what-if

/digital-marketing-pro:what-if

目的

シナリオをすばやく比較するツールです。予算配分、チャネル構成、戦略的アプローチを変えた2〜4個のマーケティングシナリオを比較し、予測結果を横並びで確認できます。完全なモンテカルロシミュレーション（/digital-marketing-pro:simulate）よりも軽量で高速な代替手段です。simulateでは完全な確率分布を使って数千回の反復計算を行いますが、what-ifでは点推定値と簡単な分散幅を使い、数分で方向性を示します。完全なシミュレーションほどの統計的な深さは不要で、「AとBのどちらを選ぶべきか？」をすばやく判断したい場合に使います。たとえば、チーム会議、Slackでの議論、短時間の計画ミーティング、詳細な分析を行う前の選択肢の絞り込みに適しています。

シミュレーションによる出力であり、予測ではありません。 what-ifの予測は、提示された前提条件と過去のベンチマークをもとにrevenue-simulator.pyが算出した方向性を示す点推定値であり、測定に基づく予測ではありません。すべてのシナリオの数値は計画の参考として扱ってください。予算を決定する前に、ROIの前提条件を必ず自社のデータで検証してください。このスキル内のドル金額の例はすべて合成データです（説明用のみであり、これらの数値を再利用しないでください）。

必要な入力

ユーザーが次の情報を提示する必要があります（または、提示を求めます）。

• 比較するシナリオ：それぞれチャネルごとの予算配分と期待ROIを含む、名前付きのシナリオを2〜4個用意します。例：「シナリオA：有料広告中心 — Google Adsに$50K、Metaに$30K、メールに$10K」対「シナリオB：コンテンツ主導 — Google Adsに$20K、Metaに$15K、コンテンツに$40K、SEOに$15K」。各シナリオには、内容を表す名前とチャネルごとの予算内訳が必要です。ユーザーが「有料広告を増やし、オーガニックを減らす」のような概要しか提示していない場合は、具体的な金額配分または割合を尋ねてください
• 現在のベースライン：比較の基準となる既存の予算配分と直近の実績です。ブランドが現在何をしているかを示し、各シナリオの明確な差分を確認できるようにします。提示されていない場合は、ブランドのコンテキストにある過去のデータを参照してください
• 評価基準（任意）：この判断で何を最も重視するかを指定します。総収益、ROI効率、リスクレベル、効果が出るまでの速さ、またはそれらを組み合わせた加重評価を選べます。指定がない場合は、期待収益を基準とします
• 期間（任意）：予測対象の期間を指定します。デフォルトは3か月です。短い期間では有料チャネルが有利になり、長い期間では効果が積み重なるため、オーガニック施策やコンテンツへの投資が有利になります

プロセス

1. ブランドのコンテキストを読み込む：~/.claude-marketing/brands/_active-brand.json を読み、アクティブなスラッグを確認してから、~/.claude-marketing/brands/{slug}/profile.json を読み込みます。過去のチャネル実績、最近の ROI データ、既知のベンチマークを参照し、シナリオの予測を調整します。また、~/.claude-marketing/brands/{slug}/guidelines/_manifest.json にガイドラインがあるか確認します。~/.claude-marketing/sops/ にエージェンシーの SOP があるかも確認します。ブランドが存在しない場合は、「まずブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、業界標準を使用して続行します。
2. 現在のベースラインと代替シナリオを定義する：実際の直近の実績データを使い、現在の状況をシナリオ 0（ベースライン）として構成します。次に、利用できる場合はブランドの過去データを、利用できない場合は業界ベンチマークを用いて、チャネル予算と ROI の前提を設定し、各ユーザーシナリオを定義します。過去の実績と大きく異なる前提にはフラグを付け、ユーザーが確認できるようにします。
3. 簡易シミュレーションを実行する：revenue-simulator.py を what-if モードで実行します。これは、ポイント推定値と分散幅を使ってシナリオごとの予想収益を算出する簡易予測です（完全なモンテカルロ法ではありません）。飽和に近いチャネルには基本的な収穫逓減を適用し、チャネルの立ち上がり期間も考慮します（SEO とコンテンツの成果が出るまでには数か月かかりますが、有料施策はすぐに効果が出ます）。実行は高速で、方向性の把握に適しています。
4. 予測結果を比較する：シナリオごとの予測収益、総 ROI、ベースラインとの差（実額と割合の両方）、チャネル別の貢献度、簡易的なリスク指標（集中度と前提の感度に基づく低・中・高）を示す横並びの比較表を作成します。ユーザーの評価基準に従ってシナリオを順位付けします。
5. 最適なシナリオと主なトレードオフを特定する：期待リターンが最も高いシナリオと、リスク調整後リターンが最も高いシナリオ（異なる場合）を選定します。上位候補間の主なトレードオフを説明し、それぞれについて、得られるもの、失うもの、予測どおりの成果を上げるために必要な前提を明示します。

出力

簡潔なシナリオ比較として、次の内容を含めます。

• シナリオの横並び比較：各シナリオの予測収益、総 ROI、コスト、リスクレベルを示します。ベースラインを比較の基準列とする見やすい比較表にまとめ、各代替案との差を強調します。
• 現在のベースラインとの差：シナリオごとに、ブランドが現在実施している内容と比較した予測収益、ROI、コストの実額および割合の変化を示します。各シナリオがどの程度改善するか、あるいは悪化するかをすぐに判断できるようにします。
• 理由を添えた推奨案：推奨シナリオとその理由を明確に説明します。期待リターン、リスク、実現可能性、ブランド目標との整合性を総合的に考慮します。2 つのシナリオにほとんど差がない場合は、どのような条件で判断が変わるかを説明します。
• 上位シナリオ間の主なトレードオフ：上位シナリオのどちらかを選ぶことで得られるものと犠牲にするものを具体的に示します。チャネルへの依存度、立ち上がり期間の違い、リスクの集中度、賭けが成果につながらなかった場合に方針を変更できるかどうかも含めます。

使用エージェント

• marketing-scientist — ポイント推定値と分散幅を用いたシナリオモデリング、立ち上がり期間と収穫逓減の調整を加えたチャネル ROI の予測、差分計算を含む横並びの比較分析、前提の感度とチャネル集中度に基づくリスク評価、期待リターンとリスクプロファイルおよび戦略との適合性のバランスを考慮した推奨案の作成