エフェクチュエーション（Effectuation）

Summary
秀逸ポイント
提唱者・発表時期
詳細説明
具体例／活用案
すぐ使える問い（Killer Question)
参考文献

Summary

「エフェクチュエーション」は、市場・競争の診断（Strategy & Market Diagnosis）の中でも、データや予測が効きにくい“新規・不確実”な状況で意思決定を前に進めるための考え方です。

ひと言で言うと「予測せずに、手持ち資源で未来をつくる意思決定ロジック」。

新規事業、未成熟市場の仮説検証で迷いが止まったときに使います。DXの推進、生成AI/MA導入といった観点でも応用が可能です。

秀逸ポイント

エフェクチュエーションの秀逸さは、「精緻な予測」ではなく「コントロール可能な行動」に軸足を置く点です。成功確率を当てにいくより、失敗しても致命傷にならない“許容損失（Affordable Loss）”で小さく賭け、協力者・顧客・パートナーのコミットメント（Crazy Quilt）で不確実性そのものを減らします。さらに、想定外の出来事を“戦略資源”に転換する（Lemonade）ため、初期の市場診断が外れても学習が前に進む。AIマーケでは、モデル精度やROIの見積りがブレやすい局面でも、実験設計と協業設計で前進できるのが強みです。
また、起業家研究では“熟達者”が初期段階でこのロジックを好むことが示され、経験知を手掛かりに市場を再定義していく点が特徴です。計画（コーゼーション）を捨てるのではなく、探索フェーズはエフェクチュエーション、拡大フェーズはコーゼーション、とモードを切り替えられると実務で強力に機能します。

提唱者・発表時期

提唱者は米UVA Dardenのサラス・サラスバシー（Saras D. Sarasvathy）教授です。Dardenの解説では、彼女が1990年代後半に「熟達した起業家が初期の意思決定で何をしているか」を実証的に調べ、そこで見いだした“非予測的コントロール（non-predictive control）”としてエフェクチュエーションを位置づけています。学術的には2001年にコーゼーション（目的→手段の最適化）と対比する形で理論化され、その後2008年に書籍として体系化されました。(日本では2015年)
さらに2009年には、熟達起業家と（予測型の）マーケティング教育を受けたマネジャーを比較し、マーケティング意思決定（ターゲット、チャネル、価格など）で両者がどのように異なるかを実験的に検証した研究も発表されています（Journal of Marketing）。

詳細説明

エフェクチュエーションは、既存の市場データが豊富で、将来の需要がある程度予測できるときに強い「コーゼーション（因果・予測型）」と対になる意思決定ロジックです。伝統的な戦略・マーケの教科書は、まず市場を分析し、ターゲットを定め、最適な打ち手（4Pやチャネル）を設計し、期待収益を最大化する流れを前提にしがちです。
一方で、新市場・新技術・規制変化・プラットフォーム転換など「過去が未来を説明しない」局面では、分析が“確からしい物語”を作っても、意思決定を前に進めないことがあります。Journal of Marketing（2009）は、不確実性をナイト（Frank H. Knight）が論じた「リスク／不確実性」の区別にならって整理すると、に「既知／未知／不可知」の３層に分け、不可知（真に予測困難）では“予測を捨てるロジック”が必要になる、という問題設定を明示しています。
不確実性をどう扱うかは、そもそも「何が分かっていないのか」を区別するところから始まります。起業・新市場開拓の文脈では、不確実性を（1）既知（Knowns）＝前提も分布も把握できる、（2）未知（Unknowns）＝分布は不明だが検証や追加調査で縮められる、（3）不可知（Unknowables）＝そもそも起きる事象や因果構造自体が事前には特定できない、の3層に分けて考えます。前二者は、データ収集やモデル改善で「予測精度を上げる」アプローチが機能します。しかし不可知の領域では、精緻な予測は“当てにいくほど外れる”うえ、当たったとしても再現性が担保しにくい。だからこそ、エフェクチュエーションは「予測で当てる」代わりに、許容損失で小さく賭け、協力者のコミットメントを積み増し、起きた事象を資源として取り込むという“非予測的コントロール”のロジックが必要になる、という問題設定を明示しています。

5原則（後年の整理）

実務では、次の5原則がコンパスになります（呼称は英語のまま定着しています）。

Bird in Hand（手中の鳥）：Who I am / What I know / Who I know から出発し、いま持つ手段で始める
Affordable Loss（許容損失）：期待値ではなく「最悪ゼロでも耐えられる損失」で意思決定する
Crazy Quilt（クレイジーキルト）：協力者の“実コミット”を積み増し、不確実性を減らす
Lemonade（レモネード）：想定外を“事故”で終わらせず、機会・学習資源に変換する
Pilot in the Plane（操縦士）：環境に適応するだけでなく、共創で未来を形づくる

コーゼーションとの違い（要点比較）

観点	コーゼーション（予測型）	エフェクチュエーション（非予測型）
出発点	明確な目的（ゴール）	手持ちの手段（資源・関係・強み）
意思決定基準	期待収益の最大化	許容損失の最小化（小さく賭ける）
不確実性への姿勢	予測精度を上げてから動く	動いてコントロール可能性を上げる
競争の捉え方	競合分析→差別化	パートナー獲得→共創・市場形成
サプライズ	リスク／逸脱	学習素材／新しい機会

2001年の理論化では、（1）手段起点、（2）許容損失、（3）パートナーシップ、（4）不確実性のレバレッジ、という“反転”が明示され、特に初期は「精緻な市場調査」より「同盟・パートナー形成」に寄る可能性が示唆されています。

具体例／活用案

ここでは「マーケティング担当者が探索フェーズでどう使うか」を、公開情報で確認できる範囲の事実に限定して整理します。

STPを確定せず、コミットが取れる最小市場から始める
Journal of Marketing（2009）の研究では、熟達起業家は市場調査を“鵜呑みにして動く”より、経験知・許容損失・ステークホルダーとの相互作用で市場と製品を再定義する傾向が示されています。実務では、最初に理想ターゲットを決め切るより、(a) すぐ会える顧客、(b) 既存チャネルで試せる顧客、(c) 共創に参加してくれる顧客、のいずれかで小さく検証し、学習でセグメント定義を更新します。
予算承認が難しいなら、許容損失で“小さく賭ける”設計に変える
同研究は、熟達起業家が期待収益より「失敗しても耐えられるコスト」を重視する傾向も示しています。マーケ施策に置き換えると、①上限コスト（人件費・運用工数含む）、②学習が得られる最小サンプル、③停止基準、を先に合意し、1〜2週間単位で改善します。AIマーケ（MA/生成AI）では、見えない運用コストが膨らみがちなので有効です。
競合分析の前に、クレイジーキルトで“味方”を増やす
2001年の理論は、不確実性下の初期は精緻な予測よりもパートナー形成に寄る可能性を示唆しています。
UVA Dardenの解説でも、FUBUのDaymond Johnが「手持ち資源（means）から始め、早くプロトタイプを顧客に当てる」ことを勧めた例、Virgin AtlanticでRichard Bransonが“失っても耐えられる範囲”を重視した例が紹介されています。マーケでも、共同実験・共同販売・共同データ整備など「相手が腹落ちするコミット」を先に取りに行く発想になります。
想定外を学習資源に変換する（レモネード）
社会起業の教材例ですが、Ashokaの立ち上げストーリーは、資金・人脈・支援者のコミットを積み増して仕組みを拡張するプロセスとして整理されています。キャンペーンが外れたときも「誰が予想外に反応したか」を次の市場定義に反映すると学習が前に進みます。
誤用に注意：探索を永遠に続けず、拡大局面でコーゼーションへ切り替える
エフェクチュエーションは“計画不要”の免罪符ではありません。MA導入に関する研究では、大企業のB2B企業も初期は効果が読めずエフェクチュアルに動きつつ、進行に合わせて計画型とのバランスを変えること、そして実験的・アジャイルな学習が重要だと示されています。探索→標準化→拡大のどこでKPI・予算・ガバナンスを強めるかを最初から設計してください。

すぐ使える問い（Killer Question)

いま議論している「ターゲット」は、分析で選ぶ“理想顧客”なのか、それとも最短で接触でき、共創のコミットが取れる“最初の顧客”なのか？（探索フェーズでは後者が学習速度を決めます）
この施策／AI導入で「最悪ゼロになっても耐えられる損失（人件費・運用工数含む）」はいくらか。上限を超えるなら、何を捨て、誰のコミットでリスクを分散するか？（許容損失が曖昧だと撤退判断が遅れます）
直近の想定外（外れた仮説、予想外の用途、違う業界からの反応）を、失敗として処理して終えたか。そこから新しい市場定義・価値提案・チャネル仮説を作り直したか？（サプライズを“機会”へ変換できるかが差になります）