電子商取引の進化は、Click&Collectや受け取りポイント（Pickup Points、ПВЗ）を含むオムニチャネル物流の発展に繋がり、これにより最終マイル配達コストを削減する手段となりました。しかし、デジタル機能とは異なり、これらの変化は地理的に不連続で、自己選択の影響を受けます。時間の価値が高い顧客はПВЗを無視し、一方でコストを重視するユーザーは宅配から自己受取に移行します。ロケーションレベルでのランダム化がないため、クラシックなユーザーレベルのA/Bテストは不可能です。
分析は、三つの主要な課題に直面しています。まず、配置内生性：受け取りポイントは高い注文密度の地区に開設され、逆因果関係を生み出します（高い需要 → ПВЗの開設）。次に、カニバリゼーション：一部のユーザーは全体の支出を増やすことなく、宅配から自己受取に方法を変えます。最後に、SUTVA違反（Stable Unit Treatment Value Assumption）：あるユーザーが自宅の近くにポイントができるのを見て、ソーシャルメディアを通じて隣人に促進することで、「処理された」地域と「対照」地域の間に交差汚染が生じます。
準実験的評価の多層戦略が推奨されます。マクロレベル（都市）では、Synthetic Control Methodを用いて、ПВЗのない「ドナー」都市の重み付けされた組合せを作成し、介入前のテスト都市の指標の動態を最大限に模倣します。重みは予介入データ（12〜18ヶ月）をもとに凸最適化を用いて調整し、季節性、マクロ経済指標、カテゴリーの構造を含みます。
ミクロレベル（ユーザー）では、Difference-in-Differencesを使用し、観察された特性を制御するためにPropensity Score Matchingを採用しますが、重要なのは**Instrumental Variables (IV)の導入です。ここでは、ユーザーの自宅から最寄りのПВЗまでの最短距離をツールとしています。この変数は自己受取の選択と相関しますが、潜在的な購入傾向とは相関せず、純粋なLocal Average Treatment Effect (LATE)**を孤立させます。
ハイブリッド注文（中間倉庫）を考慮するために、効果をサブポピュレーションに分けるCausalForestモデルを構築します：即時採用者、遅延ユーザー、未使用者。最後に、地区レベルでのクラスタリングに対して標準誤差を調整し、500メートル半径内の集中分析を通じてスピルオーバー効果に対する感度を確認します。
コンテキスト：大手ファッションマーケットプレイスは、中規模都市（50万〜80万人）で120のPickup Pointsのネットワークを立ち上げる計画を立て、物流コストを25%削減することを目指しています。経営陣は、ПВЗの存在が既存顧客の購入頻度を増加させるのか、それとも宅配からのトラフィックを単に切り替えるのかを評価するよう要求しました。
オプション1：『ПВЗのある都市 vs ПВЗのない都市』の単純比較 長所：非常に簡単に実施でき、歴史的データを必要とせず、ビジネスに迅速な回答を提供します。短所：ПВЗのある都市は元々豊かで活発である（選択バイアス）、季節性や競争環境の差異により、効果の評価に40%までの偏りが生じる可能性があります。結果は拡大可能性に対して信頼性がありません。
オプション2：テスト都市のみのBefore-After分析 長所：都市間の差異を制御し、トレンドの変化に焦点を当てます。短所：eコマースの成長に関する一般的な市場トレンドを考慮に入れません（パンデミックの年には基本トレンドが前年比で+30%に達する可能性があります）、最終地点がローカルの祝日のキャンペーンと一致する場合、状況が歪む可能性があります。
オプション3：都市レベルのSynthetic Control + ユーザーのIV 長所：Synthetic Controlは、「ПВЗなしでは何が起こっていたか」の反事実シナリオを提供し、マクロトレンドを調整し、Instrumental Variables（ポイントまでの距離は「怠惰な」ユーザーへのランダムショック）により、単なる相関から因果的効果を分離します。短所：各都市で最低12ヶ月の介入前データを必要とし、非技術的な利害関係者にとってLATEの解釈が難しく、計算コストが高いです。
選択された解決策とその理由 私たちは、都市間の検証にはSynthetic Controlを、ユーザーのメトリクスには地理的ツールを用いた**Two-Stage Least Squares (2SLS)**の組み合わせを選択しました。これにより、インフラの存在がもたらす効果（構造的効果）と、意識的選択（行動的自己選択）の効果を分けることができました。新しいポイントから200メートルの地点に住む「怠惰な」ユーザーさえも、経済的特性を変えることなく、より頻繁に購入をするようになることを証明することが重要でした。
最終結果 評価結果は、ПВЗの利用可能な範囲に住むユーザーの購入頻度が12%増加したことを示しました（ITT）。ただし、宅配のカニバリゼーションは18%を占め、配送料が不要なことで平均購入額が8%増加し、それを相殺しました。しかし、効果は異質的で、「靴」と「アクセサリー」のカテゴリのみに見られ、家電製品には有意な効果が確認されませんでした。これにより、ポイントの開設戦略を調整し、ファッションモールに焦点を当て、技術が主に占める住宅地での開設を取りやめることができました。
受け取りポイントの開設効果とそのポイントを告知するマーケティングキャンペーンの効果をどのように区別しますか？仮にキャンペーンが開設と同時に開始される場合。
回答：標準的な誤りは、マーケティングチャネルを介した処理汚染を無視することです。**Difference-in-Difference-in-Differences (DDD)**の手法を使用するか、二つの対照グループにサンプルを分ける必要があります：キャンペーンがある都市（メディア支援あり）だが、物理的なПВЗはない（「coming soon」の告知のみ）都市と、完全に導入された都市です。効果が第二のグループでのみ観察される場合、これは物流の因果的役割を証明しています。重要なのは、brand searchを制御変数として追跡することです。両グループで同じように成長している場合、テストグループの収益の増加は、認知度ではなく、サービスの利便性に起因しています。
なぜ、距離（500m以内 vs 2km以上）でユーザーを単純に比較することをテストおよび対照のproxyとして使用できないのか。ただし、人口統計を制御する場合は？
回答：これはpositivity assumptionおよびselection on unobservablesの違反です。ショッピングセンターの近くに住むことを選んだユーザー（通常はПВЗのある場所）は、郊外の住人と収入、職業、ライフスタイルにおいて系統的に異なります。Propensity Score Matchingを使用しても、未観察の交絡因子（例えば、家計の計画）からのhidden biasは残ります。正しいアプローチは、配送ゾーンの境界や地区の行政境界をランダムしきい値として扱う**Regression Discontinuity Design (RDD)**を使用することです。片側のストリートには家が300メートル（処理）、反対側には900メートル（対照）のところに位置していますが、社会経済的特性は同じです。
PVЗの開設と行動習慣の形成（habit formation）との間の時間的遅れをどのように正しく考慮しますか？標準的な帰属ウィンドウ（7〜30日）が長期的な効果を過少評価する場合。
回答：古典的な誤りは、固定のpost-periodを使用することです。Event Study Designを使用し、開設後1ヶ月、3ヶ月、6ヶ月の効果を個別にモデル化することが必要です。これにより、treatment effect heterogeneity over timeを捉えることができ、効果は習慣が形成されるにつれて高まることがよくあります（learning curve）、その後は停滞します。Cox Proportional Hazardsモデルを使用して最初の受け取り利用までの時間を考慮し、競合リスク（ユーザーは適応前に解約する可能性があります）を考慮することが重要です。また、survivorship biasを修正する必要があります。ПВЗの利用を開始したユーザーは、定義上低い解約率を持つ可能性があり、彼らは類似の生存パターンを持つ対照グループと比較する必要があります。