算出方法

このアプリは ListeningMind Data API の `keyword_info`(ads_info) が返す 48ヶ月の月次検索量だけを使い、カテゴリーとセグメントの次の3〜6ヶ月の検索需要を予測します。検索需要は月次検索量の合計であり、販売や売上ではありません。

1. データ収集

• シードごとに `intent_finder/keyword_list` を検索量順(100または200)と増減率順(40)で呼び、ユニバースを作ります。[実測]
• LLM が同音異義語・時事・無関係キーワードを除外し、除外一覧は根拠タブに公開します。[LLM]
• 残り全キーワードに `keyword_info`(ads_info、1クレジット/キーワード)で48ヶ月の月次検索量を取得します。[実測]

2. セグメント構成

• 自動（2段階）: ①検索量上位80語で LLM が5〜8セグメントのタクソノミー（名前・定義・例）を定義。②全キーワードを100語ずつのバッチで、各キーワードをセグメント1つか特殊バケット（隣接カテゴリー／イベント・人物／その他）に割り当てます。照合は空白・大小文字を正規化します。セグメント検索量は所属キーワードの合計です。[LLM]
• 隔離グループ: 隣接カテゴリー（原料・副産物・名称のみ重なる製品）とイベント・人物のキーワードは別グループとして表示のみ行い、カテゴリー合計・優先順位・タイミングから除外します。
• 失敗基準: セグメントが3未満、または「その他」がカテゴリーキーワードの50%超なら失敗としてシード別セグメントに切り替え、画面に明示します。上位キーワードをセグメントに昇格させる代替は行いません。
• シード別: 1シード=1セグメント。手動定義: 与えられたセグメントを固定し残りを②で割り当てます。
• 上位3キーワード比率(集中度)も表示します。[計算]

3. 時系列タイプ判定

モデル選択の前に系列ごとにタイプを判定します（順に最初に該当したもの）。[計算]

タイプ	基準	処理
急騰型	直近6ヶ月平均 ÷ 以前18ヶ月平均 ≥ 3.0（月20件以上）	季節モデルの代わりに直近3ヶ月水準を維持。区間 −50%/+60%。参考。タイミング・順位除外
イベントスパイク	最大月 ≥ 中央値×4、直近24ヶ月内、現在 ≤ 最大の50%、1年前後の同月に反復なし	スパイク前12ヶ月中央値へ毎月40%減衰。参考。タイミング・順位除外
不安定	採用モデルのバックテスト誤差 > 50%	予測は出すが参考。タイミング・順位除外
シーズン型	季節性の強さ ≥ 0.3、振幅 ≥ 1.25	タイミング規則を適用
上昇/下降トレンド型	脱季節 Theil-Sen 傾き年率 ≥ +15% / ≤ −15%	通年型として扱い、トレンドを表示
通年安定型	その他	通年型

• 低ベースガード: 前年同期・モメンタム・予測期間前年比の分母が月20件未満、または倍率10倍以上なら増減率の代わりに「ベース不足」と表示します。[計算]

4. 予測モデル

最初の非ゼロ月からの系列を使います。有効履歴24ヶ月未満は季節モデルを外し、12ヶ月未満は予測しません。

モデル	方法
S 季節ナイーブ（ベースライン）	前年同月
M 12ヶ月平均（ベースライン）	直近12ヶ月平均、水平
A 季節ナイーブ+成長	前年同月 × (1 + 直近12ヶ月合計 ÷ その前12ヶ月合計 − 1)
B 古典分解+Theil-Sen	12ヶ月中心移動平均比の月別中央値で季節指数を作り、脱季節の直近24ヶ月に Theil-Sen 直線を当てる
C Holt-Winters 乗法	α・β・γ をグリッド探索した三重指数平滑
D アンサンブル	A・B・C の中央値

• 拡張ローリングオリジン: 学習長を36→42ヶ月まで毎月延ばし各originで6ヶ月予測（48ヶ月なら7origin、42誤差点）。平均 sMAPE 最小のモデルを採用し、0.5pt以内なら単純なモデル（S→M→A→B→C→D）を優先します。6モデルの sMAPE と採用モデルの MASE（季節ナイーブ比、1.0で同等）を根拠タブに表示します。[計算]
• 80%区間: 採用モデル対数誤差の10/90分位を予測月別 RMS 比で伸ばし（単調増加）、同じバックテストで選んだ楽観バイアス補正として1.1倍。最低±10%。誤差25%超は「参考」バッジ。
• カテゴリー全体＝隔離グループを除くセグメント（その他含む）予測の合計（bottom-up）。カテゴリーの誤差と区間は各originでセグメント予測を合算して実測と比較した値です。[計算]
• 季節性の強さ = max(0, 1 − Var(残差) ÷ Var(季節+残差))、対数スケール。

5. タイミング規則 [規則]

• 上昇開始月: ピーク月を含み季節指数が1.0以上で続くシーズン区間の最初の月。1ヶ月だけ跳ねるスパイク型はその前月
• ピーク月: 季節指数最大月。下降開始月: ピーク後に1.0を下回る月
• キャンペーン開始=上昇開始月。準備=その2ヶ月前 [慣例]。発売ウィンドウ=上昇開始月から2ヶ月。終了=下降開始月
• 繁忙期/閑散期: 予測÷直近12ヶ月平均が1.15以上/0.85以下
• 季節性0.3未満または振幅1.25未満は「通年型」
• 急騰型・イベントスパイク・不安定型と隔離グループはタイミングを計算しません
• 機会スコア（相対順位）= 順位対象の中で 40×直近12ヶ月実測前年比順位（予測の前年比は使わない） + 30×モメンタム順位 + 30×繁忙期比率順位。誤差25%超、急騰、イベント、不安定、隔離はスコアなし（hard gate）

現在のパラメータ: ramp_cross_level=1.0, prep_lead_months=2, launch_window_months=2, peak_high=1.15, peak_low=0.85, evergreen_strength=0.3, min_amplitude=1.25

6. ブリーフと数値ガード

LLM が書いた文の数字を根拠パックと照合し、根拠にない数字を含む文は削除してテンプレート文に置き換えます。[LLM]

7. 限界

• 48ヶ月では origin 7個、誤差点42個です。誤差はそのまま表示します。
• セグメント割り当てと隔離は LLM の判断です。隔離グループのキーワードは画面で確認できます。
• データ最新月は前月。当月は予測1ヶ月目として扱います。
• 検索需要は関心の先行指標であり販売ではありません。