業界平均はあなたの目標ではない｜自社基準値のつくり方

「メルマガの開封率が業界平均を下回っている。テコ入れが必要だ」。マーケティングの定例会議で、こんな指摘に頷いていないでしょうか。実はこの比較、多くの場合そもそも成り立っていません。世の中に出回る業界平均やベンチマーク数値は、調査ごとに母集団も指標の定義も集計方法もバラバラで、同じ「メール平均開封率」を名乗る数字だけでも20%前後から39%超まで幅があります。どの調査と比べるかで、自社の評価は優等生にも落第生にも変わってしまう。つまり業界平均は、自社の現在地を測る物差しにも、目指すべき目標にもなりません。本記事では、ベンチマーク数値が比較に使えない理由を算出条件から解きほぐし、平均値と中央値の違い、ベンチマークの正しい使い方、そして生成AIも使いながら「自社の過去」を基準値として整備する手順まで解説します。

「業界平均より低い」は本当に問題なのか

メール開封率、広告のCTR、サイトのCVR。マーケティングの主要指標には、検索すればすぐ見つかる「業界平均」が存在します。そして多くの現場で、自社の数値がそれを上回れば安心し、下回れば改善課題に挙げる、という使い方がされています。しかしこの判断には大前提が抜けています。比較が成立するのは、同じ条件で測った数字同士だけだという統計の基本です。

身長の平均と比べるなら、靴を履いたまま測った集団と裸足で測った集団を混ぜてはいけません。ところがマーケティング指標の業界平均は、まさにこの状態で流通しています。誰を測ったのか（母集団）、何をどう数えたのか（定義と計算式）、いつどう測ったのか（計測環境）が調査ごとに異なるのに、数字だけが一人歩きする。下回っていても問題ないかもしれず、上回っていても安心できない。まずこの前提を押さえることが、ベンチマークとの正しい付き合い方の出発点です。

同じ指標なのに数字がバラバラ：出回るベンチマークの実態

実際にどれくらい違うのか、メール開封率を例に見てみましょう。メール配信ツールのBenchmark Emailが公表している2026年版レポートでは、約68,000ユーザー・90超の業種・21地域のデータを集計した平均開封率は25.54%、平均クリック率は1.45%です。一方、国内の解説記事で紹介されるグローバル調査には平均開封率39.64%というものもあり、複数調査を総合して「おおむね20%前後」と整理する記事もあります。同じ「平均開封率」を名乗る数字が、調査によって1.5倍以上違うのです。出どころと算出条件を並べると、その差の理由が見えてきます。

数字の出どころ	平均開封率	母集団・算出条件
配信ツールの年次レポート（2026）	25.54%	自社ユーザー約68,000・90超業種・21地域の集計
国内記事が引くグローバル調査	39.64%	対象範囲や母集団の詳細は出典により異なる
複数調査を総合した整理	20%前後	調査を横断してならした概算値

この表で並べた3つの数字は、どれも間違いではありません。それぞれが別の集団を、別の条件で測った正しい数字です。問題は、これらを自社の1つの数字と同列に比べようとすること自体にあります。母集団も算出条件も違う数字を優劣の物差しにしても、意味のある結論は出ません。

さらに同じレポートの中でも、業種によって開封率は政府・官公庁の64.27%から健康・フィットネスの19.85%まで3倍以上の開きがあります。つまり調査対象の業種構成が少し変われば、全体平均も大きく動くということです。この状態で「業界平均は25%だから、うちの22%は低い」と論じるのは、どの物差しで測ったかを確認せずに長さを議論しているのと同じです。以降のセクションで、数字がずれる原因を4つに分解します。

比較が成り立たない理由①：母集団が違う

最大の原因は母集団、つまり「誰のデータを集計したか」の違いです。ベンチマークレポートの多くはツールベンダーが公表しており、その集計対象はそのツールを使っている顧客だけです。ツールごとに価格帯も主要な顧客層も違うため、中小EC事業者が多いツールの平均と、大企業向けツールの平均は、そもそも別の集団を測った数字になります。海外ツールなら地域構成の影響も加わります。

自社と母集団のずれは、思っている以上に効きます。たとえばメール開封率は、リストの質（自社で集めた読者か、購入リストか）、読者との関係の深さ、BtoBかBtoCかで大きく変わります。展示会で集めた名刺への配信と、自社セミナー参加者への配信では、同じ会社のメールでも開封率は倍近く違うことがあります。社内のセグメント間ですらこれだけ違う指標を、素性の知れない他社集団の平均と比べても、得られる示唆はほとんどありません。

比較が成り立たない理由②：指標の定義と計算式が違う

2つ目の原因は定義です。同じ名前の指標でも、計算式が調査によって異なります。開封率なら、分母を「配信数」とするか「不達を除いた有効配信数」とするかで数値は変わります。CVRはさらに深刻で、サイト全体のCVRか、広告経由のCVRか、LPのCVRかで水準がまったく違います。国内の解説記事でも、サイト全体の平均CVRはおよそ2〜3%とされる一方、ターゲットを絞って配信される検索広告経由のCVRには7%台の参考値が紹介されており、同じ「CVR平均」でも数倍の開きがあります。

コンバージョンの定義そのものも揃っていません。購入完了を数える調査もあれば、資料請求や会員登録まで含める調査もあります。この違いを確認しないまま「業界平均CVRは2%」と自社のLP経由CVRを比べれば、判断を誤ります。ベンチマークを見るときに最初に読むべきは数字ではなく、その数字の分母と分子が何か、という定義のページです。定義の記載がないレポートは、参考値としても扱わないのが安全です。

比較が成り立たない理由③：業種の切り方が違う

3つ目の原因は業種分類です。90超の業種に分ける調査もあれば、10業種程度に丸める調査もあります。「BtoB」という区分がある調査もあれば、製造業・IT・士業のように業種軸だけで切る調査もあり、自社がどの区分に該当するのか判断できないことが珍しくありません。BtoBのSaaS企業が「IT・ソフトウェア」の平均と比べるべきなのか、「ビジネスサービス」なのか。区分の選び方ひとつで、比較相手の数字は大きく変わります。

しかも同じ業種名でも、その中身は調査ごとに違います。ある調査の「製造業」には従業員10名の町工場も従業員1万人のメーカーも含まれ、別の調査は上場企業のみが対象かもしれません。事業規模、商材単価、検討期間——マーケティング指標を左右する変数は業種名では捉えきれないのです。業種別ベンチマークは「業種によってこれだけ差が出る指標だ」というばらつきの大きさを知る材料として読むのが、実態に合った使い方です。

比較が成り立たない理由④：計測環境が変わり続けている

4つ目の原因は計測環境の変化です。象徴的なのが、Appleが2021年9月から提供しているメールプライバシー保護（MPP）です。この機能を有効にしたApple Mailでは、受信したメールの画像が実際の開封と無関係に自動で読み込まれるため、開いていないメールも「開封」として計測されることがあります。結果として開封率は実態より高く出やすくなり、MPP普及の前後で開封率の意味そのものが変わってしまいました。

これはメールに限った話ではありません。Cookie規制や計測仕様の変更で広告のコンバージョン計測は年々変わり、GA4への移行でセッションの数え方も従来と変わりました。つまり2〜3年前のベンチマークと今の自社数値の比較は、環境の違いを比べているだけになり得ます。ベンチマークを参照するなら発行年と計測時期を必ず確認し、古い調査は環境変化の分を割り引いて読む必要があります。

平均値と中央値：代表値の選び方で数字は変わる

算出条件と並んで押さえたいのが、平均値と中央値の違いです。平均値はすべての値を足して件数で割った数字で、一部の極端な値に強く引っ張られる性質があります。9社のCVRが1%で1社だけ20%なら、平均は約2.9%。この「平均2.9%」を目標にした9社は、実態とかけ離れた数字を追うことになります。一方、中央値は全体を並べたときの真ん中の値で、外れ値の影響を受けにくい代表値です。

マーケティング指標の分布は、少数の高パフォーマンス事例が平均を押し上げる偏った形になりがちです。だからこそ、LP作成ツールのUnbounceがLPのCVRについて平均値ではなく中央値（6.6%という公表値が国内でもよく参照されます）を使うように、中央値で公表する調査も増えています。レポートを読むときは、その数字が平均値か中央値かを必ず確認する。平均値しかない調査は「上位の突出した事例に引っ張られた、実態より高めの数字」の可能性を頭に置いて読んでください。

業界平均を目標にすると起きる実害

ここまでの話は理屈の問題に見えるかもしれませんが、ベンチマークの誤用は実務に具体的な損害を生みます。典型的な失敗パターンを挙げます。

• 業界平均を上回った指標を「合格」と見なして改善を止め、伸びしろを放置する
• 平均より低い指標を慌てて追いかけ、事業成果と関係の薄い数字の改善に工数を割く
• 算出条件の違う複数の調査から都合のよい数字だけ拾い、目標値の根拠にする
• MPPによる開封率のかさ上げを知らずに「開封率が改善した」と報告し、誤った成功体験を積む
• ベンチマークとの差だけを理由に、担当者や代理店の評価を上下させる

共通するのは、他社の数字が自社の意思決定を乗っ取っていることです。本来、改善すべき指標の優先順位は、自社の事業構造——どの指標が売上や商談にどれだけ効くか——から決まるはずです。出どころの曖昧な平均値を目標に据えた瞬間、その優先順位が外部の数字にすり替わります。数字に強い組織ほど「平均より上か下か」という問いではなく、「先月の自社より良いか悪いか、それはなぜか」という問いを立てています。

ベンチマークの正しい使い方：桁の確認と仮説出し

では業界平均は完全に無視すべきかというと、そうではありません。役割を限定すれば有用です。1つ目の使い方は桁の確認です。自社のメール開封率が3%なら、どの調査と比べても1桁低く、リストの質や到達率に構造的な問題がある可能性が高い。逆に60%なら計測の異常（MPPの影響など）をまず疑う。ベンチマークとの比較は、こうした「桁レベルの異常」の検知には十分機能します。

2つ目の使い方は仮説出しです。業種別レポートで自社に近い業種の傾向を眺めると、「この業界はメールよりセミナー経由が強いのでは」「季節性があるのでは」といった仮説の種が得られます。3つ目は、新しいチャネルを始めるときの初期の仮目標です。自社データがゼロの状態では、ベンチマークを出発点として使い、数か月分の自社データが貯まり次第、自社基準に切り替える。使ってよいのは、自社データがないか、桁を疑うとき。この線引きを守れば、ベンチマークは害から道具に変わります。

判断の主軸は「自社の過去との比較」に置く

他社比較の代わりに主軸へ据えるのが、自社の過去との比較です。同じ商材・同じリスト・同じ計測方法で集計し続けた自社の時系列データは、母集団のずれも定義のずれもない、世界で唯一自社と条件が揃った比較対象です。先月比・前年同月比・過去6か月の移動平均。この3つの見方だけで、施策の効果も季節性も異常値も、業界平均よりはるかに正確に読み取れます。

自社比較を機能させる条件は一貫性です。集計の途中で定義や範囲を変えると、改善したのか定義が変わっただけなのか判別できなくなります。計測環境の変化（MPPの普及、計測ツールの移行など）があった時期は、データに注記を残して前後を分けて読む。地味な運用ですが、この積み重ねが自社だけの、信頼できるベンチマークを育てます。他社の平均を眺める時間を、自社データの整備に振り向けるほうが、意思決定の質は確実に上がります。

自社基準値を整備する手順

自社基準値（自社ベンチマーク）の整備は、大がかりなデータ基盤がなくても始められます。スプレッドシートで十分です。次の4ステップで進めます。

ポイントは、最初から精緻を狙わないことです。定義に多少の粗さがあっても、同じ物差しで測り続けてさえいれば、増減の傾向は正しく読めます。逆にどれほど精緻でも、毎月定義が揺れる数字は使いものになりません。

セグメント別の基準値で判断の解像度を上げる

全体平均の自社基準値ができたら、次はセグメント別です。実はここでも「平均の罠」は起こります。自社のメール開封率25%という全体値の内訳が、既存顧客向け40%と展示会リード向け12%の合算だとしたら、全体値を見て一喜一憂しても打ち手は出てきません。セグメントごとに基準値を持ち、それぞれの過去と比較することで、初めて「どこが下がったのか」が特定できます。

切り口は欲張らず、施策の判断に直結する2〜3軸から始めます。メールならリストの獲得経路別と配信テーマ別、広告ならチャネル別とターゲット層別、サイトなら流入元別とページ群別。セグメントを細かくしすぎると1セグメントあたりの母数が減り、数字が偶然で上下してぶれます。母数が月100件を切るセグメントは四半期集計で読むなど、粒度と集計期間をセットで設計してください。

生成AIで自社基準値の整備を軽くする

自社基準値の運用が続かない最大の理由は、定義書づくりと毎月の集計・解釈が面倒だからです。ここは生成AIで軽くできます。まず定義書のたたき台づくり。自社で使っている指標名を列挙して渡せば、分母・分子・除外条件の選択肢を整理した定義書のドラフトが短時間で得られます。プロンプト例を挙げます。

あなたはBtoB企業のマーケティングデータ管理の支援者です。
以下は当社が月次で追っている指標の一覧と、現在の集計方法のメモです。
1. 指標ごとに「分母・分子・集計期間・除外条件」を整理した定義書の下書きを作ってください。
2. 定義が曖昧な箇所は「要決定」と印を付け、選択肢を2つずつ示してください。
3. 計測環境の変化（メールの自動開封など）の影響を受ける指標には注記を付けてください。
---
（ここに指標一覧と集計メモを貼り付け）

月次の運用では、集計済みデータの解釈を手伝わせます。過去12か月のセグメント別数値を渡し、移動平均からの乖離が大きい箇所を挙げさせて、考えられる要因の仮説を添えさせる。レポートのコメント欄の下書きとしては十分な品質が数分で得られます。ただし集計そのものは表計算側で行い、AIには分類・整理・言語化だけを任せるのが原則です。生成AIは計算を間違えることがあり、数字の確定をAIに委ねると基準値そのものの信頼が崩れます。

• 顧客名や個人情報を含む生データを外部の生成AIサービスへ渡さない。集計済みの数値とセグメント名だけに加工してから使う
• AIが挙げる要因仮説は候補にすぎない。配信ログや商談記録で裏を取ってから採用する
• 定義書を変更したときは変更日と理由を必ず記録し、変更前後のデータを安易に連結しない

目標値は事業から逆算する：ベンチマークは目標ではない

業界平均を目標に据えてはいけないなら、目標はどこから持ってくるのか。答えは事業目標からの逆算です。マーケティングKPIは、最終的な受注や売上といったKGIから逆算し、ファネル各段階の目標に分解するのが基本の設計です。たとえば「四半期で受注10件」が目標なら、受注率・商談化率・リード獲得数へと順にさかのぼり、各段階に必要な数字を計算で導き出します。開封率もCVRも、この逆算の中で「事業目標を達成するには最低いくら必要か」として決まる数字です。

目標値の決め方には、過去実績ベース・逆算ベース・ベンチマークベースの3つがあるとされます。実務で最も確実なのは、逆算ベースで必要値を出し、過去実績と照らして現実的かを検証する組み合わせです。ここでベンチマークが登場するのは検証の最後、「逆算した目標が、世間の相場から見て非現実的に高すぎないか」を確認する場面だけ。つまりベンチマークは目標を決める主役ではなく、逆算値の妥当性を最後にチェックする脇役です。この順番を守れば、他社の平均に目標を乗っ取られることはありません。

レポートを読む前のチェックリスト

最後に、ベンチマークレポートを手にしたときの読み方を、実務で使えるチェックリストにまとめます。数字を見る前に、まず調査概要のページで次の5点を確認してください。1つでも不明なら、その数字は参考値としても慎重に扱います。

• 母集団は誰か（どんな企業・どんなツールのユーザーを集計したのか、自社と重なるか）
• 指標の定義と計算式は明記されているか（分母・分子・除外条件がわかるか）
• 代表値は平均値か中央値か（平均値なら上位事例に引っ張られている可能性を割り引く）
• 業種の区分はどう切られているか（自社がどの区分に当たるか判断できるか）
• 発行年と計測時期はいつか（計測環境の変化を挟んでいないか）

この5点が読めて初めて、その数字を桁の確認や仮説出しに使えます。逆に、概要ページのないレポートや、数字だけが切り取られて拡散している画像は、出どころが確認できない時点で判断材料から外すのが安全です。チェックリストを定例レポートのテンプレートに組み込んでおけば、チーム全体でベンチマークの誤用を防げます。

よくある質問

経営層に「業界平均と比べてどうなのか」と聞かれます

正面から拒否するより、条件付きで答えるのが現実的です。「参照した調査では平均◯%ですが、母集団と定義が当社と異なるため参考値です。当社の判断基準は過去12か月の自社推移で、直近は◯◯です」と、ベンチマークを添え物に、自社推移を主役にして報告します。続けるうちに、社内の会話の軸は自然と自社基準へ移っていきます。

ベンチマークレポートはもう見なくてよいのでしょうか

見る価値はあります。ただし読み方を変えます。最初に見るのは数字ではなく調査概要のページで、母集団・集計方法・平均か中央値か・計測時期を確認します。その条件が読めたうえで、桁の確認・仮説出し・新チャネルの初期目安という3つの用途に限定して使えば、レポートは今でも有用な道具です。条件の記載がないレポートは判断材料から外します。

自社データが少なくて基準値になりません

母数が小さい指標は、単月ではなく四半期や半期で集計して基準値にします。月10件の商談数を月次で追っても偶然に振り回されるだけですが、四半期30件なら傾向が読めます。また、母数が小さいうちは率より実数（商談数・受注数そのもの）を主指標に置くほうが、判断を誤りにくくなります。データが貯まるまでは、粒度を落とす勇気が精度を守ります。

新しいチャネルを始めるときの目標はどう置けばよいですか

自社データが存在しない立ち上げ期に限り、ベンチマークを仮目標として使います。その際も、できるだけ自社と条件の近い調査（地域・事業モデル・商材単価）を選び、平均値なら高めに出ている可能性を割り引きます。そして最初の3か月は達成度よりも計測の整備を優先し、自社の実績値が貯まった時点で仮目標を自社基準値に置き換えます。

まとめ

出回る業界平均やベンチマーク数値は、母集団・指標定義・業種の切り方・計測環境が調査ごとに異なり、自社との単純比較はほとんどの場合成り立ちません。平均値は外れ値に引っ張られ、MPPのような計測変化は数字の意味そのものを変えます。ベンチマークの用途は桁の確認・仮説出し・立ち上げ期の仮目標に限定し、判断の主軸は同一条件で集計し続けた自社の過去数値に置く。定義書と移動平均とセグメント別の基準値、そして面倒な整備作業を生成AIで軽くする仕組み。他社の平均と競うのをやめた日から、数字は自社の意思決定の道具に戻ります。まずは主要指標10個の定義を書き出すところから始めてください。

※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。