ロジスティック回帰分析｜二値・多項分類とオッズ比の読み方、リードスコアリングへの活用

「このリードは商談化しそうか」「この顧客は来月解約しそうか」。Web マーケティングの現場では、こうした0/1 の未来を確率で言い当てる数字が欲しくなる場面が多くあります。ロジスティック回帰は、複数の要因（流入経路・利用状況・接触回数など）から 0〜1 の確率 を出す手法で、そのまま優先順位づけに使えます。

回帰分析の基礎では二値（0/1）のロジスティック回帰を要点だけ扱いましたが、本記事ではオッズ比の読み方と3カテゴリ以上を分類する多項ロジスティック回帰、そして混同行列・ROC-AUC でのモデル評価まで、実務で使うところを深掘りします。

01.結論：確率で出すから『優先順位』に使える

ロジスティック回帰が営業・CS の現場で重宝されるのは、予測結果がそのままランキングになるからです。「解約する／しない」の二択だけを返すモデルより、「解約確率 82%」「解約確率 14%」のように連続的な確率を返すモデルの方が、限られた人員をどの顧客から回すかという意思決定に直結します。

線形回帰の式 β0 + β1X1 + β2X2 + … は、そのままだとマイナスや1超の値も取り得るため確率として使えません。ロジスティック回帰はこの線形式をシグモイド関数に通すことで、出力を必ず 0〜1 に押し込みます。図の通り、線形式の値が大きくなるほど確率は1に近づき、小さくなるほど0に近づく、なめらかなS字カーブです。

02.オッズ比を正しく読む｜係数からリスク要因を特定する

ロジスティック回帰の係数は、線形回帰のように「1単位増えると Y が β増える」とは読めません。係数 β を exp(β) に変換したオッズ比として、「1単位増えるとオッズが何倍になるか」で読みます。ここでつまずきやすいのが、オッズ比を確率の倍率と勘違いすることです。

たとえば「メルマガ開封あり」のオッズ比が 3.0 だったとします。これは「メルマガを開封した顧客は、開封していない顧客よりオッズが3倍」という意味であって、「CVする確率が3倍」ではありません。ベースの確率が低いとき（たとえば5%前後）はオッズ比と確率の倍率がほぼ近似しますが、ベースの確率が50%に近づくほど両者は乖離します。

ベース確率とオッズ比を入れ替えながら、実際の確率と確率の倍率がどれだけズレるかをその場で確認できます。

説明変数が複数あるロジスティック回帰（多重ロジスティック回帰と呼ぶこともあります）では、それぞれのオッズ比は「他の変数を固定したときの、その変数単独の効き」として推定されます。信頼区間（95%CI）も併せて確認し、区間が1をまたぐ変数は「効果があるとは言い切れない」と判断します。

# statsmodels でオッズ比と95%信頼区間を出す
import pandas as pd
import numpy as np
import statsmodels.api as sm

# df: 説明変数, 目的変数 churn_flag (0=継続, 1=解約)
X = df[["days_since_last_login", "support_tickets", "opened_newsletter"]]
y = df["churn_flag"]

X = sm.add_constant(X)
logit = sm.Logit(y, X).fit()

# 係数 → オッズ比、信頼区間もオッズ比のスケールに変換
odds_ratio = np.exp(logit.params)
conf_int = np.exp(logit.conf_int())
conf_int.columns = ["2.5%", "97.5%"]
result = pd.concat([odds_ratio.rename("odds_ratio"), conf_int], axis=1)
print(result)
#                         odds_ratio   2.5%   97.5%
# days_since_last_login        1.08   1.02    1.14   ← 未ログイン日数が長いほど解約オッズ増
# support_tickets               1.34   1.10    1.63   ← 問い合わせ件数が多いほど解約オッズ増
# opened_newsletter             0.61   0.42    0.88   ← メルマガ開封で解約オッズが減少

03.多項ロジスティック回帰｜3カテゴリ以上を分類する

解約予測やリードスコアリングは0/1の二値で足りますが、「継続」「アップセル候補」「解約リスク」のように3段階以上で顧客をランク分けしたい場面も少なくありません。このとき使うのが多項ロジスティック回帰です。

仕組みは、基準カテゴリ（たとえば「継続」）に対する各カテゴリの log オッズをそれぞれ推定し、ソフトマックス関数で全カテゴリの確率が合計100%になるように正規化します。二値ロジスティック回帰のシグモイド関数を、3カテゴリ以上に一般化したものと捉えると理解しやすくなります。

# scikit-learn で多項ロジスティック回帰
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

# df: 説明変数, 目的変数 segment（"継続" / "アップセル候補" / "解約リスク"）
X = df[["monthly_logins", "support_tickets", "plan_tier", "days_since_last_login"]]
y = df["segment"]

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.25, stratify=y, random_state=42
)

model = LogisticRegression(max_iter=1000)
model.fit(X_train, y_train)  # 目的変数が3クラス以上なら自動でソフトマックス（多項ロジスティック回帰）になる

# 各クラスの確率（合計が1になる）
proba = model.predict_proba(X_test)
print(pd.DataFrame(proba, columns=model.classes_).head())
#      アップセル候補     解約リスク       継続
# 0        0.27         0.11      0.62
# 1        0.08         0.71      0.21

04.モデル評価｜混同行列・ROC-AUC・閾値をビジネス要件で決める

ロジスティック回帰は確率を出す時点では終わりません。「確率何%以上を陽性と扱うか」という閾値の設計と、モデルの評価が実務では同じくらい重要です。分類モデルの評価指標（適合率・再現率・F1スコア・ROC-AUC・PR-AUC）は予測モデル評価の指標と使い分けで扱っている内容がそのまま当てはまるため、ここではロジスティック回帰特有の閾値設計を中心に整理します。

# 閾値を固定せず「上位k件」で抽出する（リード架電リストの例）
import pandas as pd

proba = model.predict_proba(X_test)[:, 1]  # 陽性クラスの確率
result = pd.DataFrame({"lead_id": X_test.index, "cv_probability": proba})

# 確率が高い順に、当日架電できる件数（例: 30件）だけ抽出
today_capacity = 30
call_list = result.sort_values("cv_probability", ascending=False).head(today_capacity)
print(call_list)

なお、ここで扱う確率は「順位づけ」には十分でも、そのまま「解約確率62%」のように経営層へ報告する数値としては、モデルの出す確率が実際の頻度とズレていることがあります。この確率の信頼性そのものを検証したい場合は、別記事で詳しく整理しています。あわせてご覧ください。

05.不均衡データへの対策｜class_weight と SMOTE

解約予測やコンバージョン予測では、陽性（解約する・CVする）が全体の数%しかない不均衡データになりがちです。何も対策せずに学習すると、モデルは「全員『解約しない』と予測する」だけで正解率（Accuracy）が高く見えてしまい、肝心の解約者をほとんど拾えなくなります。不正検知や異常検知も同じ「陽性が少ない」構造を持つ代表例で、対策の考え方は別記事で扱っています。

# class_weight（まず試す標準対策）
from sklearn.linear_model import LogisticRegression

model = LogisticRegression(class_weight="balanced", max_iter=1000)
model.fit(X_train, y_train)

# SMOTE（imbalanced-learn。学習データにのみ適用）
from imblearn.pipeline import Pipeline as ImbPipeline
from imblearn.over_sampling import SMOTE
from sklearn.preprocessing import StandardScaler

pipe = ImbPipeline([
    ("scaler", StandardScaler()),
    ("smote", SMOTE(random_state=42)),   # 学習foldにのみ適用される
    ("model", LogisticRegression(max_iter=1000)),
])
pipe.fit(X_train, y_train)

06.実務ユースケース｜リードスコアリング・解約予測

ここまでの内容を、Web マーケティング・グロースハックの代表的な2場面に当てはめて整理します。

いずれのユースケースでも、モデルの精度そのものより「確率をどう業務フローに接続するか」が成果を左右します。営業・CS のキャパシティに合わせた閾値設計、不均衡データへの対策、そしてオッズ比を経営層に説明するときの言い回し（確率の倍率と混同しない）まで含めて設計すると、モデルが実際の意思決定で使われ続けます。

AutoMLの仕組みや、Google CloudのVertex AI（現 Gemini Enterprise Agent Platform）をマーケティングに活用する方法は、それぞれ別記事で詳しく整理しています。

07.よくある質問（FAQ）

08.まとめ

ロジスティック回帰は、0/1 の分類を確率のランキングに変換できるのが最大の実務価値です。二値なら二値ロジスティック回帰、3カテゴリ以上なら多項ロジスティック回帰を使い、係数はオッズ比（確率の倍率とは別物）として読みます。モデルを作った後は、混同行列・ROC-AUC での評価、業務キャパシティに合わせた閾値設計、不均衡データへの対策（class_weight・SMOTE）まで含めて初めて、現場で使われ続けるモデルになります。