Recastの答えだけで予算は決まらない｜前提と幅を人が読む

「MMMの結果を Claude に聞けば、来期の広告予算の配分案がすぐ出るらしい」「分析会社の報告書は読めないので、AIに要約させて経営会議に出したい」——広告予算の配分を任された担当者から、2026年の後半に入って急に増えた声です。米国の Recast は、ベイズ型のマーケティング・ミックス・モデル（MMM）を週次で回し続ける基盤で、2026年7月に、Claude や ChatGPT からモデルの結果を直接引ける MCP の接続口を公開しました。ただ、AIが読み上げるのはモデルの出力であって、予算の判断そのものではありません。この記事では、Recast の数字をAIアシスタント経由で読むときに、前提と不確かさの幅を誰が説明し、どの順番で決裁につなげるかを手順で整理します。

Recast とは：ベイズ型のMMMを週次で回し続ける計画と分析の基盤

Recast は、ニューヨークのブルックリンに本社を置く Recast Labs が提供する、マーケティングの計画と分析のための基盤です。公式サイトは自らを「マーケティング計画と分析の基盤」と位置づけ、中心にベイズ統計による独自のMMMを置いています。チャネルごとの投資対効果を日単位で、しかも時期によって変わるものとして推定するのが特徴で、飽和の曲線、広告の効果の持ち越し、販促による一時的な山、上流の施策が下流の検索や指名に流れる構造なども式に組み込んでいると説明しています。

MMMの周りには、予算の最適化、売上の予測とシナリオ、地域単位のリフト検証（自社ではジオリフトと呼んでいます）が並びます。予算の最適化は、チャネルごとの上限と下限を置いたうえで、増分の売上を最大にする配分を示す機能です。リフト検証の結果はMMMに戻して、モデルの補正に使えるとしています。公式の会社情報のページでは、本番で動いているモデルが3,000を超えること、週次で再推定するパラメータが4万を超えることを挙げています。

導入の形は、Recast 自身のチームが運用する形と、認定を受けた外部の運用者が担う形の二つが案内されています。顧客ごとに、担当の責任者、マーケティング専門のデータサイエンティスト、進行管理の担当が付く体制だと説明しています。道具を買うというより、モデルを作って回す体制ごと契約する商品だと捉えておくと、後の費用ややめ方の議論が整理しやすくなります。

2026年の動き：MCP と Claude 用プラグイン、公開API

鮮度の面で押さえたいのは、2026年7月8日に公式ブログで公開された、MCP の提供開始を告げる記事です。共同創業者のマイケル・カミンスキー氏の名前で、Recast の MCP の接続口と Claude 用のプラグインが、すべての顧客で使えるようになったと発表しました。プラグインは同じ接続設定を一度の操作で入れられるようにしたもので、ChatGPT や Codex など、ほかのAIからも MCP で接続できると案内しています。

発表時点で MCP から引けるのは、Recast 独自の報告のうち20種です。例として挙がっているのは、過去の販促ごとの増分を並べる報告、チャネルごとの投資と反応の曲線、下流のチャネルの成果を上流の投資までさかのぼる報告などです。使い方の例として、「昨年の販促を増分の大きい順に並べる」「Google 広告や Meta の管理画面の数字と Recast の推定を突き合わせ、ずれの大きいものを挙げる」「飽和までの余地が大きいチャネルの順に並べる」といった質問が紹介されています。

ほかに、版の管理された公開APIも用意されており、予測を Looker に流し込んだり、社内の業務の流れに組み込んだりできると公式サイトは説明しています。モデル全体は週次で更新され、プラグインからは定期的な取り込みを予約して、エージェントや Python の処理、ダッシュボードに流せるとしています。AIから気軽に引けるようになったことで、読む人の数が一気に増えることが、この発表の実務上の意味です。

このほか、公式サイトは、Meta の計測パートナーの認定を受けていることや、分析の報告の雛形を公開し、利用者が手元で書き換えられるようにしていることも挙げています。直近では、指名の検索がどの施策から生まれているかを調べた研究や、チャネルの規模を広げたときの効き方の研究を公開しており、手法の考え方を外に向けて説明する姿勢が見えます。社内でモデルの前提を説明するときの材料として、こうした公開の研究を参照できるのは利点です。

「AIに聞けば予算が出る」が誤解である理由

誤解の一つ目は、MMMの出力を「答え」だと見なすことです。MMMは、過去の投資と成果の動きから、各チャネルの寄与を統計的に推定したものです。どのチャネルを一つにまとめたか、季節や販促をどう扱ったか、効果の持ち越しをどう置いたかといった前提が変われば、推定も変わります。前提を知らない人がAI経由で数字だけを受け取ると、その数字がどんな条件付きのものかが見えなくなります。

二つ目は、AIアシスタントが「分かりやすく」まとめる性質です。予算の配分案を尋ねると、AIは推定の中央の値を使って、整った表や箇条書きを返しがちです。ところが、ベイズ型のMMMの価値は、推定の幅を一緒に出すところにあります。幅が広いチャネルは「まだよく分からない」ことを意味し、そこに予算を寄せる判断は、中央の値が同じでも重みが違います。

三つ目は、予算の判断には、モデルの外の事情が入ることです。営業の採用計画、展示会の年間予定、契約で決まっている最低出稿額、ブランドの方針などは、モデルには入っていません。AIに予算を決めさせない。AIには根拠と幅を読み上げさせ、決めるのは人という線を、使い始める前に社内で合意しておく必要があります。隣接する話題として、MMMそのものの仕組みや、個別の計測との違いは別の記事で扱っているので、ここでは Recast をAI経由で読む場面に絞ります。

Recast の数字は、すべて幅つきの推定値

公式の会社情報のページは、すべての推定に不確かさの幅を付けて出すと明記しています。予測にも、高い場合と低い場合の両方を示すとしています。また、事前分布などの前提は、すべて画面上で見えるようにしているとも説明しています。つまり、Recast を正しく読むための材料は、画面の側にはそろっていることになります。

精度について、公式サイトは「累積の予測精度95%超」と主張し、7日、30日、60日、90日の先を予測して、実績と答え合わせをする検証を週次で回していると説明しています。ただし、この数字は提供会社が自ら測って公表しているものです。同じページの中でも、運用を支えている広告費の総額が「40億ドル超」と「50億ドル超」の二通りで書かれているなど、販促の文書としての性格があります。精度の数字は、自社のモデルの答え合わせの結果で確かめるのが筋です。

ここで大切なのは、予測の精度と、チャネルごとの寄与の正しさは別物だという点です。合計の売上をよく当てるモデルでも、どのチャネルの手柄かの割り振りが正しいとは限りません。予算の配分で効いてくるのは、合計ではなく割り振りの確かさであり、割り振りの確かさを確かめる手段が、後で述べる検証実験です。

AIアシスタント経由で読むと、何が抜け落ちるか

MCP 経由で Recast を読むと、画面を開かなくても、会話の中で数字が手に入ります。便利な反面、画面では自然に目に入っていた情報が落ちやすくなります。落ちやすいのは主に三つで、推定の幅、どの報告から引いた数字か、そしてモデルがいつの時点で再推定されたものかです。

• 「来期はどのチャネルに寄せるべき？」とだけ聞き、中央の値で作られた配分表をそのまま会議資料に貼る
• AIが Recast の推定と広告の管理画面の数字を混ぜて計算した結果を、どちらの数字か区別せずに報告する
• 先週の再推定で値が動いたことに気づかず、先月の会話で得た数字と今週の数字を並べて比べる
• AIの説明にある「飽和している」「伸びしろがある」という表現を、根拠の報告を見ずに決定事項として扱う

これらは、AIの能力の問題ではなく、問いの立て方と受け取り方の問題です。AIは聞かれたことに答えるので、幅を出せ、根拠の報告名を書け、取得した日付を書け、と毎回指示することが前提になります。指示を個人の工夫に任せると担当者ごとにばらつくため、質問の型として社内で固定しておくのが現実的です。具体的な型は、後の手順5で示します。

手順1　前提を文書にする：チャネルの区切り・成果指標・事前分布

AI経由で読む前に、モデルの前提を一枚の文書にまとめます。最低限書くのは、どのチャネルをどの単位で区切ったか、成果として何を置いたか、事前分布として何を仮定したか、販促や価格改定などの出来事をどう入れたか、の四つです。Recast は前提を画面で見られるようにしているので、まずは運用の担当者と一緒にその内容を書き出します。

この文書は、AIに読ませる材料にもなります。会話の冒頭で前提の文書を渡し、「この前提の範囲で答えること」「前提に無い要因に触れるときは、前提外と書くこと」と指示すれば、AIがモデルの外の話を、モデルの結果であるかのように語るのを減らせます。前提の文書を持たずにAIに聞くと、AIは一般的なMMMの知識で補ってしまいます。

前提の文書には、持ち主も書きます。チャネルの区切りを変える、成果の指標を変えるといった変更は、モデルの数字を大きく動かします。公式のデータの手引きでも、チャネル名や構成の変更はできるだけ早く知らせるよう求め、変更には1週間程度かかり、更新が遅れることがあると説明しています。前提を変えてよい人を一人に決め、変えた日を記録することで、後から数字の変化を説明できるようになります。

手順2　BtoBで足りるデータ量かを確かめる

公式のデータの手引きが求めるのは、日付、チャネルごとの日次の広告費、日次の成果指標を1行1日で並べたデータです。期間は27か月分の提出を推奨し、会社情報のページでは最低18か月としています。成果指標の例には、売上、利益、コンバージョン数に加えて、日次のMQLも挙がっています。販促や新製品の発表の予定表は、販促を行う会社には必須とされています。

BtoBで問題になるのは、成果指標の数の少なさと、成果が出るまでの遅れです。日次の受注が数件しかない会社では、受注を成果に置くと、チャネルごとの寄与を見分けるだけの動きがデータに出ません。MQLを置けば数は増えますが、MQLの定義が年の途中で変わっていれば、それ自体が説明できない変化になります。検討期間が数か月に及ぶ商材では、広告費と成果の間の遅れも長くなります。

Recast は、登録から入金、利用へと段階を追う多段のモデルに対応していると説明していますが、公開されている事例は、消費財、金融、製薬、ネット直販などが中心です。BtoBの長い商談を前提にした事例は、公開情報からは確かめられません。導入を検討するなら、自社の過去27か月のデータを渡し、どの成果指標なら推定が安定するかを、契約前の試算で見せてもらうのが確実です。

• 広告費が年間を通じてほぼ一定のチャネルは、効果を見分けにくい。予算の増減の履歴があるかを先に確かめる
• 展示会や大型の発表は、販促の予定表に入れないとモデルが広告の手柄と取り違える
• 期の途中でMQLの定義や営業への引き渡しの基準を変えた場合は、変えた日を前提の文書に書く

データの付け方にも、BtoBで効く決まりがあります。公式のデータの手引きは、ポッドキャストやダイレクトメールのように期間を区切って配る施策は、費用を期間に均さず、配り始めた日にまとめて計上するよう求めています。展示会の出展や郵送の案内状、まとめて買う業界誌の広告枠など、BtoBに多い施策は、経理の計上日と配布の開始日がずれやすいので、どちらの日付で入れたかを前提の文書に書きます。販促や発表の予定表は、可能なら1年先まで入れるよう勧めているので、予測を使う会社は年間の施策の予定もそろえておきます。

手順3　検証実験と組み合わせる：地域単位のリフト検証と媒体内の実験

MMMの割り振りを確かめる手段が、検証実験です。Recast は、実験の結果をMMMに取り込んで補正できると説明し、データの手引きでは、チャネル、開始日と終了日、実験の種類、増分の推定、その確からしさを渡す形式を示しています。実験の種類の例として、広告媒体の中で行う実験と、地域を分けて配信を止める実験が挙がっています。

地域単位のリフト検証は、Recast では別の商品として提供されており、公式の会社情報では最初の6か月は無料、その後は月100ドルからと案内されています。ただし、地域で配信を分ける実験は、地域ごとの成果に十分な数があることが前提です。日本のBtoBで、都道府県ごとの商談数が少ない場合は、地域ではなく期間で配信を止める実験や、媒体が用意する実験の機能のほうが現実的な場合もあります。

Recast 自身は、実験がなくても正確な結果を出せるとしつつ、裏付けのために実験を勧めています。予算を大きく動かすチャネルから順に、年に一度は実験で確かめるという運用にしておくと、AIに引かせた数字にも、実験で確かめた範囲とまだ確かめていない範囲の区別を付けられます。

手順4　予算の最適化の提案を、制約つきで読む

予算の最適化の機能は、チャネルごとの上限と下限を入れたうえで、増分の売上を最大にする配分を示します。注意したいのは、最適化の結果は、推定の中央の値を使った計算だという点です。幅の広いチャネルにまで大きく予算を寄せる配分が出てきた場合、それは「効くと分かったから」ではなく「効くかもしれない幅が大きいから」であることがあります。

実務では、最適化の提案を三つに分けて読みます。幅が狭く、実験でも確かめたチャネルの増減は、そのまま採用を検討します。幅が広いチャネルの増額は、全額ではなく実験の予算として一部だけ動かします。モデルの外の事情で動かせないチャネルは、下限に契約の金額を入れて、再計算させます。この仕分けを人が行い、AIには仕分けの根拠となる幅と実験の有無を一覧にさせます。

チャネルの状態	最適化の提案の扱い	AIに出させる根拠
幅が狭く、実験で確かめ済み	増減の提案を採用の候補にする	推定の幅、実験の時期と結果
幅が広い、実験なし	一部だけ動かし、実験として扱う	幅の上下の値、実験の候補
契約や方針で動かせない	下限に固定して再計算する	固定した理由と金額
飽和に近いと推定	減額の候補だが、ブランドへの影響を確認	投資と反応の曲線の報告

上限と下限を誰が入れるかも決めておきます。制約の値を変えると、最適化の結果はいくらでも変わるため、制約を入れた人と理由を、提案と一緒に残すことが説明の前提になります。

手順5　AIに聞く質問を決め、答えに根拠を付けさせる

MCP から引ける報告は、発表時点で20種です。どの報告で何が分かるかを担当者が把握したうえで、決まった質問の型を作ります。たとえば、四半期の振り返りなら「チャネルごとの増分の投資対効果を、推定の幅つきで、取得した日付と根拠にした報告名を添えて表にすること。幅が中央の値の半分を超えるものには印を付けること」のように書きます。

管理画面の数字との突き合わせは、AIに任せると便利な作業ですが、ずれを見つけるところまではAI、どちらを信じるかは人という線を守ります。広告媒体の管理画面は、媒体自身の計測の考え方で成果を数えており、MMMの増分とは定義が違います。ずれがあること自体は異常ではなく、ずれの理由を説明できるかが問われます。

手順6　決裁者への見せ方：一点の数字ではなく幅と次の検証

決裁者への資料で最も避けたいのは、「この配分にすれば売上が何パーセント伸びる」と一点の数字で約束することです。Recast の予測は高い場合と低い場合を示すので、資料にも幅のまま載せます。そのうえで、幅が広いところについては、次の四半期にどの実験で確かめるかを一緒に示します。

決裁者は統計の専門家ではないので、幅の意味を一文で添えます。「このチャネルは、効いている可能性が高いが、効き具合は前後に大きく振れる」「このチャネルは、効き具合がよく分かっているが、これ以上増やしても伸びにくい」といった言い方です。AIに資料の下書きを作らせる場合も、この言い換えを人が確認します。AIは確かさを強めに書く癖があるため、「示唆される」を「判明した」に書き換えていないかを見ます。

もう一つ、決裁の資料には、前提を変えたときにどう動くかを一つだけ添えると、議論が建設的になります。たとえば、展示会を販促として扱うかどうかで、ある検索広告の寄与がどれだけ変わるかです。前提の違いで結論が逆転するなら、その結論はまだ決める段階ではありません。決めるのは人であり、モデルとAIは判断の材料を整える役だと、資料の構成で示します。

誰の権限で動き、何が社外に出るか

Recast に渡すのは、チャネル別の日次の広告費と成果指標で、個人単位の行動データではありません。公式の会社情報は、集計データを使うため個人の追跡の制限の影響を受けないと説明し、基盤は AWS 上のクラウドで、SOC 2 に準拠しているとしています。渡すデータが集計値で済むのは、MMMの大きな利点です。とはいえ、チャネルごとの予算と売上の推移は、競合に知られたくない経営情報です。

MCP の接続では、Recast から先のAIの事業者にもデータが流れることを押さえます。公式ブログは、接続はブラウザでの標準的な認証で行い、データは暗号化された経路で、利用者が認可したAIにだけ送られ、生成AIの学習には使わないと説明しています。ただし、これは Recast 側の約束です。AIの事業者の側で会話がどう保存され、学習に使われるかは、社内で契約しているAIの利用条件で決まります。

権限の面では、MCP の接続を許す人を限ります。接続した人の権限で報告が引けるので、予算の情報を見てよい範囲と、AIに接続できる人の範囲をそろえます。公式の発表には、MCP から書き込みができるかどうかの記載は無く、読み出しの例だけが示されています。前提や制約を変える操作は画面で行い、AI経由にしないと社内で決めておけば、意図しない変更を避けられます。

週次の再推定で数字が変わることへの備え

Recast は毎週、モデル全体を再推定します。データの手引きによれば、再推定のたびに過去のすべての期間を推定し直すため、過去のデータを直すと、今の推定も動きます。毎週、全期間のデータを提出し直すよう勧めているのも、広告費の訂正を反映させるためです。先月聞いた数字と今週の数字が違うのは、仕様どおりの動きです。

AI経由で読むと、この変化に気づきにくくなります。会話の履歴に残った古い数字を、そのまま比較に使ってしまうからです。対策は単純で、会議に出す数字には取得日を必ず付け、比較するときは同じ日に取り直した数字を使います。定期的な取り込みを予約して、取得日ごとに保存しておけば、数字の動きそのものを後から追えます。

大きく動いたときは、理由を説明できる人が要ります。データの訂正、チャネルの区切りの変更、新しい実験結果の取り込み、季節の変化のどれが効いたのかを切り分けるのは、AIではなく、前提の文書の持ち主の仕事です。AIには、前週との差の大きいチャネルを一覧にさせるところまでを任せます。

費用の増え方と、止め方・やめ方

MMM本体の料金は公開されておらず、公式サイトは問い合わせの形を取っています。認定の運用者が担う場合は、運用者が独自の機能や料金の形を持ち込むことがあるとも書いています。公開されている価格は、地域単位のリフト検証の月100ドルからという案内だけです。費用が増える要因は、モデル化する事業や地域の数、チャネルの細かさ、追加の実験、運用者の支援の範囲だと考えるのが自然ですが、具体的な料金の体系は見積もりで確かめる必要があります。

AIの側の費用も忘れずに数えます。MCP で Recast を引く会話は、社内で契約しているAIの利用枠を使います。定期の取り込みをエージェントに回すと、利用量は人の会話より速く増えます。どの処理を自動で回すかを決め、月ごとの利用量を見て、必要の薄い処理は止めます。

やめるときに残すものは、三つあります。提出してきた日次のデータ、前提の文書、取得日ごとの推定と予測です。具体的には、毎週提出してきたチャネル別のデータ一式、変更履歴つきの前提の文書、会議に出した時点ごとの推定と予測の写しです。Recast は、結果を顧客のデータ基盤へ自動で書き出す機能があると説明しているので、契約中から推定の結果を自社側に書き出しておくと、別の手法に移っても過去の判断の根拠を説明できます。MCP の接続は、AIの側の接続設定と、Recast の側の認可の両方を外して止めます。

よくある質問

Recast の MCP を使えば、分析担当がいなくても回せますか

回せません。AI経由で数字を引く作業は誰でもできるようになりますが、前提の文書を持ち、再推定で数字が動いた理由を説明し、制約の値を入れる人は必要です。引く人が増えるほど、説明する人の役割は重くなります。

BtoBで、年間の広告費が小さい会社でも使えますか

公開情報からは、最低の広告費の基準は確かめられません。データの手引きが求める日次の広告費と成果指標を27か月分そろえられるか、成果指標に日々の動きが十分にあるかが、まず確かめる点です。契約前に自社のデータで試算を見せてもらい、推定の幅が判断に使える程度に狭いかを確かめます。

ChatGPT や社内のAIからでも同じように使えますか

公式ブログは、Claude 用のプラグインに加えて、ChatGPT や Codex などからも MCP で接続できると案内しています。どのAIを使う場合も、データがそのAIの事業者に流れる点は同じなので、社内でAIに渡してよい情報の区分に、予算と売上の推移がどこに入るかを先に決めておきます。

無料で使えるMMMの道具と比べて、何が違いますか

Recast は、自社のモデルは公開されている無料の道具に比べてパラメータの数がはるかに多く、週次で自動で再推定する点を違いとして挙げています。比較の詳細は提供会社の主張なので、自社で選ぶときは、運用の体制を自前で持てるかどうかを軸に考えるのが現実的です。

まとめ

Recast は、ベイズ型のMMMを週次で回し、予算の最適化と検証実験までをつなげる基盤で、2026年7月からは MCP と Claude 用プラグインで、AIアシスタントから結果を引けるようになりました。読む人が増える一方で、AIに要約させると、推定の幅、根拠の報告、取得日が落ちやすくなります。導入するなら、前提の文書を作り、BtoBでデータ量が足りるかを試算で確かめ、検証実験と組み合わせ、最適化の提案を制約つきで仕分け、質問の型で根拠を付けさせ、決裁者には幅と次の検証で見せる、という順番で進めます。AIは読み上げと整理の担い手であり、予算を決めるのは前提を説明できる人です。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。