MMMの内製化と外部委託を比較：オープンソース時代に、どの業務を社内に持つか

MMM（マーケティング・ミックス・モデリング）の内製化は、「すべてを社内で行うか、すべてを外部に任せるか」の二択で考えるより、MMMを6つの業務に分け、業務ごとに社内で担うか外部パートナーに任せるかを決めるほうが実務に合っています。GoogleのMeridianやMetaのRobynなど、オープンソースのMMMが公開されたことで、ライセンス費用をかけずにモデルを作れるようになりました。一方で、分析の問いを決め、データをそろえ、結果を読み解き、社内の合意を得て予算配分を変えるという残りの業務に必要な人と時間は、大きくは変わっていません。

MMMの内製化とは：MMMの業務の一部を、社内で担うこと

MMMの内製化とは、MMMの分析を外部に委託せず、自社のチームで設計・構築・運用することです。実際には、データの整備は社内で行い、モデルの構築は外部パートナーと共同で進めるといったように、業務の一部だけを社内に持つ形もあります。そのため、内製か外部委託かの二者択一で捉えるのではなく、どの業務を社内で担うかを一つずつ見極めていく必要があります。

MMMの基本的な仕組みについては、MMMとは？マーケティング・ミックス・モデリングの基本・分析手順・導入ポイントを解説をご覧ください。

オープンソースのMMMで、費用が下がったのはモデルの構築

オープンソースのMMMの登場で費用が下がったのは、主にモデルを構築する業務です。2026年10月時点で代表的なものには、次の3つがあります。

• Meridian（Google）：ベイズ統計（過去の知見や実験結果を前提として組み込み、データに合わせて見直していく統計の考え方）にもとづくMMMのライブラリで、2025年1月から誰でも使えるようになりました。実験結果を使ったモデルの補正（地域を分けた実験などの結果をモデルに反映すること）や予算配分のシミュレーションに対応し、2026年には、コードを書かずに配分のシナリオを比べられる画面（Scenario Planner）や、地域を分けて実験するためのライブラリ（GeoX）が加わっています。
• Robyn（Meta）：複数の広告効果が重なり合っても安定して推計できる回帰分析の手法（リッジ回帰）と、最適な設定を自動で探索するアルゴリズムを組み合わせたMMMのライブラリで、実験結果による補正や予算配分の機能を備えています。
• PyMC-Marketing（PyMC Labs）：Pythonのベイズ統計ライブラリPyMCの開発者らが公開しているMMMのライブラリで、商用利用できるApache 2.0ライセンスで提供されています。

いずれもライセンス費用なしで使えるので、モデルを作るためにソフトウェアの予算を確保する必要はなくなりました。ただし、どの変数を入れ、どんな前提を置き、結果をどう読み解くかといった判断を、ライブラリが代わりに行うわけではありません。また、Googleは2026年9月に、データの品質確認やモデル構築を支援するAIエージェントの仕組みをMeridian向けに発表しており、データの整備の一部も今後変わる可能性があります。なお、各ライブラリの機能や開発の状況は変わりやすいため、利用を検討する際は公式の情報で最新の状態を確認してください。

オープンソースのMMMが広がってきた背景は、MMMの最新トレンドと将来の展望（2024年版）でも紹介しています。

国内でも、MMMの内製化に取り組む企業がある

国内でも、MMMを内製化した企業がその取り組みを公開しています。眼鏡ブランドのJINSは、2025年5月に公開した技術ブログで、外部委託の費用がかさむこと、分析の中身が見えにくいこと、結果が出るまでに数ヶ月かかることを内製化の理由に挙げました。一方で、データの品質、広告の残存効果（効果が後まで残る分）や飽和（出稿を増やしても効果が頭打ちになること）の扱い、地域を分けた実験の設計、データサイエンスとマーケティングのチームの連携を課題として直面したことも明かしています。それでも、内製化によってレポートの更新頻度と速度を高めることができたと総括しています（出典：JINSテックブログ「MMM内製化の実践と課題解決」）。

このように、MMMの内製化は国内企業にとっても現実的な選択肢になりつつあります。ただし、費用が下がったのはモデルの構築であり、ほかの業務に必要な人と時間は残ります。だからこそ、内製化を考えるときは、まずMMMの業務を分けて見ることから始めるのが実務的です。

MMMの6つの業務：内製するか外部に任せるかは、業務ごとに決める

MMMの結果が予算配分の見直しにつながるまでには、問いの設計、データの整備、モデルの構築と更新、解釈、合意、実行という6つの業務があります。内製するか外部パートナーに任せるかは、この6つの業務ごとに決めることができます。

次の表は、6つの業務の概要と、オープンソースのMMMやAIの登場で何が変わったかをまとめたものです。

問いの設計：その分析で、どの予算判断を変えるのか

問いの設計とは、MMMの結果をどの予算判断に使うかを、分析の前に決める業務です。たとえば「来年度のテレビとデジタルの配分を見直す」「四半期ごとにデジタル広告の配分を調整する」「新しい媒体を試すかどうかを決める」では、必要なデータの期間も、モデルを更新する頻度も変わります。

社内で担うための条件：この業務は、内製か外部委託かにかかわらず社内で担います。どの判断が、いつ、誰の権限で行われるかを知っているのは、その会社だけだからです。

外部パートナーが役立つ場面：問いを分析できる形に整理するときや、MMMでは答えにくい問いを見分けるときです。MMMは、実施したことのない施策や投下量がごく少ない施策の効果、一人ひとりの顧客が広告に接した順番を示すことは得意ではありません。また、MMMは数ヶ月から年単位で配分を見直すための分析なので、日々の獲得単価の調整であれば、広告の配信側での計測や検証のほうが早く答えが出ます。

データの整備：社内と代理店に分かれたデータを、週ごとにそろえる

データの整備とは、MMMに必要なデータを集めて週ごとなど同じ単位にそろえ、モデルを更新するたびに使える状態に保つ業務です。必要なのは、売上やコンバージョンなどの成果指標、テレビのGRPや広告の表示回数などのマーケティング活動データ、プロモーション・天候・季節性・競合の動向などのその他の要因データです。季節による変動を反映してモデルを検証するには最低13ヶ月分のデータが必要で、2〜3年分あれば、より確かな分析ができます。

データを集める前に、次の4点を整理しておくと、必要なデータの範囲が見えてきます。

• 分析する商品・ブランドの数
• 販売の形（店舗、EC、その両方）と、流通の形（直販、卸・小売経由）
• 季節による売上の変動の大きさ
• テレビや屋外広告など、オフライン媒体の比重

売上データは社内に、テレビやデジタル広告の出稿データは広告代理店に、というようにデータが分かれている場合もあります。その場合は、媒体ごとに単位も形式も違うため、テレビのGRPとデジタル広告の表示回数を同じ週ごとの集計にそろえ、媒体の分類を代理店とあらかじめ取り決めておく必要があります。

社内で担うための条件：データを継続して加工できるデータエンジニアと、他部門や代理店から更新のたびにデータを受け取る調整役が必要です。データの整備は、モデルを更新するたびに発生します。

外部パートナーが役立つ場面：最初のデータセットづくりです。媒体の分類や集計のそろえ方を最初に決めておけば、その後の更新は社内でも回しやすくなります。

モデルの構築と更新：オープンソースで、最も変わった業務

モデルの構築と更新とは、どの変数を入れ、どんな前提を置くかを決めてモデルを作り、新しいデータで定期的に更新する業務です。オープンソースのMMMで最も変わったのはこの業務で、ライセンス費用をかけずに、ベイズ統計や実験結果による補正（地域を分けた実験などの結果をモデルに反映すること）を使えるようになりました。

それでも、モデルの中で選ぶべきことは残ります。広告の効果がどのくらいの期間残るか（残存効果）や、出稿を増やすとどこで効果が頭打ちになるか（飽和）について、どんな前提を置くかによって、同じデータからでも予算配分の結論が変わることがあります。どの実験結果を補正に使うかも、同じように結論に影響することがあります。

多段階の効果をどう組むかも、モデル構造の重要な決めどころです。テレビCMが検索を増やし、検索が売上を増やす、あるいは販促が配荷（商品を扱う店舗の広がり）を押し上げて売上につながる、といった間接的な効果を見るには、モデルの構造を事業に合わせて決める必要があります。Meridianは2025年に価格や販促などの広告以外の変数へ、2026年にはブランドに関する指標へと対応を広げていますが、多段階の効果の組み方は、使う側が決めることです。

社内で担うための条件：ライブラリの初期設定をそのまま使うのではなく、前提ごとにその理由を説明できる分析者が必要です。四半期や月次でモデルを更新するなら、その作業を続けられる体制も求められます。

外部パートナーが役立つ場面：立ち上げ時にモデルの設計を確認するときや、多段階の効果のように、初期設定の範囲を超える構造が必要なときです。サイカのMMMでは、認知から購買までを多段階でモデル化するパス解析（特許取得済）で、こうした間接効果を把握しています。

解釈：結果が想定と違ったとき、どこまで戻って見直すか

解釈とは、MMMの結果が本当の発見なのかモデルの誤りなのかを見分け、結果が想定と違ったときに、どこまで戻って見直すかを判断する業務です。サイカでは、内製化で最も人を選ぶのはこの業務だと考えています。

その理由は、モデルが過去のデータによく当てはまっていても、効果の推定が正しいとは限らないためです。Meridianのドキュメントでも、広告が成果をどれだけ増やしたかという因果の推定が正しいかを直接検証するには、きちんと設計した実験が必要で、それが難しいため、通常は間接的な指標に頼ることになると説明されています。モデルの学習に使っていない期間をどれだけ予測できるかという指標も、モデルを評価する主な方法にはすべきでないとしています（出典：Google Meridianドキュメント「Assess the model fit and the results」）。

たとえば、新商品の発売月にテレビCMを集中させるブランドでは、発売そのものの効果と広告の効果が同じ時期に重なります。モデルが売上の動きによく当てはまっていても、発売による伸びの一部を広告の効果として見積もっている可能性があります。こうした誤りは、地域を分けた実験の結果と比べる、出稿を止めた期間の売上を確認する、配荷の拡大など同じ時期の事業上の出来事と照らし合わせる、といった方法で見つけていきます。

社内で担うための条件：統計の前提と事業の状況の両方がわかり、結果が想定と違ったときに、データ、前提、モデルの構造のどこまで戻って見直すかを判断できる人が必要です。統計だけ、あるいは事業だけの知識では、もっともらしい誤りを見逃しやすくなります。

外部パートナーが役立つ場面：想定と違う結果が出て、それが大きな予算判断につながるときです。予算に反映する前に、別の目で前提とデータを点検することで、誤った結論のまま配分を変えるリスクを減らせます。

合意：経営層、財務、代理店と、同じ数字をもとに話せるか

合意とは、MMMの結果をもとに、経営層や財務部門、代理店など、配分を変えるために納得してもらう必要がある人と同じ数字で議論できる状態にする業務です。分析がどれほど正しくても、その数字が社内で受け入れられて初めて、実際の予算配分が変わります。

合意を難しくするのは、効果を測る人と予算を使う人の関係です。特に次の3つの場面では、結果の中立性が問われやすくなります。

• マーケティング部門の分析チームが、自部門の予算を評価する場合：同じ部門の中で予算の効果を評価すると、経営企画や財務から、結果が独立しているかを問われることがあります。
• 広告代理店が、出稿と効果測定の両方を担う場合：出稿を提案・購入する立場と、その効果を測る立場が同じだと、結果に利害が入る余地があると見られやすくなります。
• 広告プラットフォームが公開したMMMを使う場合：MeridianはGoogle、RobynはMetaが公開しており、どちらも自社が販売する広告を評価の対象に含みます。コードが公開されているため中身を確かめることはできますが、米国の業界メディアAdExchangerは、Meridianを初期設定のまま使う広告主が多いことへの懸念を報じています（2026年7月14日）（出典：AdExchanger「Google’s Meridian And Meta’s Robyn: A Gift To Measurement Or Trojan Horses?」）。

社内で担うための条件：分析チームが、評価の対象となる予算を持つ部門から独立していること、または結果を検証する別の手順があることです。そのうえで、経営企画や財務と、どの指標で何を判断するかを事前に決めておくと、結果が出てから数字の妥当性を議論し直す時間を減らせます。

外部パートナーが役立つ場面：結果が大きな予算を動かす場合や、社内で結果の受け止め方が分かれている場合です。評価の対象となる予算に利害を持たない第三者が検証した結果は、社内で説明するときの根拠になります。一方、分析チームが予算を持つ部門から独立していて、結果が社内で受け入れられているなら、この必要性は小さくなります。

実行：配分を変え、その結果を次の分析で確かめる

実行とは、MMMの結果を施策の計画に落とし込んで予算配分を変え、その変更が成果にどう表れたかを次のモデル更新で確かめる業務です。配分を変えなければ、分析は過去の説明で終わってしまいます。

社内で担うための条件：予算配分を決めるのは常に社内なので、配分を変える権限を持つ人がMMMの議論に関わっている必要があります。また、定期的な人事異動がある企業では、担当者が替わると、過去の配分をそう決めた理由が失われやすくなります。判断の理由を記録として残しておくと、後任者がモデルの結果と過去の判断を結びつけて見直せます。

外部パートナーが役立つ場面：分析結果を媒体ごとの配分案や施策の計画に落とし込むときや、問いの設計から実行までの流れを、モデルを更新するたびに回し続けるときです。

このように、オープンソースのMMMが大きく変えたのは6つの業務のうち主にモデルの構築と更新で、残りの業務は、誰がどう担うかを企業ごとに決める必要があります。その分け方によって、次に紹介する3つの組み合わせが生まれます。

内製・併用・外部委託：6つの業務の分け方で見る、3つの組み合わせ

内製・併用・外部委託は、6つの業務のうち、どれを社内が主導するかによって分かれます。代表的な組み合わせは外部委託中心、併用、内製中心の3つで、問いの設計と実行は、どの組み合わせでも社内が主導します。

次の表は典型的な分担の例で、実際の分担は企業ごとに異なります。

外部委託中心が向いている場合

向いている状況：社内に分析者がおらず、まず信頼できる結果を得たい場合や、結果を大きな予算判断に使うため、第三者による確認が求められる場合です。

社内に必要な体制：問いを決め、データを提供し、結果をもとに配分を決める担当者です。モデルを作る人が社内にいなくても進められます。

うまくいかない兆候：社内に、結果に疑問を投げかけられる人がいない状態です。外部の報告をそのまま受け取るだけになると、結果が想定と違ったときに見直すきっかけがなくなります。

併用が向いている場合

向いている状況：社内に分析者がいて、結果を社内で説明できるようになりたいものの、モデルの設計や検証には、まだ外部の知見が必要な場合です。

社内に必要な体制：外部パートナーと共同でモデルを扱える分析者と、データを継続して整備できる体制です。

うまくいかない兆候：モデルの構築と更新の責任が、社内と外部のどちらにあるのかが曖昧な状態です。更新が遅れたり、前提の変更が記録されなかったりする原因になります。

内製中心が向いている場合

向いている状況：データの整備とモデルを扱える人材がそろい、モデルを頻繁に更新したい場合や、データを社外に出せない事情がある場合です。国内でも、JINSのように、外部委託の費用や結果が出るまでの時間を理由に内製化を選び、その取り組みを公開している企業があります。

社内に必要な体制：データエンジニア、前提ごとに理由を説明できる分析者、結果を事業の文脈で読み解ける人、そして結果を検証する別の手順です。

うまくいかない兆候：モデルを理解している人が一人しかいない状態です。その人が異動や退職でいなくなると、モデルの更新が止まり、結果の前提を誰も説明できなくなります。

組み合わせは、途中で変えることもできます。たとえば、最初の1年は外部パートナーと共同でモデルを作り、社内の分析者が前提を説明できるようになった段階で、モデルの構築と更新を社内に移す進め方もあります。どの組み合わせが合うかは、自社がいまどの業務を担えるかによって決まります。

判断の進め方：自社は、どの業務を社内で担うべきか

自社がどの業務を社内で担うべきかは、6つの業務それぞれについて、いま社内で担える状態かを確かめることで判断できます。外部パートナーに任せる業務が決まったら、相手の種類と、契約前に確かめる質問で候補を絞り込みます。

6つの業務ごとに、社内で担えるかを確かめる

次の表の「確かめること」に「はい」と答えられる業務は、社内で担える可能性が高いと言えます。「いいえ」となった業務が、外部パートナーの力を借りるか、社内で体制を整える対象になります。

問いの設計から順に確かめるのは、問いが決まって初めて、必要なデータの範囲やモデルの更新頻度が決まるためです。

外部の相手によって、何が違うか：契約の形と報酬の仕組み

外部パートナーの違いは、「契約の形と料金の仕組み」と「何に対して報酬が発生するか」の2つの軸で比べられます。契約で依頼する業務と、相手が報酬を得る仕組みは必ずしも一致せず、そのずれが、結果の中立性やモデル更新の扱いに影響します。

次の表は典型的な傾向で、実際の契約は会社や案件によって異なります。

外部パートナーを選ぶときに確かめたい5つの質問

外部パートナーを選ぶときは、次の5つの質問への答え方から、モデルの透明性、結果の検証の仕方、中立性、契約後に残るものを見極められます。

4つ目の質問は、外部パートナーへの依存を避けるためのものです。外部に任せる場合でも、契約後に社内に何が残るかを事前に確認しておけば、将来、内製化や相手の変更を検討するときの選択肢が残ります。

外部パートナーとしてのサイカの関わり方

サイカは2012年創業のデータサイエンスファームで、MMMは独自開発のツールを活用したコンサルティングサービス「MAGELLAN（マゼラン）」として2016年から提供しています。コンサルタントとデータサイエンティストが、問いの設計から、データの整備、モデルの構築と更新、解釈、合意、実行まで、6つの業務に関わります。すでに社内でMMMを運用している企業や、ほかの会社のモデルを使っている企業とも、解釈と合意の場面で、結果を第三者として検証する形で関わることがあります。

詳しくは、MMMのサービスページの「すでにMMMを運用している方へ」をご覧ください。

よくある質問

MMMを内製化すると、費用は下がりますか？

ソフトウェアの費用は下がりますが、総額が下がるとは限りません。オープンソースのMMMで不要になるのはモデルの構築と更新にかかるライセンス費用で、データの整備、解釈、合意の業務には、社内の人員と時間がかかり続けます。社内に移す業務が増えるほど必要な人員も増えるため、どの業務を社内で担うかによって総額は変わります。なお、MMMを内製化したJINSは、2025年に公開した技術ブログで、内製化の効果の一つにコストの削減を挙げています。

MMMの内製化には、どんな人材が必要ですか？

必要な人材は、6つの業務のうちどれを社内で担うかによって決まります。データの整備まで社内で行うならデータエンジニアと代理店との調整役が、モデルの構築と更新まで行うなら前提ごとに理由を説明できる分析者が加わります。解釈まで社内で行う場合は、統計と事業の両方がわかる人も必要です。どの形でも、問いの設計と実行のために、予算配分の権限を持つ人が関わる必要があります。

広告代理店に依頼しているMMMを内製に切り替えるには、何から始めればよいですか？

まずは、出稿データを代理店から継続して受け取れるかの確認から始めます。内製化した後も、テレビやデジタル広告の出稿データの多くは代理店を通じて手に入るためです。そのうえで、最初は一つのブランドと一つの成果指標に絞り、一定の期間は既存のモデルと社内のモデルの結果を並べて比べると、違いの理由を確かめながら移行できます。

MMMの内製化には、どれくらいのデータと期間が必要ですか？

少なくとも13ヶ月分のデータが必要で、2〜3年分あると結果がより確かになります。期間は、データの状態と社内の体制によって大きく変わります。参考までに、サイカがMMMを行う場合は、初回のレポートまで通常3ヶ月ほどかかります（データの準備状況によって変わります）。内製の場合は、これにデータの受け渡しの取り決めや、分析者がライブラリに慣れるための時間が加わることがあります。

まとめ

MMMの内製化で決めるのは、6つの業務のうちどれを社内で担うかです。オープンソースのMMMで下がったのはモデルを作る費用で、問いの設計、データの整備、解釈、合意、実行に必要な人と時間は残ります。外部パートナーに費用を払う価値があるのは、社内でまだ担えない業務か、社内だけで担うべきではない業務です。

MMMの進め方をさらに詳しく知りたい方は、次の記事もご覧ください。

• MMMとは？マーケティング・ミックス・モデリングの基本・分析手順・導入ポイントを解説
• マーケターのための「現代のMMM（マーケティング・ミックス・モデリング）」実践ガイド
• MMMに関するよくある10の誤解と真実｜高額・大企業向けは本当か？
• マーケティング分析のインハウス化｜メリットとデメリットを解説

著者情報

株式会社サイカ マーケティングチーム