インフルエンサーマーケティングは態度変容を引き起こすマーケティング施策として、近年多くの企業が実施するようになっています。認知拡大や購入促進にもつながる成果を感じている企業も多いかと思いますが、SNSの仕様や消費者の利用特性もあり直接のコンバージョンを測定することが難しく、その結果として売上への貢献を明確に証明することが難しいのが現状です。

しかしながら、インフルエンサーマーケティングを他の広告施策のように評価し、大きな予算を投下してビジネス成長につなげていきたいと考える方も多いと思います。そこで本記事では、「因果推論」の考え方、その中でも特に「差分の差分法（Difference in Difference, DID）」を用いて、インフルエンサーマーケティングの売上貢献を定量的に証明できるのかを考えていきたいと思います。

‍

因果推論とは

因果推論とは、ある要因（介入・施策・イベントなど）が結果にどのような影響を与えたのかを推定する分析手法です。単なる相関関係ではなく、「もしその要因がなかったら、結果はどうなっていたか？」という反実仮想を考えることで、真の因果関係を導き出します。

広告・マーケティングの文脈では、ある施策が売上に与える影響を推定するための分析手法となります。

因果推論は、本来はデジタル広告やメールマーケティングにおけるA/Bテストの形で差分を実施することが望ましいです。A/Bテストのように同じ属性の人に対してキャンペーンの接触・非接触を分けて分析することをランダム化比較試験（RCT）と呼びますが、SNSを活用した施策では同じ属性の人を無作為に抽出して投稿を見せることができないため、実施が困難です。

それをカバーする手法の1つとして、異なる属性の人のデータを基に因果推論を行う差分の差分法（Difference in Differences, DID）というものがあります。

‍

差分の差分法（DID）とは

差分の差分法とは、施策の影響を推定するために処置群と対照群の「施策前後の変化の差」を比較する方法です。効果測定の対象となる人は同じ属性ではなくてもいいですが、広告を見せる（見た）人を「処置群」、広告を見せない（見なかった）人を「対照群」に分け、広告の効果を把握するための方法です。

「差分の差分」と名付けられているのには、施策の効果を評価するために「施策前後の差」と「処置群と対照群の差」を二重に比較するという考え方があるためです。この手法では、施策前後での売上の変化を、施策を実施したグループ（処置群）と実施しなかったグループ（対照群）の変化と比較し、施策の影響を明確にすることを目指します。

差分の差分法では「平行トレンド仮定」という仮定が満たされていることが非常に重要な前提となります。この仮定は、介入（施策）がなかった場合、処置群と対照群は同様のトレンドを辿っていただろう、というものです。たとえば、季節性のある商品で、他に大きな影響を与えるキャンペーンを実施していなければ、前年の同時期のデータが「対照群」になりえる、という感じです。

‍

インフルエンサーマーケティングにおける差分の差分法の適用の可能性

テレビCMなどの一般的な広告施策では差分の差分法を用いて効果を推定することができますが、インフルエンサーマーケティングでも以下のこと条件を正しく設定できれば、差分の差分法を用いて効果を推定することができます。

‍

1. 処置群と対照群の設定

処置群は、インフルエンサーマーケティング施策を実施したブランドや地域、ユーザー層を指します。このグループは、施策が実際に行われ、インフルエンサーマーケティングの影響を受けたと見なされます。

一方、対照群は、施策を実施しなかったブランドや地域、ユーザー層です。対照群は、施策に触れていないため、売上や訪問数などに影響を受けていないと仮定されます。このように、処置群と対照群を設定することで、施策が売上や効果に与えた影響を明確に区別することができます。

また、インフルエンサーマーケティングのパフォーマンスを確認するうえでは個人を特定することができないため、集団レベルでの行動変化を捉えることが現実的です。

‍

2. 介入前後のデータ収集

次に、KPI（重要業績評価指標）となる売上やサイト訪問数などのデータを施策前後で収集します。差分の差分法では、2つの期間の差分を測定することで効果を確認しますが、後に説明する平行トレンド仮説を検証したり、最適な2つの期間を抽出し効果を測定するためにも必要です。可能であれば、過去数カ月から1年分のデータを時系列で確保し、トレンドを確認することが望ましいです。これにより、施策の実施前後での売上やサイト訪問数の変動がどのように推移しているかを把握することができます。

‍

3. 平行トレンド仮定の検証

差分の差分法の推定を正確なものにするためには、施策前のKPIの推移が処置群と対照群で類似しているかを検証することが重要です。この「平行トレンド仮定」は、施策がなかった場合に、処置群と対照群が同じような売上推移を示すという前提に基づいています。

もし、施策前の売上トレンドが大きく異なっていた場合、DIDの分析結果が誤った因果関係を示す可能性があるため、平行トレンド仮定を確認することが必要です。また、施策前後で他の要因（例：季節性や競合施策）が売上に影響を与えていないかを確認し、これらの影響を排除できるかどうかを検討することも、結果の正確性を高めるために重要です。

‍

インフルエンサーマーケティングにおける差分の差分法の課題と対策

差分の差分法を適用する際にはいくつかの課題が存在しますが、適切に対策を講じることで、より正確な因果推論が可能になります。以下では、特にインフルエンサーマーケティングにおける課題とその対策について解説します。

1. SNSにおける処置群と対照群の設定の難しさ

インフルエンサーマーケティングでは、地域やユーザーのターゲティングができないため、従来の方法では処置群と対照群を設定することが難しいです。さらに、サイト訪問数などをKPIに設定した場合、誰が施策を受けたユーザー（処置群）で、誰が受けていないユーザー（対照群）かを明確に区別することが困難になります。

この問題を解決するためには、精度が落ちることが前提にはなりますが、時間差を活用する方法が有効です。具体的には、施策を実施する期間を限定し、その前後での売上や訪問数の変化を比較します。これにより、施策の実施前後で影響を比較し、処置群と対照群を明確に区別することなく、その効果を評価することが可能です。前年の同時期との比較ができれば、さらに季節性の要因を減らすことが可能になります。

‍

2. 交絡因子の影響

SNS施策を行う際には、季節性や他の競合施策など、外部要因による影響が売上に反映されることがあります。これを交絡因子と呼びますが、インフルエンサーマーケティングの場合は広告費における相対的な予算配分が少ないこと、SNSでは突発的なバズが生まれやすいことなどが正確なデータ分析を阻害する要因になりえます。

これらの影響を最小限に抑えるためには、共変量を調整する回帰モデルを併用するなど、慎重に分析を行う必要があります。また、施策前後の売上推移が他の要因によるものではないかを検証することで、施策の真の効果を明らかにすることができます。

‍

まとめ

インフルエンサーマーケティングの売上貢献を証明するために、差分の差分法（DID）は非常に有効な手法となり得ます。DIDは、施策の前後で売上の変化を比較することによって、インフルエンサーマーケティングがどれほど売上に貢献したかを定量的に示すことができます。

しかし、この手法を実際に適用するには慎重な設計が必要です。特に、対照群の選定や、施策を実施しなかった場合の売上推移を想定する「平行トレンド仮定」の検証が重要です。また、SNS施策の特性を踏まえた適切なデータ収集が求められ、効果的な分析を行うためには、十分な過去データを収集し、分析フレームを慎重に構築することが成功の鍵となります。

‍