを使うため、個人データは必要ない。
• 分かるのは、媒体別の貢献度・飽和の状況・追加投資の余地の3つ。TVCMや販促のようにクリックが起きない施策も、同じ基準で比較できる。
• 手順は5ステップ（目的とKPIの決定→データ整備→モデル構築→精度検証→予算配分のシミュレーション）。最も時間がかかるのは、モデル作成ではなくデータ整備。
• できないことも明確。個人単位の行動、単発施策やクリエイティブ単位の優劣は測れず、出稿量が動いていない媒体は効果を分離できない。
• 費用は「専門家の作業時間」でほぼ決まる。日本語圏では価格の公開情報がほとんどないため、総額ではなく対象範囲・データ整形の分担・納品物で比較するのが確実。