セプテーニ、DMLを用いた新たな因果推論のスキームを、広告主のマーケティングにおける意思決定を横断的に支援するソリューション「XYhai」に導入、提供開始

2024.12.20 セプテーニ

セプテーニ、DMLを用いた新たな因果推論のスキームを、広告主のマーケティングにおける意思決定を横断的に支援するソリューション「XYhai」に導入、提供開始

～メディア横断でマーケティング施策介入効果のより詳しい分析が可能に～

株式会社セプテーニ（本社：東京都新宿区、代表取締役社長：清水 雄介、以下「セプテーニ」）は、グーグル合同会社との共同研究に基づいて、DML(Double/Debiased Machine Learning)（＊1）を用いた新たな因果推論（＊2）の機能を、広告主のマーケティングにおける意思決定を横断的に支援するソリューション「XYhai（サイハイ）」に導入し、提供を開始いたしました。

セプテーニが提供している「XYhai」は、MMM（＊3）やエリアテスト等の因果推論の手法を用いて、メディアごとの最適予算配分や、マーケティング施策の介入効果を算出し、広告主のマーケティングにおける意思決定をフルファネルで支援するソリューションです。
XYhaiでは、各媒体社が提供するオープンソースをベースとしたMMMと、因果推論の手法を掛け合わせた独自のパッケージを提供しておりますが、従来の手法に加え、この度グーグル合同会社の協力のもと、調査研究と実証実験を通じてDMLを用いたスキームを新たに開発し、XYhaiに導入いたしました。

本スキームでは、TVCMやSNS広告、検索連動型広告など、メディアを横断してマーケティング施策間の因果構造を反映し、ユーザーの行動実態（広告接触～コンバージョン）に沿ったかたちでメディアごとの介入効果をより詳しく分析・可視化できるモデルの構築が可能となりました。これにより、予算配分の最適化において、出稿状況や市場状況に応じた施策や配信タイミングの提案、効果の予測など、マーケティング担当者が次の施策に反映しやすい、実用的なアウトプットを提供することが可能になりました。

なお実証実験結果から、スポットでの施策（＊4）のみでデータ量（出稿日数）が少ない場合は、本スキームによる施策の評価が難しい（＊5）ことがわかりましたが、エリアテストを組み込んだ評価を行うことで、優良な実験データを集めることが可能です。

セプテーニでは今後も、日々進化するMMM等の因果推論の研究開発を進め、XYhaiをはじめとする各ソリューションに活用し提供することで、オンライン・オフラインマーケティングを統合的に網羅して全体最適を図る「フルファネルマーケティング」を支援してまいります。

＊1 DML(Double/Debiased Machine Learning)：機械学習手法を用いつつ2段階に分けて処置効果を推定する手法。1段階目で2つの予測タスクを行い、2段階目で処置効果を推定するモデルを作成する。
＊2 因果推論：実験データや観察データをもとに、事象の因果効果を統計的に推定していく分析手法。
＊3 MMM（Marketing Mix Modeling）：さまざまなマーケティング施策が成果に与える影響を推定し、定量化する分析手法。
＊4 TVCMや認知目的のYouTube配信など、トップファネル施策で実施されることが多い短期間の配信。
＊5 実施した実証実験では出稿日数が合計1カ月に満たない施策の評価は難しいと結論付けています。

【新しい機能の特徴】

1. Causal graphを描く

- クライアントのビジネス・マーケティング状況に基づき、KPIとマーケティング施策を取り巻く因果関係の構造を図式化する

　　【Causal Graphの例】

2. 変数を選択する

- 1.で作成したCausal Graphについて、評価対象施策の因果効果推定のため、バックドア基準やフロントドア基準に基づいて利用変数の選択を行う
（* モデリング結果に応じて、変数の統合や追加、除外を検討する）

3. 機械学習を利用してDML (Double/Debiased Machine Learning)モデルを構築

- 以下2ステップで計3つの機械学習モデルを構築し、注目施策の介入効果を推定する

X: 注目する施策（T）と結果（Y）の両方に影響を与える可能性がある制御変数
Y: 注目する施策（T）の影響を受けて観測された結果
T: 結果（Y）に影響を与える、因果効果を推定したい施策
W: 注目する施策（T）の選択過程を説明する補足的な変数（Xに含める場合もある）

4. 結果の検証

- 感度分析を行う
累積獲得カーブ曲線の下側の面積が大きいほど、効果の識別性が高いと言える。
シンプルな線形モデルでは施策効果を大幅に過少評価する可能性が推察され、DMLの有用性が示せる。

X軸：上位パーセンタイル
Y軸：推定効果上位X％の累積獲得量
青線：今回のDMLモデルによって得られた曲線
赤線：重回帰モデルで介入効果を推定して得られた曲線

- Causal Graphの反証実験をする（Refutation Test）
複数の反証シナリオを用意してCausal Graphの頑健性を検証する。

【代表的な検証シナリオ】

5. 結果の解釈（DMLを用いた施策方針の示唆におけるアウトプットのイメージ）
- 市場環境/トレンドを考慮した出稿状況（Situation）別のROI（Return On Investment）とiKPI（incremental KPI）の散布図を提示する。
円の大きさは結果の信頼性を示す。この散布図から状況別の最適なメディア運用戦略を検討することができる。
例えば、「低ROI×低iKPI」でありながらも出稿額が大きい「Situation-4」は、優先的に「高ROI×高iKPI」の出稿パターン（Situation-6, 8, 12, 11）へのアロケーションが推奨できる。

XYhaiについて：https://www.septeni.co.jp/business/data#xyhai

【本件に関するお問合せ】
Septeni Japan株式会社 データ事業本部
E-mail：xyhai@septeni.co.jp

【報道に関するお問合せ】
株式会社セプテーニ・ホールディングス　広報部 広報課　大沼　小嶋
E-mail：koho@septeni-holdings.co.jp

■株式会社セプテーニの会社概要
主な事業内容　　デジタルマーケティング支援事業
本社所在地　　　東京都新宿区西新宿8-17-1　住友不動産新宿グランドタワー28F
代表者　　　　　代表取締役社長　清水 雄介
会社URL　　　　https://www.septeni.co.jp/