データサイエンス（Part.11）｜MMMと準実験

RCTの事例

医療分野（もっとも典型的なRCTの場面）

1. 新薬の効果検証
   • 被験者をランダムに「薬を投与する群」と「プラセボ（偽薬）群」に分ける。
   • 例：高血圧治療薬の臨床試験 → 実薬群の血圧低下効果を検証。
2. 新型コロナワクチンの臨床試験
   • 数万人の被験者をランダムに「ワクチン接種群」と「プラセボ群」に割り付け。
   • 発症率の差からワクチン効果を推定。

👉 医療ではRCTが「ゴールドスタンダード」とされています。

公共政策の事例

1. 教育支援プログラム
   • 生徒をランダムに「補習授業を受ける群」と「受けない群」に分ける。
   • 学力テストの差から補習の効果を検証。
2. ベーシックインカム実験
   • 一部の地域や住民をランダムに選び、無条件の現金給付を行う。
   • 就労意欲や生活の安定度を比較。

マーケティングの事例

1. A/Bテスト（広告メール）
   • 顧客をランダムに2群に分け、片方には新デザインのメール、もう片方には旧デザインのメールを送信。
   • 購入率やクリック率の差を比較。
2. Webサイトのデザイン比較
   • サイト訪問者をランダムに「新UI群」「旧UI群」に割り付け。
   • 滞在時間・購入完了率を比較。

👉 マーケティングでは「A/Bテスト」が、RCTのビジネス応用例そのものです。

RCTの流れ（例：マ―ケーティング）

1. 基本の流れ

1. 目的を決める
   • 例：広告メールの「購入率を上げたい」
2. 施策を2パターン用意
   • A: 従来のメール
   • B: 新しいデザインのメール（割引クーポン付きなど）
3. 顧客をランダムに2群に分ける
   • ランダム化により、性別・年齢・購買力などのバイアスを平均化
4. メール配信 → 購入率を比較
   • 購入したかどうか（0/1データ）を集計し、統計的に差を検証

具体的な例

• テスト設計
  • 対象顧客：10,000人
  • A群：5,000人に従来メール送付
  • B群：5,000人に新メール送付
• 結果データ

分析

• 差：7.0% − 5.0% = 2.0%
• カイ二乗検定 / z検定 / ロジスティック回帰 を使って「差が偶然かどうか」を統計的に検証
• p < 0.05 なら「新メールは有意に効果がある」と判断

応用パターン（PDCAサイクルを回しながら改良）

• Webサイト改善
  • A: 旧デザイン
  • B: 新デザイン（CTAボタンを目立たせる）
  • 比較指標：購入完了率、クリック率、滞在時間
• 広告キャンペーン
  • A: テキスト広告
  • B: 画像つき広告
  • 比較指標：クリック率（CTR）、コンバージョン率（CVR）

注意点

• サンプル数が小さいと差が偶然に見えることがある（検出力不足）
• ランダム割付が偏ると結果がゆがむ（乱数割付やツール利用で防止）
• 複数回テストを繰り返すと「多重検定」の問題（p値が偶然有意に見える）