【新因果推論シリーズ第３弾】本当に売上は伸びた？CausalImpactによるマーケティング効果測定法

施策を行わなかった場合を考えることでの効果測定

マーケティング施策を実施した後、「この施策、本当に効果があったのか？」と考えたことはありませんか？

・広告を出した後に売上が上がった。
・クーポンを配布したら新規顧客が増えた。
・サイトのデザインを変えたら訪問者数が伸びた。

こうした変化が「施策によるもの」なのか、それとも「他の要因の影響」なのかを判断することは簡単ではありません。施策の効果を正しく測定するには、「もし施策を行わなかったらどうなっていたか？」を知る必要があります。しかし、現実のマーケティング現場では「施策を行わなかった場合のデータ」は存在しません。そこで役立つのが、Googleが開発した因果推論手法 CausalImpact です。

Causal Impactとは？

Causal Impactは、過去のデータを活用して「施策を実施しなかった場合の売上や訪問者数」を統計的に推定し、それを実際のデータと比較することで施策の本当の影響を明らかにする手法です。

例えば、ある企業がオンライン広告キャンペーンを実施し、その影響を測定したいと考えたとします。広告配信を開始して数か月サイトの訪問者数を確認すると、次のようなデータが得られたとしましょう。

この結果から、「広告が訪問者数を増やした！」と結論づけても良いでしょうか？

実際のところ、時期や競合、市場の影響など、訪問者数は広告以外の要因によっても左右されます。上昇したように見える動きも、施策の効果とは関係のないただの季節性やトレンドの影響かもしれません。単純な前後比較では、広告の効果が本当にあったのか判断することができないのです。

そこで、Causal Impactの出番です。この手法を使うと、「もし広告を実施しなかったら、訪問者数はどうなっていたか？」 を統計的に予測することができるのです。この予測されたデータと、実際のデータと比較することで広告効果を推定することができるのです。

本講座ではなるべく数学を使わずに、Causal Impactの意味とその実装を学んでいきます。
実装はRを用いて行っていきますが、コードはコピペで動かしていくことになりますので、R言語を触ったことがない方でもご安心ください。
さらに演習内で扱うデータは業務と関連付けやすくするために、実際のマーケティングの場面でよく見られるデータを使います。学んだ内容をそのまま業務にご活用いただけますので、ぜひご参加ください！

よくある質問（FAQ）