外れ値の扱いで予測が狂う原因｜AIに渡す前の処理

「先月だけ平均の受注額が3倍になって、報告の場で説明できませんでした」「1件だけ極端に大きい行があったので消したら、今度は予測が低く出るようになりました」——数字を扱う部署から、この2つは対になって届きます。統計の知識が足りないから起きているのではありません。本当は、測り間違いの外れ値と、本当に起きた極端な値を、同じ扱いにしていることから出ています。この記事では、その2つを切り分ける手順と、AIに渡す前にやっておく処理を整理します。

場面：1件の大口受注で、翌月の見通しが全部ずれた

具体的な場面を1つ置いて、記事の最後まで同じ題材で追います。業務用の設備を扱う会社のマーケ部門で、月ごとの受注件数と受注額を追い、翌月の見込みを営業会議に出していました。ある月に、通常の1件の40倍規模の受注が1件入りました。

この1件で、3つの数字が同時に動きました。1件あたりの平均受注額、広告費に対する回収の比率、そして翌月の見込み額です。平均が跳ね上がったので、翌月の見込みも高く出ました。実際の翌月は通常どおりの月だったので、見込みは大きく外れました。

会議での指摘を受けて、担当者はその1件を除いた集計に作り直しました。ところが今度は、翌月から広告の自動入札の調子が落ちました。除いた行を成果の取り込みからも外していたためです。除く判断を、報告の集計と、道具に渡す成果の両方に同時に当ててしまったわけです。

この2つの失敗は、どちらも同じところから出ています。1件の値を見て、大きいから外すか残すかを決めていたことです。見るべきは値の大きさではなく、その値が実際に起きたことかどうかでした。以降の節では、この場面を題材に切り分けの順番を見ていきます。

平均が動くだけでは済まない——4つの症状

外れ値の困りごとは、平均が引きずられることだけではありません。実務で表に出る形は4つあり、症状ごとに直す場所が違います。

1つ目は平均です。件数の少ない集計では、1件で代表の値が動きます。2つ目は予測で、過去の平均や傾きを材料にする作り方であれば、1件の影響が翌月の見通しに乗ります。3つ目が自動入札の学習で、これは次の節で詳しく見ます。4つ目が報告の信用です。月ごとに跳ねる数字を出し続けると、数字そのものが会議で使われなくなります

4つ目を軽く見ないほうがよいと考えています。数字が信用されなくなった部署では、跳ねた月に説明を求められ、説明できないので次の月から丸めた数字を出すようになります。丸めた数字は跳ねませんが、動いたときにも気づけません。跳ねを消すのではなく、跳ねの理由を添える形に変えるほうが、報告としては強くなります。

直す場所が違うことも押さえます。平均と予測は集計の側、自動入札は道具に渡す成果の側、報告の信用は添える一言の側です。1つの判断を4か所に同時に当てると、冒頭の場面のような二次被害が出ます。除くと決めたら、どの用途で除くのかを用途ごとに決めます。

件数の少ない自動入札は、1件で学習が歪む

3つ目の症状を単独で見ます。ここが、マーケの数字で外れ値がとくに効いてくる場所です。

グーグル広告の公式ヘルプには、価値に基づく入札の条件として、目標広告費用対効果を使うには過去30日間にコンバージョンの計測単位で15件以上のコンバージョンが必要だと書かれています（2026年8月時点の記載）。同じページには、コンバージョン数が少ないとデータの信頼性が低下し、成果を適切に評価できないおそれがあるとも書かれています。母集団が15件しかないところに、1件の巨大な値が混ざる。これが実務の条件です。

学習にかかる時間も公表されています。同じヘルプの別のページでは、入札戦略が新しい目標に合わせて調整されるまでに最長で3週間、または1回から2回のコンバージョンのサイクルが必要になることがあると説明されています。長さに影響する要因として、獲得したコンバージョン数、クリックからコンバージョンまでの時間、入札戦略の種類が挙げられています。誤った値で学習が進むと、直したあとにもう一度3週間かかります。

ここから2つの実務が出ます。1つは、成果の値を渡す前に確かめる工程を入れること。もう1つは、直すタイミングを選ぶことです。冒頭の場面では、除いた行を成果の取り込みからも外したので、道具の側から見ると成果が急に減ったことになりました。件数が少ない条件では、除く操作それ自体が新しい急変になります。

記事の核：測り間違いと、本当に起きた極端な値は扱いが逆になる

ここが記事の中心です。1件だけ極端な値を見つけたら、まず2つに分けます。測り間違いか、本当に起きた極端な値か。この2つは、扱いが逆になります。

測り間違いは直します。二重に数えた行、試験のために送った行、タグが重複して発火した行。これらは実際には起きていないので、残すと集計そのものが誤りになります。一方、本当に起きた極端な値は残します。大口の受注、1本だけ当たった投稿、報道で急に伸びた日。起きたことを消すと、次に同じことが起きたときに備えられません

米国国立標準技術研究所が公開している統計手法の手引きにも、同じ考え方が書かれています。外れ値は注意深く調べるべきであり、しばしば調べている対象そのものや、データの収集と記録の過程についての価値ある情報を含んでいる。データから取り除くことを考える前に、なぜ現れたのか、同じような値が今後も現れそうかを理解しようとすべきである、という記述です。取り除くかどうかの前に、理由を調べる工程が入るという順番になっています。

実務での言い換えは短くて済みます。直すのは記録の誤り、残すのは事業の事実。そして、残したものには注記を添える。この2行を部内で共有しておくと、跳ねた月の会議が「消すか残すか」の議論から「どちらだったか」の確認に変わります。

測り間違いはこうして生まれる——二重計上の3つの型

測り間違いの側を具体的に見ます。マーケの数字でいちばん多いのは二重計上です。実務の解説記事（2026年7月6日公開）では、3つの型に整理されています。

1つ目はタグの重複発火です。同じ出来事に対して複数の条件から同時に発火する、あるいは画面の遷移のしかたによって同じ出来事が何度も数えられる。2つ目は計測する範囲の重複で、フォームの送信という出来事と、送信後の完了ページの表示という出来事を、両方ともコンバージョンとして登録してしまう形です。3つ目は媒体をまたいだ取り込みの重複で、解析ツールから取り込んだコンバージョンと、広告のタグが自分で計測したコンバージョンが並走します。

同じ記事は、この種の異常が放置されやすい理由にも触れています。二重計上は数値が実態より増える方向の異常なので、一見すると成果が出ているように見えて、疑われないまま残ります。減る方向の異常はすぐ調べられるのに、増える方向は歓迎されるという非対称があります。

放置した結果も書かれています。実際には成果が出ていない広告に予算を多く配分し、予算配分の判断を誤ることになる。二重計上は、集計の誤りではなく予算の誤配分として表に出ます。だから見つけたら直す側です。残して注記する対象ではありません。

試験の送信と、媒体ごとの計上の違い

測り間違いの残り2つも押さえます。1つは試験のための送信、もう1つは媒体ごとの計上の仕様の違いです。どちらも、担当者が悪いことをしていないのに数字が汚れる形です。

試験の送信は、フォームや申し込みの動作を確かめるときに必ず出ます。社内から自分の名前で送る、取引先に頼んで送ってもらう。問題は送ること自体ではなく、送った記録が本番の集計に混ざることです。対策は単純で、試験の送信に印が付く欄を1つ作り、集計の側で外す。印が無いと、後から見分けるのは実質的に不可能になります。

媒体ごとの違いは、もう少し厄介です。別の実務解説（2026年6月21日公開）では、広告の側はクリックを起点にした期間で計上し、解析の側はセッションを単位にして帰属を決めるという違いが説明されています。同じ1件の成果が、両方の数字に別の日付で乗ることがあります。2つの数字が合わないのは、どちらかが間違っているからではありません。数え方が違うだけです。

この違いを外れ値として扱うと、直しようがない作業に入ってしまいます。実務としては、どちらの数字を報告に使うかを先に決め、もう一方は参考として並べる。合わせに行くのではなく、どちらを正とするかを決める。目録の話と同じ構造です。なお同じ解説には、二重計上を直したあとはコンバージョン数が一時的に減るので、月初やキャンペーンの切り替え時を避けて実施するという注意も書かれています。

本当に起きた極端な値——大口、当たった1本、報道での急増

残す側を見ます。本当に起きた極端な値は、マーケの数字では3つの形で現れます。

1つ目は大口の受注や契約です。件数は1件でも、金額の桁が違います。2つ目は当たった1本で、記事や投稿が1本だけ大きく伸びる形です。3つ目は外からの出来事で、報道や他社の発表をきっかけに検索や問い合わせが数日だけ跳ねる形です。3つとも実際に起きているので、消すと事実の記録が消えます

残すときに1つだけ処理を足します。その行に、なぜ大きいのかの理由を1行で書いておくことです。半年後に同じ表を見る人は、大きい理由を推測できません。理由が書かれていない極端な行は、次に誰かが見たときに測り間違いとして消される可能性が高い。書くのは「大口1件・年間契約」「報道による一時的な流入」程度で足ります。

そして、集計の作り方を分けます。平均は極端な値に引きずられるので、中央の値や、上位を除いた平均を並べて出す。1つの数字で代表させようとするから、消すか残すかの二択になります。2つ並べて出せば、極端な1件を残したまま、通常の水準も示せます。

冒頭の場面で必要だったのは、この形でした。40倍の1件を含む平均と、それを除いた平均の両方を出し、除いた理由を1行添える。翌月の見込みには、除いた側の平均を使う。同じ表から2つの数字を出すことは、ごまかしではなく説明です。

見分ける順番——四分位で当たりを付け、内訳を開く

では、どうやって見つけて、どうやって切り分けるのか。順番があります。値の大きさで当たりを付け、そのあとで内訳を開きます。逆にすると、開く対象が絞れずに時間だけかかります。

当たりを付ける道具として広く使われているのが四分位です。数字を小さい順に並べ、下から4分の1の位置の値と、4分の3の位置の値の差を取ります。この差が四分位範囲です。米国国立標準技術研究所の統計手法の手引きでは、箱ひげ図の内側の境界を超えた点、つまり四分位範囲の1.5倍を超えて外側にある点を軽い外れ値、3.0倍を超えた点を極端な外れ値と呼び分けています。

この1.5倍と3.0倍は、除く基準ではなく調べる優先順位として使います。境界を超えたから外す、という運用にすると、大口の受注が毎回消えます。3.0倍を超えた行から順に開く、という使い方が実務に合います。

内訳の開き方は3つです。前後の期間と比べる（先月と先々月の同じ数字を並べる）、件数の内訳を開く（金額が跳ねたのは1件の金額か、件数の増加かを見る）、記録の元をたどる（その行がどの経路から入ったかを確かめる）。3つ目までたどれば、測り間違いか本物かはほぼ決まります。二重計上なら同じ経路から同じ時刻に2行入っています。

たどる手順は先の実務解説にも整理されています。成果率の異常や実際の受注数との差を見る、タグの発火回数を確かめる、成果の登録に重複が無いかを見る、確認用の画面で出来事の発火の順序を見る。順番に見ていけば、担当者が1人で30分から1時間で判定できます。判定を専門家の仕事にしないことが、続ける条件です。

道具の知らせは「珍しい」までしか言わない

解析ツールが異常を知らせてくれる機能もあります。ただし、その知らせが何を言っているのかを誤解すると、判定を丸投げすることになります。

グーグルの解析ツールの公式ヘルプによると、GA4の異常検出はベイズ統計の状態空間時系列モデルを過去のデータに当て、直近の値を予測して、実際の値が予測の範囲から外れたときに異常として知らせる仕組みです。必要な過去のデータは、時間単位で見る場合は2週間、日単位では90日、週単位では32週間と書かれています（2026年8月時点の記載）。

ここから2つのことが分かります。1つは、計測を始めて間もない指標では、そもそも知らせが出ないこと。日単位で見るには90日分の履歴が必要です。もう1つは、知らせの意味です。過去の並びから見て珍しい、と言っているだけで、測り間違いだとは言っていません。大口の受注は「珍しい」に分類されますが、直す対象ではありません。

同じヘルプには、セグメントについての異常は、そのプロパティの利用者の0.05%以上で構成されている場合に表示するという記述もあります。小さい塊の中で起きた跳ねは、知らせの対象にならないということです。道具の知らせは網の目が決まっているので、それだけを見る運用にすると抜けが出ます。

なお、急変に早く気づくための監視の作り方そのものは、この記事の範囲外です。ここでは、気づいたあとの1件をどう扱うかに絞ります。気づく速さを上げても、扱いの決めが無ければ、跳ねるたびに議論が振り出しに戻ります。

直し方の4択と、それぞれの副作用

測り間違いだと判定したら直します。本当に起きた値だと判定した場合も、集計の作り方は選ぶことになります。取れる手は4つで、どれにも副作用があります。副作用を知らずに選ぶと、冒頭の場面のように別の場所が壊れます。

直し方	向く場面	副作用
その行を除く	二重計上・試験の送信のように、実際には起きていない行	件数が減るので、件数を条件にしている道具の側が急変と受け取る
上限で丸める	本当に起きた値だが、1件で代表の値が動きすぎる場合	上限を超えた分の情報が消えるので、大口が増えた月も同じ数字に見える
期間を分ける	報道や催しのように、始まりと終わりが日付で切れる場合	分けた前後で件数が減るため、比較に使える期間が短くなる
重みを下げる	残したいが、予測の材料としては影響を抑えたい場合	下げ方の根拠を説明しにくく、後から再現するのが難しくなる

選ぶときの順番も決めておきます。まず、実際に起きていない行かどうか。起きていないなら除く以外の選択肢はありません。起きているなら、その値を使う用途ごとに選びます。報告には上限で丸めた数字、予測には重みを下げた数字、道具に渡す成果には元の値、という使い分けが成り立ちます。

冒頭の場面で起きた二次被害は、この使い分けが無かったことから出ました。報告のために除いた判断を、道具に渡す成果にもそのまま当てたためです。除く判断は、用途ごとに別に決めます。同じ表から用途別の数字を出す形にしておけば、片方を直しても片方は動きません。

上限で丸める処理は、何を捨てているのか

4択のうち、上限で丸める処理だけ補足します。統計の分野ではウィンザー化と呼ばれ、外れ値を削除する代わりに、あらかじめ決めた分位点の値へ置き換える処理として整理されています。削除と違って件数が減らないのが特徴です。

件数が減らない利点は実務でも効きます。前の節の表にあるとおり、行を除くと件数が変わるので、件数を条件にしている道具の側が急変と受け取ります。丸める処理なら、行は残るので件数は動きません。冒頭の場面で、成果の取り込みまで止めてしまう事故は、この選択で避けられました。

捨てているものも正確に押さえます。上限を超えた分の情報です。上限を1件あたり100万円に置いたなら、400万円の受注と1,000万円の受注が同じ数字になります。大口が増えた月と、たまたま1件大きかった月が区別できなくなるということです。だから丸めた集計は、丸める前の件数と一緒に見る必要があります。

運用としては3つ決めます。上限をどこに置くか、どの用途で丸めた数字を使うか、上限を見直す時期。上限を一度決めたら、月ごとに変えないことがいちばん大事です。月ごとに上限を変えると、比べているものが毎月変わります。見直すのは半年や年の単位で、変えたことを記録に残します。

AIに渡す前の処理——除いた行を消さずに印を付ける

ここからAIに渡す側の話です。AIに予測や集計を手伝わせるとき、外れ値の処理で最も効く決めごとは1つです。除いた行を消さず、印を付けて残すこと。

理由は検証です。AIが出した予測が外れたときに、確かめる対象は3つあります。渡した材料、頼み方、そして材料の作り方。除いた行が消えていると、3つ目が確かめられません。何を除いたかが残っていない材料から出た予測は、外れた理由を追えないので、次の月に同じことが起きます。

印の付け方は列を2つ足すだけで足ります。1つは扱いの列で、「そのまま」「除外」「丸め」「期間分け」の4種類。もう1つは理由の列で、1行で書きます。扱いと理由の2列があれば、同じ材料を後から誰でも作り直せます。行を物理的に消す運用は、作った本人以外に再現できません。

そのうえで、AIに渡すときは扱いの列も一緒に渡します。渡さないと、AIは残っている行を全部同じ重みで読みます。除外の印が付いた行を含めて渡すなら、除外の印がある行は集計から外すことを明示的に指示します。印を付けたのに渡し方で無視されるのが、実務でよくある取りこぼしです。

この処理を月に1回回す形にします。順番は次の4工程で、担当が1人で回せる重さに収めます。

この4工程で飛ばされやすいのは3です。判定した本人はその月なら覚えているので、書く必要を感じません。書かなかった月の材料は、翌月には作り直せなくなります。書く時間は1件あたり1分もかかりません。

AIに判断させない範囲と、させてよい下書き

線を引きます。どれが測り間違いかの判定は、業務を知っている人がやります。AIに任せるのは、候補の抽出と理由の下書きまでです。

任せてよいのは3つです。四分位や前後の比較で候補の行を並べること、同じ経路から複数行が入っていないかを機械的に探すこと、判定した理由の文を短く整えること。いずれも人が読んで直す前提の下書きで、そのまま採用する運用にはしません。

任せない理由は精度ではありません。ある1件が二重計上なのか大口の受注なのかは、その取引を知っている人にしか判定できないからです。表の上の数字だけからは、40倍の受注が実在したかどうかは分かりません。判定を任せると、実在した受注が消えるか、二重計上が残るかのどちらかが起きます。

運用としては、候補の行に対して人が判定を入れる欄を作り、判定した人の名前を残します。判定した人の名前が残っていると、半年後に理由を聞ける相手が分かります。名前の欄が空いている判定は、次に誰かが見たときに覆されます。

報告に添える注記の書き方を決めておく

最後に報告の側です。残すと決めた極端な値は、注記を添えて出します。ここで注記の書き方が毎回違うと、読む側が跳ねの意味を毎回聞き直すことになります。

書くのは3点で足ります。何が起きたか、その1件を含めた数字と除いた数字、そして翌月以降に続く見込みがあるかどうか。3つ目がいちばん読まれます。続かない1件なら翌月の計画は動かさない、続く見込みがあるなら計画を見直す。読む側が知りたいのはそこです。

置き場所も決めます。数字の下に小さく添えるのではなく、その数字のすぐ横に置く。離して置いた注記は読まれず、跳ねた数字だけが独り歩きします。転記されるときに注記が落ちるのも、離して置いた場合です。

そして、注記の書き方を1枚の見本にしておきます。書き手が交代しても形が変わらないようにするためです。跳ねを消さずに説明できる部署は、数字が信用される部署になります。跳ねを消して滑らかにした報告は、動いたときにも気づけません。

外れ値の扱いでやりがちな失敗

相談の場で実際に見かける失敗を並べます。どれも統計の知識ではなく、決める順番の問題です。

• 1件が大きいから消した。実在した大口の受注だったので、翌年の同じ月の見込みを立てられなくなった
• 四分位の境界を超えた行を自動で除く設定にして、当たった投稿と報道による流入が毎回落ちている
• 報告のために除いた判断を、道具に渡す成果にも当てて、自動入札の学習をやり直しにしている
• 除いた行を物理的に消したので、AIの出した予測が外れた理由を追えなくなっている
• 丸める上限を月ごとに変えていて、前月との比較が成立していない

特に多いのは1つ目です。大きい値は目に付きやすく、消すと表が落ち着いて見えます。落ち着いて見える表は、正しい表ではありません。消す前に、その値が実在したかどうかを確かめる工程を1つ入れるだけで防げます。

• 本記事では、差が意味のある差かどうかを判定する手続きには触れていません。1件の極端な値の扱いと、差の有無の判定は別の問題です
• 急変に早く気づくための監視の作り方も範囲外です。ここでは、気づいた1件をどう扱うかに絞っています
• 道具の仕様は変わります。本文で引いた条件や期間は2026年8月時点の公式ヘルプの記載です。数字を運用に組み込む前に、その時点の記載を確かめてください

よくある質問

四分位の1.5倍という基準は、そのまま使ってよいですか

調べる優先順位としては使えますが、除く基準には使わないでください。米国国立標準技術研究所の統計手法の手引きでも、四分位範囲の1.5倍は軽い外れ値、3.0倍は極端な外れ値という呼び分けで、除くべき線としては示されていません。実務では3.0倍を超えた行から順に開く、という優先順位の使い方が合います。境界を超えた行が20行を超えるようなら、それは外れ値ではなく、集計の単位が合っていない可能性を先に見てください。

測り間違いか本物かの判定が、どうしてもつかない場合はどうしますか

その場合は、除かずに印を付けて残し、報告では両方の数字を出してください。判定がつかない理由の多くは、記録の元をたどれないことです。たどれなかったという事実を理由の欄に書いておくと、次に同じことが起きたときに記録の作り方を直す材料になります。判定を急いで片方に寄せると、後から見直せません。

自動入札に渡す成果からは、外れ値を除くべきですか

実際に起きていない行は除きます。二重計上や試験の送信は、成果として渡す対象ではありません。一方、実在した大口は原則として渡します。ただし件数が少ない条件では、除く操作そのものが急変として扱われます。グーグル広告の公式ヘルプでは、入札戦略の調整に最長3週間または1回から2回のコンバージョンのサイクルがかかるとされています（2026年8月時点）。直すなら、月初やキャンペーンの切り替えの直後を避け、直した日を記録に残してください。

平均ではなく中央の値を使えば、この問題は起きませんか

平均が動く問題は小さくなりますが、他の3つは残ります。予測の材料に極端な値が入る問題、道具に渡す成果が歪む問題、報告で跳ねの理由を聞かれる問題は、代表の値の選び方では解けません。中央の値を使うのは有効な一手ですが、測り間違いを直す工程の代わりにはなりません。両方を並べて出し、跳ねた月には理由を添える形が現実的です。

まとめ

1件だけ極端に大きい行を見つけたときに最初にやることは、消すか残すかを決めることではなく、測り間違いなのか実際に起きたことなのかを確かめることです。測り間違いは直す。本当に起きた値は残して注記する。扱いが逆になります。しかも二重計上は数値が増える方向の異常なので、成果が出ているように見えて疑われないまま残りがちです。

見つける順番は、四分位で当たりを付けて、内訳を開いてから決める。直し方は4つあり、どれにも副作用があります。除くと件数が変わるので、件数を条件にしている道具の側が急変と受け取ります。だから除く判断は、報告用と予測用と道具に渡す成果用で、用途ごとに別に決めます。

そして、AIに渡す前に決めておくものがあります。除いた行を消さずに印を付けて残すこと、扱いと理由の2列を書くこと、どれが測り間違いかの判定は人がやることです。何を除いたかが残っていない材料から出た予測は、外れた理由を追えません。1件が大きいから消す、という手を止める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。