MMM（メディアミックスモデリング）は、何を測ろうとしているのか

広告の効果を評価しようとするとき、つい「どの広告が、どの成果を生んだか」を追いかけてしまう。

しかし、現実の売上や成果は、単一の広告接点だけで生まれているわけではない。

テレビ、デジタル広告、検索、店頭施策、価格、季節性、競合状況。
さまざまな要因が重なり合った結果として、数字は動いている。

MMM（メディアミックスモデリング）は、そうした全体の構造から広告効果を捉え直そうとする考え方。

MMM（メディアミックスモデリング）は、過去の売上データと各施策の投下量をもとに、「どの要因が、どの程度売上に影響していたか」を統計モデルで推定する手法。

特徴的なのは、個々のユーザー行動や広告接点を追わない点にある。

といったログは使わず、

といったマクロなデータを扱う。

そのため、MMMはしばしば「トップダウン型の計測」と呼ばれている。

MMMが使われてきた背景には、デジタル以前から存在する、広告評価の難しさがある。

クリックもコンバージョンも存在しない世界では、全体の動きから推定するしかなかった。

MMMは、そのための実務的な答え。

そして現在でも、

といった理由から、個別接点だけでは説明しきれないズレが生まれている。そのズレを補う手段として、MMMは再び注目されている。

MMMが見ているのは、

一方で、見ていないものも明確。

MMMは、「この広告が、この成果を生んだ」とは言わない代わりに、「この期間において、この施策群が、全体として
どの程度寄与していそうか」という問いに答えようとする。

MMMとLTA（ラストタッチアトリビューション）などのデジタル計測は、しばしば結果が一致しない。

それは、どちらかが間違っているというより、見ている問いが違うため。

前者は判断のための“配分”の話であり、後者は経営・投資判断のための“構造”の話。同じ数字を見ていても、目的が違えば、答えも変わる。

MMMにも明確な限界がある。

また、過去データを前提とするため、急激な環境変化には弱い側面も。

そのため、日々の運用最適化やクリエイティブ単位の改善には不向きと見られていたが、現在はAIやSaaSを活用した「次世代MMM」が登場しており、リアルタイムに近いスピードで分析が可能になりつつある（欠点が解消されつつある）。」

MMMが向いているのは、次のような問い。

つまり、「広告は「どれだけ」売上に貢献していたのか」という全体評価。

また、MMMで見ると、TikTokのROIはラストクリック（LTA）の「最大23倍」になる可能性がある。

MMMの進化系「AIM（Always-On Incremental Measurement）」は、日々の運用判断にも使えるようになっている。

TikTok広告マネージャーには「MMMデータ」を取得する専用機能（UI/API）があり、オーガニック（アーンド）効果も含めてデータ抽出ができる。

この関係性を理解しておくことが、計測のズレに振り回されないための土台になる。

合わせて考える：