歴史的背景。 2020年代以降、eコマースの進化は同日配達から持続可能な物流へと焦点を移しました。この過程で、注文の統合がカーボンフットプリントと最終配達コストを削減しています。初期の実験であるAmazon Dayなどのサービスは、配送のボランタリーな統合が消費の緊急性が低いユーザーの自己選択を引き起こすことを示しました。これが製品のメトリクスに対する効果の評価に内生性をもたらしています。強制的な統合においては、物流インフラがゾーン全体でのルートの大規模な最適化を要求するため、従来のA/Bテスト法が適用できません。
問題の設定。 統合システム（例えば、火曜日と金曜日のみの配達）の導入において、無作為分配が欠如する問題が発生します。導入ゾーンにいるユーザーは、倉庫からの地理的な遠さや待機時間に対する忍耐力が系統的に異なります。また、隣接する地域での統合なしに配送先を職場や親族の住所に変更するユーザーによる空間的汚染（spillover）のリスクがあります。需要の季節性や、高所得地域での物流最適化の開始との相関も真の因果効果の評価をゆがめます。
詳細な解決策。 エフェクトの隔離には、物流ゾーンごとの段階的導入によるStaggered Difference-in-Differences (DiD)を適用し、導入前の期間を導入後の期間のコントロールとして使用します。導入の前におけるメトリクスの動きの分析を通じて、処置グループとコントロールグループ間の差異トレンドが存在しないことを確認するために、event study分析を行うことが重要です。また、平均的な注文動向の歴史的データを持ち、計画された導入がない寄付地域からSynthetic Controlを構築することで、対照をモデル化し評価の堅牢性を向上させます。
部分的な合意に対する調整には、**IV回帰（Instrumental Variables回帰）を使用し、インストゥルメント（Z）としてユーザーが導入ゾーンに属する事実を用いて、実際の統合使用（D）を予測し、結果（Y）はリテンションまたは購入頻度とします。これにより、導入によって行動が変わった人々（compliers）に対するLATE（Local Average Treatment Effect）を評価でき、一方でサービスの提案に対する効果を示すITT（Intent-to-Treat）**とは異なります。商品カテゴリ（衝動消費品とストックアップ品）による異質性分析により、需要の真の減少を時間的置換（intertemporal substitution）から分離することができます。
家電製品のマーケットプレイスが、物流コストを30％削減することを目指して、大都市3ヶ所で注文の統合のパイロットを開始しました。アナリティクスは、統合に同意したユーザー（treatment）と拒否したユーザー（control）を比較する際にゆがみが生じることに直面しました。採用者は、歴史的に購入頻度が低く、平均取引額が高く、これが計画的な購入者の自己選択を示していました。単純な比較は、リテンションの見かけ上の減少を示すかもしれませんが、実際には行動が安定していて選択的なバイアスに歪められている可能性があります。
第一の選択肢 — ゾーン内での導入前後のメトリクスの直接比較（pre-post analysis）。実装が簡単で、他の地域からデータを収集する必要がなく迅速に結果が得られる点が利点です。しかし、問題は、統合効果と需要の季節的変動、ユーザーベースの成長トレンドを分けられないため、評価が誤って偏る可能性があることです。
第二の選択肢 — 導入のある地域とない地域の横断的比較を定めた日時で行います。利点として、データの瞬間的なスライスを通じて時間的トレンドをコントロールでき、コントロール地域について長期的な歴史が必要ないことがあります。しかし、導入地域は高い注文密度とオーディエンスへの忠誠心という基準で選ばれたため、選択バイアスが強く、元の特性においてグループ間の比較が不可能となります。
第三の選択肢 — Staggered DiDを使用し、傾向スコアマッチングとSynthetic Controlを組み合わせます。これにより、導入のない地域をコントロールグループとして使用でき、地域的および時間的な固定効果を維持でき、マッチングによって先行傾向特性の比較が向上します。しかし、時間による異質的効果に対する平行トレンドの仮定の検証が難しく、隣接する地域間の空間的相関（spatial spillover）のリスクがあります。ユーザーが配送先を変更する可能性があります。
選択された解決策と結果：第三のアプローチが選ばれ、物流ゾーンの境界におけるIV回帰を追加使用することでローカルな妥当性を確保しました。これにより、購買行動とサービスレベルの地域差による影響を隔離できました。分析の結果、実際の統合効果はトランザクションの頻度が8％減少した（naive分析では15％ではなく）ものの、小口注文の統合によって平均取引額が22％増加したことが明らかになりました。リテンションはコントロールグループと同程度に留まり、他の地域への機能の拡大を正当化する経済効果の予測を見込みました。
導入の結果、企業はルート最適化により物流コストを35％削減し、注文頻度の減少を平均取引額の増加で補填しました。得られた係数に基づく予測モデルが新しい地域での収益の損益分岐点を計算することを可能にしました。この方法論は、従来のA/Bテストが不可能な中で物流イノベーションの評価の標準として受け入れられました。
購入頻度の真の減少を時間的置換（intertemporal substitution）と区別するには、ユーザーが次の配達ウィンドウまで購入を延期するだけだとき、どうすれば良いでしょうか？
候補者の回答は、多くの場合需要の動的な性質を無視し、月内の頻度の減少は顧客の喪失と同義であると仮定します。180日以上の長いラグを持つユーザーコホートを分析し、商品カテゴリを区別する必要があります。生鮮食品や衝動的な商品（スナック、アクセサリー）に関しては、延期は喪失と同等ですが、計画購入（家電製品）の場合は単に時間的な移動であります。方法論的には、distributed lag modelsを使用するか、定期消費カテゴリーに基づいて計算された「家での在庫日数」を通じて「ストックパイリング」行動を分析する必要があります。90日間の合計商品数が減少している場合は需要の喪失であり、変わらないが注文間隔が延びた場合は置換です。
顧客が配達先の住所を考えないために、職場や友人の住所を変更してより早く商品を受け取る場合の空間的汚染（spillover effects）をどう考慮すればいいですか？
標準のDiDは、コントロールグループに対する処置の影響がないことを前提としていますが、実際には「treatment」からのユーザーが「control」での緊急注文に利用できる住所を使うことがあり、コントロールメトリクスを上昇させてしまいます。解決策は、地理的フィルターです：確定したユーザーのうち「安定した」配送先（変更なく6か月以上の履歴を持つ）を分析し、ハイブリッド注文（他のゾーンへの配送）を除外します。あるいは、空間的な距離に反比例する重みを持つspatial DiDを使用するか、境界から50km以上遠く離れた地域（donut RDD）のみを分析することで、spilloverを最小限に抑えることができます。
部分的な合意（partial compliance）の文脈で、ITT（Intent-to-Treat）とLATE（Local Average Treatment Effect）の違いを適切に解釈するにはどうすればいいですか？
候補者は、しばしば「サービスの提案」と「実際の使用」の効果を混同します。ITTは、統合ゾーン内の全ユーザーへの効果を評価し、機能を無視したユーザーも含まれ、スケーリングに関するビジネスケースにとって有用です。LATE（「ゾーンにサービスがある」というインストゥルメントを使用したIV回帰を通じて）は、導入によって行動を変えたcompliersのみに対する効果を評価します。合意が低い場合（例えば、30％が統合を使用）、ITTは機能の真の効果に対して3倍低くなることがあります。両方の指標を報告することが重要です：スケーリング時の全体のビジネス効果を予測するためのITTと、導入を決定する特定のセグメントの価値を理解するためのLATEです。