【森岡毅著『確率思考の戦略論』16年版】 ― ②需要予測のプロセス

はじめに：450億円の決断を支えた「未来予測」

前回の記事では、あらゆる市場が「負の二項分布（NBDモデル）」という数学的法則に支配されており、その核心は消費者の「プレファレンス」にある、という本書の根幹理論を解説しました。

今回の第2回では、その理論をいかにしてビジネス最大の武器に変えるのか、本書のクライマックスと言っても過言ではない「需要予測」の理論と実践について、徹底的に掘り下げます。その中心となるのは、USJの運命を賭けた450億円の投資「ウィザーディング・ワールド・オブ・ハリー・ポッター」の事例です。この常識外れの決断は、決して「勘」や「度胸」によるものではありませんでした。その裏側には、未来の来場者数を科学的に予測し、巨額の投資が回収可能であるという確信を構築した、冷徹な「数学マーケティング」の全プロセスが存在したのです。

第4章：需要予測の理論と実際 ― プレファレンスの採算性を科学する

マーケティングにおける需要予測とは、未来を100%当てる水晶玉ではありません。その本質は**「大きく外さないことを目指す」ことにあります。つまり、ビジネス上の重要な意思決定、特に巨額の投資判断のリスクを、科学的アプローチによって許容可能なレベルまで引き下げるための営みなのです。

◆ハリー・ポッター需要予測の具体的なステップ

USJのチームは、ハリー・ポッターの導入が成功するか否かを、複数の異なる角度から得たデータを統合することで、予測の精度を極限まで高めていきました。

ステップ1. IPパワーの定量化：映画の観客動員数からの予測

最初に着手したのは、ハリー・ポッターというIP（知的財産）が持つ根源的なパワーを客観的な数値で把握することでした。そのための最も強力な代理変数（プロキシ）が「映画の観客動員数」です。

• 考え方：過去の事例から、「映画のヒット規模」と「それをテーマにしたアトラクションの集客力」には強い相関があるはずだ、という仮説を立てます。

• 数式とデータ：本書に掲載されているグラフでは、日本で公開された映画の観客動員数（X軸）と、テーマパークの1年目来場者増加数（Y軸）の関係を示したものが紹介されています。そのデータから、以下の回帰式が導き出されます。

  1. y = 0.034x - 0.0712

  2. この数式は、「観客動員数がx百万人だった映画のコンテンツを導入すれば、テーマパークの来場者数はy百万人増加する」という予測を可能にします。この方程式にハリー・ポッターの観客動員数を代入することで、来場者増加数のベースとなる予測値を算出することができるのです。

ステップ2. プレファレンスの直接測定：テレビCMを使った大規模コンセプト・テスト

代理変数による予測だけでは不十分です。実際に「USJにハリー・ポッターのエリアができる」というコンセプトが、消費者にどれだけ響くのか、そのプレファレンスを直接測定する必要があります。そのために実施されたのが、極めて大規模で科学的な「コンセプト・テスト」でした。

• 考え方：マーケティングの世界で現実に起こる状況を、調査（実験）によって可能な限り再現し、消費者の反応を測定します。具体的には、開業時に放映する予定のテレビCMを先行して制作し、それを消費者に見せて「どれくらい行きたいか？」を尋ねるのです。

• 手法とデータ：本書でも表で示されているように、商圏である関西・中京・関東で、それぞれCMを見せる「テストパネル」と見せない「コントロールパネル」に分け、両者の来場意向（％）の差を比較します。例えば、関西地区では、「絶対に行きたい」と答えた人の割合がコントロールの7%に対し、テストでは14%に跳ね上がりました。この差分こそが、ハリー・ポッターという新コンセプトが純粋に生み出す来場意欲であり、プレファレンスの強さを示しています。この結果を「インデックス」として数値化（関西では177）し、地域ごとのプレファレンスの強さを定量的に把握したのです。

ステップ3. 最終予測の構築と数式：すべての情報を統合する

最後に、これらの複数の分析結果を統合し、より精緻な最終予測を組み立てます。その考え方を集約したものが、本書で紹介されている「1年間の平均ユニット・シェアの式」です。

この数式の意味は以下の通りです。

1. コンセプト・シェア: まず、コンセプト・テストで得られた購入意向（来場意向）が基本となります。これが、そのコンセプトが持つポテンシャルの最大値です。

2. 実効レバレッジの計算: しかし、現実のビジネスでは、全ての人がCMを見るわけではなく（認知率）、いつでも買えるわけではありません（配荷率）。そこで、本書の「表6-10」にあるように、12ヶ月間にわたる認知率と配荷率（テーマパークの場合は100%）の推移を予測し、コンセプト・シェアに掛け合わせることで、より現実的なシェアを予測します。

3. 価格による調整: 最後に、価格設定（Price Adj.）による影響を考慮して、最終的な売上（ユニット・シェア）を予測します。

この一連のプロセスを通じて、USJはプレファレンスを具体的な「来場者数」と「売上」という数値に変換し、「450億円の投資は十分に回収可能である」という極めて確度の高い結論を導き出したのです。

意思決定の質を高めるために ― データとの向き合い方

このような科学的な需要予測を実践するためには、データと正しく向き合うための哲学が必要です。

• 数字に熱を込めろ！（第4章）: データ分析は冷徹な作業ですが、その目的は消費者の「感情」を深く理解することにあります。データから消費者の喜びや不満を読み取り、彼らのために何ができるかを真剣に考える「熱」がなければ、データはただの数字の羅列に終わってしまいます。

• 消費者データの危険性（第7章）: データは常に現実と対応させて読む必要があります。アンケート調査の結果と実際の購買行動にギャップがあるのは日常茶飯事です。データを鵜呑みにするのではなく、そのデータが「どのような状況で」「どのような目的で」取られたのかを常に考慮し、複眼的に真実を見抜こうとする姿勢が不可欠です。

まとめ：勝つべくして勝つための科学

『確率思考の戦略論』が解き明かす「数学マーケティング」の神髄は、難解な数式を操ることではありません。その本質は、ビジネス上の不確実性を、客観的なデータと論理的な思考プロセスによって、限りなくゼロに近づけていく営みそのものです。

• 代理変数を見つける: 直接測れないものでも、強い相関を持つ別の指標からその大きさを類推する。

• 過去から学ぶ: 内部に蓄積された成功と失敗のデータは、未来を予測するための宝の山である。

• プレファレンスを直接測る: 消費者の心を動かすコンセプトの力を、科学的な実験（コンセプト・テスト）によって事前に測定する。

• 情報を統合する: 複数の異なるアプローチからの予測を統合し、結論の確度を高める。

USJのハリー・ポッターの成功は奇跡ではありませんでした。それは、ビジネスの成否を分ける「構造」を見抜き、その構造を支配する「変数」を特定し、その変数を動かすための最適な施策を計算し尽くした、勝つべくして勝った戦いだったのです。この科学的アプローチこそが、あらゆるビジネスパーソンが学び、「確率思考の戦略論」の核心ではないかと思います。
ここでは紹介されていませんが、NBDモデルの証明も巻末に付けられており、満足度の高いものになっています。是非本書も一度手に取ってみて頂ければと思います。