受注確度スコアリングをデータで設計する｜ロジスティック回帰分析の実装手順

アドイン・ライブラリのインストールが必要です

以下で紹介するExcel用アドインまたはPythonライブラリは、使用前にインストールが必要です。社内のIT管理ポリシーによってはインストールに申請が必要な場合があります。事前に確認してから作業を進めてください。

カテゴリ変数のダミー変換について

「業種」「役職」などの文字列データは、そのままでは分析に使えません。「マネージャー以上か否か（1/0）」「大企業か否か（1/0）」のように、2値のフラグに変換（ダミー変数化）してから使います。Pythonのpandas.get_dummies()関数で自動変換できます。

必要なサンプル数について

ロジスティック回帰分析では、説明変数1つに対して最低10〜20件の「イベント（商談化）」が必要とされています。説明変数を5つ使う場合、商談化したリードが50〜100件以上必要です。データが少ない場合は変数の数を絞って分析してください。

# 必要なライブラリをインポート

import pandas as pd

import numpy as np

from sklearn.linear_model import LogisticRegression

from sklearn.model_selection import train_test_split

from sklearn.metrics import classification_report, roc_auc_score

import statsmodels.api as sm

# CSVファイルを読み込む（ファイルパスは環境に合わせて変更）

df = pd.read_csv('lead_data.csv')

# データの先頭5行を確認

print(df.head())

print(f'サンプル数: {len(df)}')

print(f'商談化数: {df["converted"].sum()}')

# 説明変数（X）の列名を指定

feature_cols = ['page_views', 'email_opens', 'dl_count',

                'is_manager', 'company_size_large']

X = df[feature_cols]

y = df['converted'] # 目的変数（商談化フラグ）

# 学習データとテストデータに分割（8:2）

# テストデータでモデルの精度を検証するために分割する

X_train, X_test, y_train, y_test = train_test_split(

    X, y, test_size=0.2, random_state=42, stratify=y

)

print(f'学習データ: {len(X_train)}件 / テストデータ: {len(X_test)}件')

# 定数項を追加（statsmodelsの仕様）

X_train_sm = sm.add_constant(X_train)

# ロジスティック回帰モデルを構築

model_sm = sm.Logit(y_train, X_train_sm).fit()

# 結果サマリを表示

print(model_sm.summary())

# オッズ比を計算（係数をeの指数で変換）

odds_ratio = np.exp(model_sm.params)

print('\n=== オッズ比 ===')

print(odds_ratio)

オッズ比の読み方

出力例：
page_views=2.31
→ 閲覧ページ数が1増えると商談化確率が2.31倍になる
email_opens=1.85
→ 開封回数が1増えると商談化確率が1.85倍になる
dl_count=3.12
→ 資料DLが1件増えると商談化確率が3.12倍になる
is_manager=4.20
→ マネージャー以上だと商談化確率が4.20倍になる
company_size_large=2.80
→ 大企業だと商談化確率が2.80倍になる

オッズ比が1を超えるほど商談化確率を高める要因、1を下回るほど商談化確率を下げる要因です。p値（P>|z|）が0.05以上の変数は統計的に有意でない可能性があるため、除外を検討します。

# scikit-learnでモデルを学習（予測確率の出力に使う）

model = LogisticRegression(random_state=42)

model.fit(X_train, y_train)

# テストデータで予測

y_pred = model.predict(X_test)

y_prob = model.predict_proba(X_test)[:, 1] # 商談化確率

# 精度評価レポート

print('=== 分類レポート ===')

print(classification_report(y_test, y_pred))

# AUC-ROCスコア（モデルの識別能力）

auc = roc_auc_score(y_test, y_prob)

print(f'\nAUC-ROC: {auc:.3f}')

AUCが0.75を下回る場合

サンプル数が不足しているか、説明変数の選択が不適切な可能性があります。相関分析に戻って変数を見直すか、データ量を増やしてから再実行してください。0.6台でも、感覚ベースのスコアリングよりは根拠のある設計ができますが、モデルの限界を明示した上で使うことを推奨します。

# 全リードの商談化確率を予測

df['conversion_prob'] = model.predict_proba(X)[:, 1]

# 確率を0〜100のスコアに変換

df['score'] = (df['conversion_prob'] * 100).round(0).astype(int)

# スコア帯ごとのリード数と実際の商談化率を確認

df['score_band'] = pd.cut(df['score'],

    bins=[0, 20, 40, 60, 80, 100],

    labels=['0-20', '21-40', '41-60', '61-80', '81-100'])

result = df.groupby('score_band')['converted'].agg(['count', 'mean'])

result.columns = ['リード数', '実際の商談化率']

result['実際の商談化率'] = (result['実際の商談化率'] * 100).round(1)

print(result)