「テレビも交通広告もやっているのに、レポートに出てくるのはWeb広告の数字だけだ」。経営から出るこの指摘に、管理画面の数字だけで答えるのは難しいところがあります。管理画面は、その媒体が関わった分しか見ていないからです。
MMM（マーケティングミックスモデリング）は、この問いに別の角度から答えるための道具です。一人ひとりの経路を追いかけるのではなく、期間ごとに集計した数字を並べて、何が結果を動かしていたのかを推定します。 追跡できる接点が細っていくなかで、名前を聞く機会が増えました。
ただ、名前が広まる速さに比べて、「何が測れて何が測れないのか」の整理は追いついていません。この記事では、MMMが答えられる問いと答えられない問いを分け、そのうえで自社に入れる意味があるかどうかを、担当者が自分で判断できる形に落とします。
こんなふうに調べていませんか
- 「MMM マーケティングミックスモデリング」で検索して、何ができる道具か確かめたい
- アトリビューション分析との使い分けが分からず、社内で説明できずにいる
この記事を読み終えたときに手に入るもの
- MMMが何を測る道具なのかを、アトリビューション分析と分けて説明できるようになります
- 自社にMMMを入れる意味があるかを、データ期間と出稿の広がりから判断できます
- MMMの結果を、点の数字ではなく幅と前提つきで読めるようになります
結論30秒でわかる、この記事の結論
- MMMは、集計した数字から「その活動がなかったら結果はどうなっていたか」を推定する道具です。一人ひとりの経路は追いません。
- だからWeb以外の施策も、季節や価格のような広告以外の要因も、同じ表に載せて比べられます。
- 代わりに、まとまった期間の記録が要ります。ここが足りないと、出てくるのは幅の広い推定だけになります。
本記事の内容は2026-08-28に、Google Meridian・Meta Robyn・Google 広告ヘルプの各公式ドキュメント本文で確認したものです。
01MMM（マーケティングミックスモデリング）とは、Web広告の何を測る道具なんですか？
若葉さんMMMって、要するに新しい計測ツールの名前なんでしょうか。
鈴木さんいえ、ツールの名前ではなく手法の名前です。統計のやり方に付いた名前だと思ってください。実装は各社がそれぞれ持っています。
Metaが公開しているRobynのドキュメントは、MMMを「マーケティング活動および非マーケティング活動の増分的な売上インパクトとROIを定量化する、プライバシーに配慮した、頑健な、データにもとづく統計分析」と説明しています（出典: Meta Robyn 公式ドキュメント）。
Googleが公開しているMeridianは、MMMが答えるべき問いを3つ挙げています。各チャネルのこれまでのROIと寄与、各チャネルのレスポンスカーブ（投じた額と成果の関係を描いた曲線）、そして今後の予算配分の最適化です（出典: Google Meridian 公式ドキュメント）。
言い換えると、MMMが答えるのは「誰が買ったか」ではなく「いくら出したときに、どれだけ結果が動くか」です。個人を追う道具ではありません。ここを取り違えると、期待するものがずれます。
この章のまとめ
MMMは、投じた量と結果の関係を集計データから推定する統計手法。個人の経路を追う仕組みではない。
02MMMは、広告運用のアトリビューション分析と何が違うんですか？
いちばん多い質問がこれです。違いは、見ている単位にあります。
アトリビューション分析は、一人ひとりの接点の並びを見ます。Google広告のデータドリブン アトリビューションは、コンバージョンに至ったユーザーと至らなかったユーザーの経路を比較することでパターンを識別すると説明されており、推奨条件として30日間に200件以上のコンバージョンと2,000回以上の広告インタラクションが挙げられています（出典: Google 広告ヘルプ）。
MMMは、この経路のデータを使いません。Robynのドキュメントは「MMMはユーザーレベルのデータを必要とせず、代わりに（キャンペーン単位のような）集計データで動く」と明記しています（出典: Meta Robyn 公式ドキュメント）。
この差は、優劣ではありません。個人の並びを見る方法は、その並びが記録に残っている接点しか扱えません。集計を見る方法は、記録に残らない施策も扱えるかわりに、個人ごとの内訳は出せません。得意な範囲が、そのまま苦手な範囲の裏返しになっています。
この章のまとめ
違いは単位。アトリビューションは個人の経路、MMMは期間ごとの集計。得意と苦手は表裏の関係。
03MMMとアトリビューション分析は、広告運用でどう使い分けるんですか？
見ている単位が違うので、答えられる問いも分かれます。表にすると次のとおりです。
| 見るところ | アトリビューション分析 | MMM |
|---|---|---|
| 単位 | 一人ひとりの接点の並び | 期間ごとに集計した数字 |
| 必要な記録 | 個人単位の行動ログ | チャネル別・期間別の投入量と結果 |
| 扱える範囲 | 計測できている接点 | 計測できない施策や外の要因も含む |
| 出てくる答え | 成果を接点へ割り振った内訳 | 投じた量と結果の関係、増分の推定 |
高梨課長どちらかに寄せるものですか。それとも両方持つものですか。
鈴木さん目的が違うので、置き換えではありません。日々の運用の手当てはアトリビューション側、期の予算の組み替えはMMM側、という分担が現実的です。
分担の目安は、意思決定の周期で考えると分かりやすくなります。週や月の単位で入札や配信面を手当てするなら、個人の並びを見る方法のほうが速く動けます。四半期や年の単位で媒体そのものの構成を組み替えるなら、集計を見る方法のほうが材料になります。
この章のまとめ
使い分けは意思決定の周期で決める。短い周期はアトリビューション、長い周期はMMM。
04MMM（マーケティングミックスモデリング）は、Web広告以外の何まで一緒に見るんですか？
MMMがWeb広告の管理画面と決定的に違うのは、広告以外のものを同じ表に載せられる点です。
Robynのドキュメントは、MMMを「すべてのマーケティングチャネルの売上成果を1つの分析でまとめて測る、確立された測定手法」と位置づけ、季節性・価格・流通といった非マーケティング要因も考慮に入れると説明しています（出典: Meta Robyn 公式ドキュメント）。
Meridianも、交絡要因となる変数をコントロール変数として含められるとし、その例として検索クエリのボリュームのような指標を挙げています（出典: Google Meridian 公式ドキュメント）。
つまり、次のようなものが同じモデルの中に入ります。
- Web広告以外の出稿（テレビ、ラジオ、交通、屋外、紙）
- 広告以外の販促（値引き、キャンペーン、送料無料）
- 事業側の変化（新商品の発売、店舗数、在庫切れ）
- 外の事情（季節、祝日、天候、競合の動き）
この章のまとめ
MMMは広告以外の要因も同じ表に載せられる。ただし入れなかった要因は、入れた要因に紛れ込む。
05MMMは、広告運用のどんなデータを入れて動くんですか？
必要なデータの中身を具体的に見ます。Meridianのデータ収集の案内は、次の並びを挙げています（出典: Google Meridian 公式ドキュメント）。
- メディアデータ … チャネル別・地域別・期間別の露出の指標（インプレッション、クリックなど）
- メディア支出 … チャネル別に投じた金額
- KPI … 目標にしている結果の数字（売上やコンバージョン）
- コントロール変数 … 交絡の要因になりうるもの（競合の指標、検索クエリのボリュームなど）
- 任意で、リーチとフリークエンシー、オーガニックのメディア、メディア以外の施策
形式にも条件があります。メディアの値はすべて非負であること、KPIとメディアの指標は合計できる量であること（率やパーセンテージは使えない）、欠損値は埋めておくことが求められます（出典: Google Meridian 公式ドキュメント）。
ここでつまずくのは、たいてい社内のデータ整備のほうです。媒体ごとにレポートの期間の切り方が違う、店舗の売上とECの売上が別のシステムにある、値引きの記録が残っていない。モデルを回す前に、同じ物差しの表を1つ作るところに時間がかかります。
この章のまとめ
入れるのは、投入量・結果・外の要因。合計できる量にそろえる。難所はモデルではなく表づくり。
06MMMには、広告運用のデータがどれくらいの期間ぶん必要なんですか？
ここが導入可否の分かれ目になります。公式ドキュメントは、はっきり数字を置いています。
Meridianは、地域単位のモデルでは最低2年ぶんの週次データ、全国単位のモデルでは3年ぶんのデータを求めています。粒度については週次での収集を推奨し、その理由を「週次データは、変動の大きさとノイズの多さのあいだで有利な均衡をもたらす」と説明しています（出典: Google Meridian 公式ドキュメント）。
Robynも同じ方向です。「MMMには最低2年ぶんの週次の履歴データが必要になる。月次データしかない場合は、それ以上（たとえば4〜5年）を集めることを強く推奨する」としています（出典: Meta Robyn 公式ドキュメント）。
大森部長2年というのは、うちの出稿の記録が2年ぶんあればいい、という理解でいいのかね。
鈴木さん記録が残っているだけでは足りません。その期間のあいだに、出稿の量が動いていることが要ります。ずっと同じ金額で出し続けていると、動かしたときに何が起きるかを推定する材料がありません。
これは統計の当たり前ですが、実務では見落とされます。安定運用を続けてきた事業ほど、投入量の変動が小さく、モデルにとっては材料が薄い状態になります。
この章のまとめ
目安は週次で2年ぶん、全国単位なら3年ぶん。期間だけでなく、その間に投入量が動いていることが要る。
07データが足りないと、マーケティングミックスモデリングは広告運用で何が起きるんですか？
エラーで止まるわけではありません。数字は出ます。ただし、判断に使えない幅で出ます。
MeridianのFAQは、チャネルを増やしすぎるとモデルが推定すべきパラメータの数が増え、限られたデータのなかで信号とノイズを見分けることが難しくなる、と説明しています（出典: Google Meridian 公式ドキュメント）。
起きるのは、次のような状態です。
- 推定の幅（信用区間）が広く、チャネル間の差が有意に見えない
- 少し条件を変えると、結果の順位が入れ替わる
- 前回の分析と今回の分析で、同じチャネルの評価が食い違う
この章のまとめ
データ不足でも数字は出る。出るのは幅の広い推定。幅を落として点だけを報告しない。
08MMMが出す増分効果は、Web広告の成果とどう違うんですか？
MMMの説明でいちばん重要な言葉が「増分」です。
Meridianは、因果推論のために設計されており、各処置変数の増分的な結果を推定するとしています（出典: Google Meridian 公式ドキュメント）。増分とは、その活動がなかった場合と比べて増えた分のことです。
管理画面に出るコンバージョン数は、これとは違います。広告に接触した人のうち成果に至った数であって、広告がなくても買っていた人が含まれます。両者は、そもそも数えているものが違います。
もうひとつ、MMMにできないことも公式に書かれています。MeridianのFAQは「Meridianは将来の生の結果を予測するためには使えない」としたうえで、将来のシナリオ計画、つまり予算の最適化や増分的な結果の推定には使えると整理しています（出典: Google Meridian 公式ドキュメント）。
この章のまとめ
MMMが出すのは増分。管理画面の成果数とは数えているものが違う。将来の生の結果の予測には使わない。
09MMMのレスポンスカーブは、広告運用の予算配分にどう使うんですか？
MMMの出力のなかで、実務にいちばん直結するのがレスポンスカーブです。投じた額を横軸、成果を縦軸に取った曲線で、増やしたときにどこから伸びが鈍るかを示します。
Meridianは、各チャネルのレスポンスカーブと、今後の予算配分の最適化を、MMMが答えるべき問いとして挙げています（出典: Google Meridian 公式ドキュメント）。
Robynの予算アロケーターは、2つの考え方を用意しています。総予算と制約が与えられたときに反応を最大化する配分を計算する「Maximum response」と、目標のROASやCPAが与えられたときに配分と総額を計算する「Target efficiency」です（出典: Meta Robyn 公式ドキュメント）。
使い方のこつは、曲線の全体ではなく、いまいる場所の近くだけを見ることです。大きく外れた金額の領域は、実際に出した経験がないので推定が弱くなります。手元の実績の前後で判断する、という使い方が安全です。
この章のまとめ
レスポンスカーブは、増やしたときの伸び方を見るための曲線。いまいる場所の近くだけを判断に使う。
10MMMと実験は、広告運用でどう組み合わせるんですか？
MMMは、単独で完結する道具として設計されていません。実験と組み合わせる前提が、公式ドキュメントに書かれています。
Robynは「グラウンドトゥルースと見なされる実験的・因果的な結果を使ってMMMを較正することを強く推奨する」とし、その仕組みをベイズ的な方法、つまり実験の結果をメディア変数の係数を較正するための事前分布として使うものだと説明しています（出典: Meta Robyn 公式ドキュメント）。
Meridianも同じ考え方で、事前分布を組み立てる材料として、ドメイン知識、過去の結果、業界のベンチマーク、そしてとりわけ増分効果の実験を挙げています（出典: Google Meridian 公式ドキュメント）。
役割を分けると、こうなります。実験は、狭い範囲を強い確からしさで測ります。MMMは、広い範囲を弱い確からしさで測ります。片方だけでは、全体の配分か、個別の確からしさか、どちらかが欠けます。
この章のまとめ
MMMと実験は補い合う関係。実験で得た確かな結果を、MMMの前提として入れて全体を整える。
11実験の結果をMMMに入れるとき、広告運用で気をつけることは何ですか？
ここは公式ドキュメントが、めずらしくはっきりと注意を書いている箇所です。
Meridianは「実験の結果を事前分布へ翻訳する単一の公式は存在しない」と述べています。理由として、実験とMMMでは推定しようとしている対象と測定の目的が異なり、ROIの定義そのものが違うことを挙げています（出典: Google Meridian 公式ドキュメント）。
具体例も示されています。MMMが想定する比較対象は支出がゼロの状態ですが、実験によっては支出を減らした状態のような別の基準に対してROIを定義していることがあります。対象とした集団が同じかどうかも確認が要ります（出典: Google Meridian 公式ドキュメント）。
事前分布の置き方についても案内があります。「事前の確信の強さを、事前分布の標準偏差に反映させる」。同じようなROIの点推定が複数の実験で出ているなら、標準偏差を小さくして強い確信を示す、という考え方です（出典: Google Meridian 公式ドキュメント）。
高梨課長つまり、実験の数字をそのまま入れればいいわけではないんですね。
鈴木さんそうです。比較している相手が同じかどうかを先に確かめてください。ここを飛ばすと、確からしい数字を根拠に、ずれた前提をモデルへ固定してしまいます。
この章のまとめ
実験の数字はそのまま入れない。比較対象と対象集団を確かめ、確信の強さは幅で表す。
12MMM（マーケティングミックスモデリング）が向くのは、どれくらいの規模でWeb広告を出している事業ですか？
規模そのものより、次の3つがそろっているかで判断できます。
1つ目は、出稿がWeb広告の1媒体に閉じていないことです。1つの媒体だけなら、その媒体の実験で足りることが多く、集計モデルを組む手間に見合いません。
2つ目は、まとまった期間の記録があることです。週次で2年ぶん、全国単位なら3年ぶんという目安は前述のとおりです（出典: Google Meridian 公式ドキュメント）。
3つ目は、配分を動かす裁量があることです。結果が出ても動かせないなら、分析は報告書で終わります。
大森部長逆に、向かないのはどういう会社かね。
鈴木さん出稿がWeb広告に閉じていて、記録が浅く、いつでも実験ができる事業です。その場合は、実験を積むほうが早く答えが出ます。
この章のまとめ
判断は3点。出稿が広がっているか、記録が厚いか、配分を動かせるか。1つでも欠けるなら実験を先に。
13MMMを内製するか外注するかは、広告運用でどう決めればいいんですか？
道具そのものは公開されています。MeridianもRobynも、それぞれGoogleとMetaがオープンソースとして公開している実装です（出典: Google Meridian 公式ドキュメント／Meta Robyn 公式ドキュメント）。つまり、判断は道具の費用ではなく、人の話になります。
必要な役割は3つに分かれます。
- 集める人 … 媒体・販促・事業側の数字を、同じ物差しの表にまとめ続ける
- 回す人 … モデルを組み、前提を置き、結果の妥当性を確かめる
- 読む人 … 出た結果を、幅と前提つきで意思決定へつなぐ
外注できるのは主に2番目です。1番目は社内の記録に触れる作業なので、外へ出しても結局は社内が用意します。3番目は経営判断に接するので、社内に残るのが自然です。
この章のまとめ
道具は公開されている。判断は人。集める人と読む人は社内に残り、回す人は外に出せる。
14生成AIが進んでも、MMMの読み方が人に残るのはなぜですか？
モデルの計算は機械が行います。それでも人に残る仕事があります。事前分布に何を置くかという判断です。
Meridianは、事前分布を組み立てる材料として、ドメイン知識、過去の結果、業界のベンチマーク、そしてとりわけ増分効果の実験を挙げ、事前の確信の強さは標準偏差で表すとしています（出典: Google Meridian 公式ドキュメント）。ここに入れるのは、自社の事情を知っている人しか持っていない情報です。
読み方の側にも残ります。MeridianのFAQは、モデルの係数が時間で変化しない場合でも、ROIは時間によって変わりうる追加の要因に依存するため変化しうる、と説明しています（出典: Google Meridian 公式ドキュメント）。同じモデルの出力でも、いつの話かで意味が変わるということです。
若葉さんつまり、機械が出した数字をそのまま報告してはいけない、ということですね。
鈴木さん近いです。もう少し正確に言うと、その数字がどの前提の上に乗っているかを言える人が要る、ということです。前提を言えないなら、報告としては未完成です。
この章のまとめ
機械が担うのは計算。人に残るのは、前提を置くことと、その前提を言葉にして報告に添えること。
15MMMの結果は、広告運用のレポートにどう載せるんですか？
出力をそのまま貼ると、社内で誤解が生まれます。載せ方には型があります。
- 点ではなく幅で載せる … 中央の値だけでなく、推定の幅を併記します
- 前提を添える … 対象期間、含めたチャネル、除いた地域、コントロール変数を1行で書きます
- アトリビューションの数字と同じ列に並べない … 数えているものが違うため、足し合わせも比較もできません
- 更新の時点を書く … いつのデータで、いつ回したモデルかを明記します
3つ目が実務では効きます。管理画面のコンバージョン数と、MMMの増分推定を同じ表に並べると、決まって「どちらが正しいのか」という話になります。どちらも正しく、測っている対象が違うという説明を、表の外に置いてください。
この章のまとめ
レポートは幅・前提・更新時点をセットで。管理画面の数字とは列を分ける。
16MMM（マーケティングミックスモデリング）の導入で、広告運用がつまずくのはどこですか？
最後に、実際につまずきやすい3つを挙げます。
1つ目は、予測ツールとして期待してしまうつまずきです。公式ドキュメントは、将来の生の結果の予測には使えないとしたうえで、シナリオ計画には使えると整理しています（出典: Google Meridian 公式ドキュメント）。導入前の合意形成でここがずれていると、最初の報告で期待外れになります。
2つ目は、アトリビューションの数字と直接比べてしまうつまずきです。一方はユーザーレベルのデータを使い、もう一方は集計データで動きます（出典: Meta Robyn 公式ドキュメント）。土俵が違うものを並べると、どちらかが「間違っている」という話に流れます。
3つ目は、記録が薄いまま始めてしまうつまずきです。期間の目安は公式に示されています（出典: Google Meridian 公式ドキュメント）。足りないまま回すと、幅の広い推定が出て、それをもとに予算を動かすことになります。
次のチェックリストは、導入を検討するときに順に確かめる8項目です。
- MMMに期待していることが、シナリオ計画であって将来予測ではないことを社内で確認した
- 週次でチャネル別の投入額と結果を並べた表を、自分たちで作れるか試した
- その表が、目安とされる期間ぶんそろうかを確かめた
- 対象期間のあいだに、投入量が実際に動いているかを見た
- 広告以外の要因（値引き、新商品、季節）の記録が残っているかを確認した
- 過去に実施した増分効果の実験があれば、その比較対象と対象集団を書き出した
- 結果を受けて配分を動かせる裁量が、社内のどこにあるかを確認した
- レポートで、MMMの数字と管理画面の数字を分けて載せる形を決めた
この章のまとめ
つまずきは、期待のずれ・土俵の取り違え・記録の薄さ。どれも回す前に潰せる。
17よくある質問
MMMとマーケティングミックスモデリングは同じものですか
同じものです。MMMはMarketing Mix Modelingの略で、日本語ではマーケティングミックスモデリングと表記されます。メディアミックスモデリングという言い方が使われることもありますが、指しているものは同じです。社内資料では表記をどちらかにそろえておくと、検索したときに漏れが出にくくなります。
MMMがあれば、アトリビューション分析は要らなくなりますか
役割が違うため、置き換えにはなりません。アトリビューション分析は個人の接点の並びを見て日々の運用に使い、MMMは集計データから期の配分を考えるのに使います。Google広告のデータドリブン アトリビューションには推奨されるデータ量の条件が示されており（出典: Google 広告ヘルプ）、MMMには期間の目安があります。どちらも前提が違う道具です。
週次のデータがなく、月次しかない場合はどうすればいいですか
Robynのドキュメントは、月次データしかない場合は、それ以上（たとえば4〜5年）を集めることを強く推奨するとしています（出典: Meta Robyn 公式ドキュメント）。Meridianも、週次を推奨したうえで月次は信用区間が広くなる可能性があると案内しています（出典: Google Meridian 公式ドキュメント）。まずは週次で記録を取り始めることをおすすめします。
MMMを回せば、どのチャネルを止めるべきかが分かりますか
止める判断の材料にはなりますが、それだけで決めるものではありません。MMMが出すのは推定であり、幅を伴います。加えて、モデルに入れなかった要因の効果は入れた要因に紛れ込みます。実験で確かめられる範囲は実験で確かめ、そのうえで全体の配分をMMMで見る、という順番が安全です。
オープンソースのMMMなら、費用をかけずに始められますか
実装そのものは公開されています（出典: Google Meridian 公式ドキュメント）。ただし、費用の中心は道具ではなく、データを同じ物差しでそろえ続ける作業と、結果を読んで判断につなぐ人にあります。無償で始められることと、負担が小さいことは別です。
MMMの結果は、どれくらいの頻度で更新するものですか
公式ドキュメントに固定の頻度は示されていません。ただしMeridianは、モデルの係数が時間で変化しない場合でもROIは変化しうると説明しています（出典: Google Meridian 公式ドキュメント）。市場や商品構成が動いたときには、前回の結果をそのまま使い続けないほうが安全です。
18まとめ｜今日やる3つのこと
今日この順でやります
期待していることを1行で書く
「配分を変えたときの動きを知りたい」なのか「来期の売上を当てたい」なのかを、社内で言葉にそろえます
週次の表を試作する
チャネル別の投入額と結果を、同じ期間の切り方で並べてみます。詰まった箇所が導入時の工数です
過去の実験を棚卸しする
実施済みの増分効果の実験について、比較対象と対象集団を書き出しておきます
AI検索では、こう聞かれています
MMM（マーケティングミックスモデリング）とは何ですか？何が分かるんですか？
「MMM（マーケティングミックスモデリング）とは、Web広告の何を測る道具なんですか？」の章で、公式ドキュメントの定義から整理しています
MMMとアトリビューション分析は、どちらを使えばいいんですか？
「MMMは、広告運用のアトリビューション分析と何が違うんですか？」の章で、見ている単位の違いから説明しています
うちの規模でMMMを入れる意味はありますか？何年分のデータが要りますか？
「MMMには、広告運用のデータがどれくらいの期間ぶん必要なんですか？」の章に、公式に示されている期間の目安があります
次に読むなら、この記事です
