ビジネスでは、新しい施策や戦略を導入したとき、その効果を正確に測定することがとても重要です。しかし実際には、「どれだけの影響があったのか」を正確に評価することは難しい問題となります。そこで注目されている統計手法が因果推論という手法です。今回はその中でも非常に人気な「傾向スコアマッチング」について学びます。

「傾向スコア」という言葉を聞いたことがない方も多いかもしれませんが、こちらは施策の影響を正確に測定するためのデータ分析の手法です。具体的には
・クーポンメールはどのくらい購買単価を上げたか？
・キャンペーンに申し込んだ方はそうでない方より購買率が高いか？
・社内研修は従業員の生産性を上げたのか？
というような、施策を行った際の効果測定を行うことが出来る手法です。

　傾向スコアマッチングとは、簡単に言えば「似ているデータ」のペアを見つけ出して適切な比較を行おうという方法です。
例えば、ある企業で販促活動の一環としてクーポン付きのDMを活用しており、その効果検証を行うために「クーポンを利用したグループの利用金額」と「利用していないグループの利用金額」を比べたところ、次のような結果になったとします。

一見したところ、クーポンを利用しているグループの平均利用金額の方が大きく、売上向上に役立っていると結論づけてしまいそうになりますが、果たして本当にそうでしょうか？
このような場合、公正な比較を行うための前提として２つのグループがおおむね同質である必要があります。ただ、実際には若い方はクーポンを使いやすく、年齢が高い方はクーポンを使いにくい、というような傾向があった場合、クーポン利用をしたグループは若い方ばかり、クーポン利用をしなかったグループは年齢が高い方ばかり、というように実際には２つのグループが同質とは言えない状況になっていることが多いでしょう。このように実際のマーケティングの現場で集めるデータは、そのまま比較することが難しいことがほとんどです。このような状況で使える分析手法が傾向スコアマッチングです。こちらを使えば、本来単純に比較できないグループを「調整して揃える」ことで正しい効果の見積もりが可能となります。

このように聞くと何やら難しいことを行っているように感じますが、実は行っていることは非常にシンプルです。本講座ではなるべく数学を使わないで傾向スコアマッチング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！