MMM Budget Simulator — Free Demo

広告予算の最適配分を、
根拠つきで出す。

売上と広告費の集計データから MMM（マーケティング・ミックス・モデリング）を構築し、広告の飽和（増やしても伸びなくなる点）とモデルの当てはまりを可視化します。 CPA の掛け算ではない、社内プレゼンに耐える予算配分の根拠を。

サンプル業種

自社 EC で年商 6 億円規模。指名検索・PMax・SNS・動画の 4 系統に年 9,000 万円を配分している想定（動画に厚く、指名検索が薄い）。

本デモの数値はすべてサンプル（ダミー）です。実在企業の実績ではありません。自社データでの解析は準備中です。

モデル適合度 R²（out-of-sample）

0.94

適合度: 高／学習外の 40 週で検証

予測誤差率 MAPE（out-of-sample）

1.8%

in-sample は 1.7%

分析対象期間

104 週間

週次集計／ 24/08/26〜26/08/17

表示している R² と MAPE は 学習に使っていない期間（out-of-sample）での値です。過去データへの当てはまり（in-sample）だけを見せると過学習を隠せてしまうため、この画面では必ず学習外の成績を出します。

評価方法（rolling-origin 時系列 CV）について

期間を時間順に区切り、「前半で学習 → 直後の期間を予測」を 5 回ずらしながら繰り返して、予測値だけを集めて指標を計算しています（合計 40 週）。時系列データをランダムに分割すると未来の情報が学習側に混ざるため、この方法をとっています。

実線=実績 / 点線=モデル予測 / 面=ベース売上（広告以外）

面で示したベース売上は、広告を止めても残ると推定される部分（指名度・既存顧客・季節性・トレンド）です。広告で説明できているのは、そこから上に積まれている分だけです。

● が現在の年間消化額。ここから先は 1 円あたりの伸びが鈍る

カーブが寝ている媒体はすでに飽和しているため、増やしても売上はあまり伸びません。逆に立ち上がりの途中にある媒体は、まだ伸びしろがあります。CPA の掛け算ではこの差が見えません。

mROI が高い順

媒体 / キャンペーン	過去年間消化額	推定売上寄与額	mROI	評価ステータス
Google / 指名検索 (Brand)	¥8,293,570	¥72,452,437	6.63x	追加投資推奨
Meta / Instagram 認知・リール	¥24,208,409	¥62,786,294	1.93x	維持推奨
Google / 一般獲得 (PMax)	¥34,299,108	¥101,306,831	1.91x	維持推奨
YouTube / ブランディング動画	¥17,043,298	¥36,887,216	1.02x	維持推奨

mROIは「いま 1 円足したときに増える売上」（限界費用対効果）です。平均の ROAS ではなく限界値なので、飽和した媒体は数値が下がります。評価ステータスは mROI 2.0 以上=追加投資推奨 / 1.0〜2.0=維持推奨 / 1.0 未満=飽和傾向で機械的に判定しています。

精度の限界は、モデルではなく入力データの構造で決まる

問題なし104 週（2 年）分のデータがあります
→ 年次の季節性とトレンドを分離できています。52 週未満だとここが混ざります。
注意媒体はキャンペーン単位ですが、商品カテゴリ別に分かれていません
→ 「どのカテゴリの獲得が伸びているか」までは打ち手に落ちません。
要対応CRM（メール・LINE 配信）とオフライン施策が変数に入っていません
→ その効果はすべてベース売上に吸収され、広告の寄与が過小または過大に見積もられます。

MMM の精度は、モデルの巧拙よりも入力データの構造（粒度・期間・変数の網羅）で決まります。上の指摘は、いまのデータで「何が言えて、何が言えないか」の境界です。