「満足度95%」と「20人に1人が不満」は、必ずしも同じ意味ではありません。回答が「満足/不満」の二択なら対応しますが、「どちらでもない」や無回答があれば、残り5%を全員「不満」とは言えないからです。BtoBレポートでは、印象的なパーセンテージを選ぶ前に、誰の回答を何件集計した数字なのかを確かめる必要があります。
数字のフレーミングとは、何を変えることなのか
TverskyとKahnemanが1981年に発表した研究は、意思決定の問題を表現する枠組み(フレーム)によって選好が変わり得ることを示しました。しかし、これを「経営層を狙いどおりに動かす心理テクニック」と解釈してはいけません。実務では、比較の枠組みだけでなく、母集団、調査期間、指標定義が異なると数値自体の意味も変わります。
たとえば「満足度95%」は、調査回答100件中95件が満足という意味かもしれません。ところが「全顧客の95%が満足」と書けば、回答しなかった顧客を勝手に含めた不正確な説明になります。正確には「調査回答者100人のうち95人が『満足』を選択」と書くべきです。
数値の読み違いを生む四つの落とし穴
- 分母の違い:登録者100人と、回答者20人では95%の意味が違う。回答率や欠測を確認する。
- 比較期間の違い:単月と四半期、前年同月と前月では季節要因や母数が異なる。
- 単位の違い:売上高と粗利、セッションとユーザー、リード数と商談数は代用できない。
- 指標定義の変更:フォーム改修やCRMの重複除外ルール変更の前後を、そのまま成果比較しない。
実例1:『200%増』だけでは伝わらない
架空の例として、ある施策の商談件数が前月1件から今月3件になったとします。増加数は2件、増加率は200%で、今月は前月の3倍です。「200%成長」だけだと規模の小ささが分かりません。「1件→3件(2件増、前月比+200%)」と併記すると、実態を正しく評価できます。件数が少ない場合は、偶然の変動が大きく見える可能性にも注意が必要です。
実例2:SaaSの『稼働率99.9%』は何を意味するか
年間365日を分母とし、1年間ずっと測定した稼働率が99.9%だと仮定すると、年間の非稼働時間は約8.76時間に相当します。しかし実際のSLAでは、計測単位が月次か、計画メンテナンスを除外するか、どの障害を対象とするかが契約で定められます。年間約9時間と換算しただけでは、契約上の許容停止時間や実際の障害時間を説明したことにはなりません。
実例3:商談化率の改善を報告するとき
ある月に200件のリードから20件の商談が生まれ、翌月に100件のリードから15件の商談が生まれたとします。商談化率は10%から15%へ5ポイント上昇(相対的には50%増)していますが、商談の絶対件数は20件から15件へ減少しています。「5ポイント増」と「5%増」も同じ意味ではありません。「質が改善した」とだけ報告しても、営業部門の受注見込みにとって十分とは限りません。両方の数字、リードの獲得方法、受注・失注の状況を併記して初めて判断しやすくなります。
調査・アンケートを使うときの開示項目
米国世論調査学会(AAPOR)の調査情報の開示基準では、誰を対象に、どう集め、いつ何人に、どの質問で調べたかなど、結果を第三者が吟味できる情報が重視されています。BtoB企業の小規模な顧客調査でも、回答者だけに偏りがないか、前回と同条件で比較できるかを明らかにすると、数字を過大に見せずに済みます。
- 誰に聞いたのか――契約顧客、イベント参加者、サイト訪問者など。
- 何人に依頼し、何人が答えたか。
- 質問文と選択肢は何だったか。
- いつ実施し、前回調査と条件は同じか。
- 無回答・除外・重複をどう扱ったか。
- 数字から言える範囲と、推測にとどまる部分は何か。
経営層への1枚報告は、『数字・定義・意思決定』を分ける
たとえば「リード数は前月比-20%。対象は問い合わせフォーム経由、広告経由の除外条件は前月と同じ。商談数は未確定。来週の営業レビュー後に施策変更の可否を判断する」と伝えれば、数字そのものと判断に必要な情報が区別されます。好ましくない結果でも、根拠が分からない段階で「原因は競合」などと断定しないことが大切です。
生成AIはレポートのドラフトや指標定義の抜け漏れ確認には使えますが、元データを照合せず、もっともらしい分析結果として採用してはいけません。数値や顧客情報の投入は所属組織の規程に従ってください。
まとめ――『見せたい数字』より『判断できる数字』
フレーミングの効果を知ることは、相手の感情を操作するためではなく、数値がどう誤解され得るかに気づくために役立ちます。分母と実数を見せる、比較条件をそろえる、推測を分ける。不都合な数字を隠さず、意思決定に必要な意味を添えることが、長く信頼されるBtoBレポートの基礎になります。関連テーマは悪い数字を経営層に報告する方法、BtoBマーケティングから探せます。
参考資料
- Tversky & Kahneman(1981), The Framing of Decisions and the Psychology of Choice――フレーミングと選択行動に関する実験研究。
- AAPOR, Best Practices for Survey Research――調査データ解釈・開示の基礎。
- AAPOR, Disclosure Standards――調査の対象・設計・期間・標本数などの開示基準。
- 数値例および報告様式は当サイトが作成した架空の例です。研究の実測結果ではありません。