全データ分析者驚愕！20代が多いほど売れる、でも20代は買ってない。って、どゆこと？

この記事は、集計データから個人の行動をどこまで推定できるのかを扱う。筆者は事業会社のデータサイエンティストで、政治学方法論で長年研究されてきた「エコロジー推論」という問題を、イベント会社のマーケティング分析に持ち込んでいる。政治学でいえば、選挙区ごとの年代別有権者数と政党別の得票数は分かっても、「30代のうち何％がA党に投票したか」は分からない。記事は、行の合計も列の合計も一致するのに、中のセルの値が大きく違う2つの世界を示す。一方は20代のA党への投票率が83.3%、もう一方は8.3%だが、観測される集計値は完全に同じになる。筆者はこの構図をイベントに置き換える。3日間のフードイベントで、POSから30分ごとの販売数を取り、入口でのカウントから年代構成を得る。そのうえで、その2つを結び付けたときに何が起きるかを検討する。 AIの鬼の視点で見ると、面白いのはここだ。「20代が多い時間帯ほどCVRが高い」という集計の事実を、「20代の購買率が高い」と読み替えた瞬間に推論の飛躍が起きる。前者は時間帯の性質であり、後者は個人の属性の性質だ。同じ数字から両方が生まれるとは限らない。筆者が秘密投票と、コスト・システム・プライバシー・ROIを並べたのも本音がよく出ている。理由は違っても、分析者の手元に残るのは同じ欠けた表だ。ダッシュボードの数字を個人の振る舞いとして読んでいないか、まずそこを疑うべきだ。 中小企業の現場に置き換えると、店頭やイベントの来客属性と売上を並べて「この層は買っていない」と判断する前に、その層のデータが個人単位で取れているかを確認する必要がある。取れていないなら、結論は「この時間帯は客層が違う」までに留めるべきだ。次回の商品追加や会場変更を決める際には、集計を個人の性質に読み替えていないか一言確かめる。それだけで、無駄な投資を一つ減らせる可能性が高い。