相関と因果の違い｜マーケ施策で事故る典型例

import { NavigationBlock } from "@/components/blog/NavigationBlock";

ありがちな言い回し：「広告を出したら売上が伸びた。だから広告が効いている。」「SNS投稿を増やしたら問い合わせが増えた。施策の効果だ。」

現場では、「Aが増えたらBも増えた」という相関を、そのまま「AがBを引き起こしている」という因果だと取り違えることがあります。第三の要因（季節・景気・他施策）が両方に効いていると、施策効果を過大評価し、判断が壊れます。

この記事が想定する読者：マーケ・施策評価を担当するが「Aが増えたらBも増えた＝Aの効果」と短絡しがちな方。相関と因果の違いと、因果を言うときの設計を整理したい担当者。

判断を誤るとどうなるか：前後比較だけで施策効果を言い切ると、季節・他施策・母集団の変化で判断が歪む。相関は仮説にとどめ、因果を言うときは原因以外を揃える設計（ランダム化・比較群・交絡の考慮）を意識すると壊れにくくなります。

この記事の仮説：相関は「仮説」にとどめ、因果を言うときは「原因以外を揃える」設計（ランダム化・自然実験・交絡の考慮）を意識すると、マーケ・施策評価の判断が壊れにくくなる。

この記事でわかること

相関と因果の違い、交絡とは何か
マーケでよくある交絡（季節・他施策・母集団の変化）と、因果を言うときの設計
施策効果を言う前に、何を確認すればよいか（最小の検証テンプレ）

1. ありがちな誤解（現場で起きる言い回し）

「広告を出したら売上が伸びた。だから広告が効いている。」
「SNS投稿を増やしたら問い合わせが増えた。施策の効果だ。」
「LPを変えたらCVRが上がった。変更が効いた。」
「インフルエンサー起用後に売上増。起用の効果だ。」

いずれも、同時に起きただけの可能性がある。気温・季節・キャンペーン・他チャネル・競合の動きなど、第三の要因がAとBの両方に効いていると、相関は出るが因果ではない。

2. 何が間違いか（直感と数式のズレ）

相関と因果は別

相関：2つの変数が同時に変化する関係。Aが増えたらBも増える（または減る）。一方が他方の原因とは限らない。
因果：原因を変えると結果が変わる関係。時間的な順序（原因が先、結果が後）と、原因以外を揃えた比較がないと因果とは言い切れない。

「AとBが一緒に動いた」だけでは因果の証拠にはならない。交絡変数（AとBの両方に影響する第三の要因）があると、相関は出るが因果は誤推論になる。

具体例（数字で考える）：年末は広告費も売上も増えることが多い。広告費と売上の相関はあるが、因果（広告が売上を引き起こしている）とは限らない。年末はもともと需要が増えるため、広告を止めても売上は増える可能性がある。このとき「時期・季節」が交絡変数（広告費と売上の両方に影響する第三の要因）になっており、「広告を出したら売上が伸びた。だから広告が効いている」と短絡すると、施策効果を過大評価します。

マーケでよくある交絡

季節・時期：年末は広告費も売上も増える。広告を止めても売上は増える可能性がある。
他施策・他チャネル：LP変更と同時に広告出稿やメルマガを変えていると、「LPの効果」だけを切り出せない。
母集団の変化：新規流入が増えたからCVRが変わったように見えるが、実は「見ている層」が変わっただけ。
競合・市場：競合が値下げしたから自社売上が落ちたのに、「自社施策が効いていない」と誤解する。

因果を言うには「反事実」が必要

「施策をやったから結果がこうなった」と言うには、施策をやらなかった場合に結果がどうなっていたか（反事実）との比較が必要。観察だけでは反事実は分からないので、ランダム化比較・自然実験・差分の差分など、原因以外を揃える設計がいる。

3. 何をすれば良いか（判断基準・必要データ・見方）

相関は「仮説」にとどめる

「AとBは一緒に動いている」は仮説として扱う。「AがBを引き起こしている」と結論する前に、交絡の可能性を挙げ、できる範囲で検証する。
第三の要因（季節・他施策・母集団の変化）をリストアップし、「それらを考慮するとまだ因果と言えるか」を確認する。

因果を言うときの設計

ランダム化比較（A/Bテスト）：ユーザーをランダムにA群・B群に分け、片方だけ施策を当てる。原因（施策の有無）以外を揃えられるので、差は因果と解釈しやすい。
自然実験・差分の差分：ランダム化ができない場合、政策変更・地域差・時期差など「偶然に近い」変動を使って、施策の前後や比較群で差を見る。
交絡のコントロール：回帰分析で他変数を統制する、セグメントで層別に見るなど。解釈は「他変数を固定したときの関係」であり、未測定の交絡が残る可能性はある。

避けること

「一緒に動いた＝原因」と短絡しない：相関を見たあと、「では原因は何か」「交絡は何か」を必ず考える。
施策の効果を「前後比較だけ」で言い切らない：前後で他に変わった要因がないか確認する。可能なら比較群（施策を当てていない層・地域）を用意する。
データだけで因果を「証明」しようとしない：因果の主張には、設計（ランダム化・自然実験・交絡の考慮）と、その限界の明示が必要。

4. 最小の検証テンプレ（誰でも再現できる）

1つだけやるなら：施策効果を言う前に 「この相関を説明しうる交絡を1つ挙げる」。季節・他施策・母集団の変化・競合のどれが当てはまりそうか、を一文でいいので書く。

もう1つやるなら：「施策をやらなかった場合、結果はどうなっていたと考えるか」を1文で書く。反事実を言語化すると、観察だけでは因果が言い切れないことがはっきりする。

テンプレ例（判断ログ用）

見ている相関：A＝［］、B＝［］
交絡の候補（第三の要因）：［］
因果と言うために必要な設計（ランダム化・比較群・時期差など）：［］
結論：相関のみ / 因果として解釈（限界：［］）

よくある質問（FAQ）

相関と因果の違いは、一言でいうと何ですか？

相関は「2つの変数が同時に変化する関係」であり、因果は「原因を変えると結果が変わる関係」です。「Aが増えたらBも増えた」は相関であり、「AがBを引き起こしている」と結論するには、原因以外を揃えた比較（ランダム化・比較群・交絡の考慮）が必要です。

交絡とは何ですか？

AとBの両方に影響する第三の要因です。交絡があると、AとBの相関は出るが、AがBの原因だとは言い切れません。マーケでは季節・他施策・母集団の変化・競合の動きなどが交絡になりやすいため、施策効果を言う前に「この相関を説明しうる交絡は何か」を1つ挙げる習慣があると安全です。

施策の効果を「前後比較だけ」で言い切ってよいですか？

前後で他に変わった要因（季節・他施策・母集団の変化）がないか確認することを推奨します。可能なら比較群（施策を当てていない層・地域）を用意し、「施策をやらなかった場合、結果はどうなっていたか」を言語化すると、因果と相関の区別がはっきりします。

因果を言うには、どんな設計が必要ですか？

ランダム化比較（A/Bテスト）では、ユーザーをランダムにA群・B群に分け、片方だけ施策を当てることで原因以外を揃えられます。ランダム化ができない場合は、自然実験・差分の差分（政策変更・地域差・時期差など偶然に近い変動を使う）や、交絡のコントロール（回帰分析で他変数を統制する）を検討します。

本記事は相関と因果の混同（マーケ施策での典型例・検証設計の型）に特化しています。実際の因果の見極めはデータと文脈により異なるため、因果推論入門・統計で判断を壊さない・サンプルサイズの罠とあわせて自社の前提に合わせた判断をおすすめします。

因果推論とは？相関と因果の違い — 因果推論の基礎と手法
統計で判断を壊さない（検証の型） — 現場で壊れる統計ミス一覧
サンプルサイズ・A/Bテストの罠 — 「勝った気になる」原因と対処
CROの進め方｜何から検証するべきか — 検証の順序と判断軸
GA4アトリビューション入門 — 成果の帰属の見方

次に読む・最小検証

判断の土台として押さえておくこと

相関≠因果：「Aが増えたらBも増えた」は相関。因果を言うには原因以外を揃える設計（ランダム化・比較群・交絡の考慮）が必要。
施策効果を言う前に交絡を1つ挙げる：季節・他施策・母集団の変化・競合の動きなど、相関を説明しうる第三の要因を確認する習慣があると安全。
次の一手：因果推論の基礎は因果推論とは？、現場で壊れる統計ミス一覧は統計で判断を壊さない（検証の型）、平均の罠は平均の罠を参照する。

計測・検証の設計に関するご相談はこちら

relatedHub={{

title: "統計で判断を壊さない（検証の型）｜現場で起きる統計ミスと対処法",

url: "/blog/data/statistics-judgment-hub"

}}

nextInCategory={[

{

title: "因果推論とは？相関と因果関係の違いを理解し、真の原因を見つけるデータ分析手法",

url: "/blog/data/causal-inference-introduction"

{

title: "統計で判断を壊さない（検証の型）｜現場で起きる統計ミスと対処法",

url: "/blog/data/statistics-judgment-hub"

{

title: "平均の罠：中央値・分布を見ないと判断が壊れる（単価/滞在/工数）",

url: "/blog/data/average-pitfall-judgment"

{

title: "ベースレート無視：CVR改善で「母数」を忘れると詰む",

url: "/blog/data/base-rate-neglect-cvr-pitfalls"

]}

philosophyLink={true}

相関と因果の違い｜マーケ施策で事故る典型例