前提：因果は“必ず起きる”約束ではない
同じ原因でも結果がブレるのは、途中で触れる条件（環境・タイミング・介在要因）が異なるためです。ゆえに、私たちが扱うのは因果の形式と条件つきの効果であり、万能の法則ではありません。
因果の3型で現実を切る
型A：単純介入（X→Y）
例：オンボーディング面談の実施（X）により30日継続率（Y）が上がる。前提が合えばシンプルに効くが、母集団や時期で効果は変動。
型B：連鎖・波及（X→M→Y）
例：価格改定（X）が離脱理由の構成（M）を変え、結果として解約率（Y）に波及。途中経路（M）を観測しないと誤診しやすい。
型C：条件付き効果（X×Z→Y）
例：通知頻度（X）の効果はユーザー熟達度（Z）で反転。未熟層は効果大、熟達層は逆効果。層別が必須。
危険域：相関と因果の取り違えを防ぐ
第三因子（Z）の影響
勤務満足（Y）と在宅日数（X）が一緒に動いていても、職種（Z）が両方を決めているだけ、ということはよくある。Zを観測・統制できないと結論は保留。
順序の混同（逆因果）
離職意向（Y）が先に高まり、その結果として残業時間（X）が増えるケース。時系列の先後と介入のタイムスタンプを必ず記録。
集計の罠（シンプソンの逆説）
全体では改善、部門別では悪化のような逆説。最低1回は層別（年齢・経験年数・チャネルなど）で確認。
観察から介入へ：実務で使う5つの手段
1. 反事実ログ（Counterfactual Log）
「介入しなかったら起きていたであろう結果」の推定根拠を都度メモ。代替シナリオを言語化するだけで、早計な決めつけを大幅に減らせます。
2. ナチュラル実験の拾い上げ
制度変更・在庫切れ・突発障害など、意図しない外乱を比較群として活用（ただし群の違いを記録）。
3. 先行／遅行の分離
例：問い合わせ未返信率（先行）と解約（遅行）。先行指標をいじって遅行で確認する二段ロックが安全。
4. DAG（因果ダイアグラム）を1枚描く
「観測できないけど効いていそうな要因」も含め、矢印で仮説を書き切る。抜けている変数を会議で洗い出し。
5. 小さな介入のA/B
完璧な実験でなくてよい。対象・期間・割付方法・主要指標・停止基準を簡潔に先出しするだけで因果の手触りが掴める。
現場テンプレート（コピペ可）
因果設計シート（1ページ）
【目的】何を変えたい？（遅行指標）： 【介入X】やること／やらないこと： 【前提】対象／期間／除外条件： 【DAGメモ】X→（ ）→Y／潜在Z：（ ） 【比較方法】A/B or 段階導入 or ナチュラル実験： 【主要指標】主：____ 副：____ 反作用：____ 【停止基準】悪化時の即時停止条件： 【反事実】介入なしならどうなった？根拠：
相関→因果の昇格チェック（5問）
- 時系列の先後は確認できたか（タイムスタンプあり）？
- 第三因子Zの候補を列挙し、最低1つは統制・層別したか？
- 層別しても効果の符号は一貫しているか？
- 小さくても介入を実施し、差で確認したか？
- 再現のための条件（対象・文脈・閾値）を書いたか？
事例で学ぶ：誤作動を正す
事例1：安全施策の逆効果
ヘルメット新型導入（X）後に事故率（Y）が上昇。相関だけ見て「装備が悪い」と結論。
実は、現場の人員不足（Z）が同時進行で悪化。Zを統制した層別では新型の効果はプラス。対策は装備刷新ではなく人的配置の是正だった。
事例2：教育コンテンツの効果見誤り
動画視聴（X）が高い学生ほど成績（Y）が高い。相関を因果と誤認して動画必修化。
反事実ログと簡易ランダム割付で検証すると、もともと自律学習の高い層に動画視聴が集中していただけ。対策は視聴の義務化でなく、自律学習の支援へ。
縁（コンテキスト）を前提に織り込む
条件を書いて、引き出しにする
「この施策は週次接点が2回以上・初期3週間・未熟ユーザーに限り効果大」。
こうした有効範囲の明記が、再現性を上げ“勝ちパターン”を資産化します。
再現確率の管理
- 効果量（中央値）＋ばらつき（四分位）をセットで共有
- 条件外への適用は試験的導入→早期レビューで拡張
運用ルール（最小で効く）
ルール1：先に定義
指標は分母・分子・期間をセットで宣言（例：継続＝30日後の再利用／分母＝初回利用者）。
ルール2：層別は1回必ず
年齢・経験・チャネルなど主要軸で最低1回は層別確認。
ルール3：介入の“痕跡”を残す
誰が・いつ・何を・どれくらいの強度で実施したか。後から反事実が作れます。
まとめ：因果は“精密さ”より“使い方”
相関を否定せず、因果を神格化もしない。条件つきの効果として因果形式を設計し、反事実・層別・小さな介入で現場に落とす。これが結果を変える最短距離です。
