パフォーマンスドメイン

この章で解く問題

実務では次の状態が頻発する。

短期 ROAS だけで成果を判定し、ブランド資産（指名検索・想起）が枯渇する
NPS だけを見て、パイプライン金額の停滞に気づかない
「マーケ部門の評価指標 = MQL 件数」となり、組織能力・学習速度・リスク管理が誰の責任でもなくなる
計測ダッシュボードに 30 指標並んでいるが、ドメイン間のトレードオフは誰も議論しない

これらは1 つの KA に閉じた成果指標を組織全体の成果と混同したときに起きる。マーケが事業に与える影響は多次元であり、1 軸だけで判定すると残りの軸は犠牲になる。

本章は次の 2 つを提供する。

6 つのパフォーマンスドメイン: KA とは直交する評価軸として、Customer Value / Brand Equity / Pipeline & Revenue / Learning Velocity / Org Capability / Risk & Trust を置く
ドメイン間トレードオフの可視化: 衝突パターンを構造的に並べ、経営判断の場に乗せる

PMBOK 7th edition の "Performance Domains" 概念を踏襲しつつ、マーケ固有のドメインで再構成した。既存学派との詳細比較は §3.6、理論的背景は §3.7、フレームワークカタログは §3.8 にまとめる。

対象範囲

パフォーマンスドメインは、複数の知識エリアを横断する成果観点である。1 つの知識エリアに閉じない成果（例: ブランド資産は 08 だけでなく 11 / 12 / 17 にも影響される）を捕捉するため、KA とは直交する評価軸として置く。

KPI 設計（13 章）、Marketing OS 成熟度評価（22 章）、組織学習速度の測定（18 章）はすべてパフォーマンスドメインを基盤とする。

6 つのパフォーマンスドメイン

Customer Value（顧客価値）

顧客が実際に得ている価値の量と質。「自社サービスが解消した Job の重要度 × 達成度」で捉える。

主要指標例: NPS、CSAT、JTBD 達成度、解約理由、紹介率、利用頻度の変化

時間軸: 中〜長期（数週〜数四半期）

Brand Equity（ブランド資産）

カテゴリ内での想起・連想・選好の総体。短期施策では動かないが、長期では他のドメイン全てに影響する基底資産。

主要指標例: 指名検索数、ブランド想起率、純粋想起 vs 助成想起、share of voice、指名比率

時間軸: 長期（数四半期〜数年）

Pipeline & Revenue（パイプライン・売上）

需要創出から売上計上までの流れ。最も直接的な事業貢献を測るドメイン。

主要指標例: MQL / SQL / Opportunity / Closed-Won の各転換率、パイプライン金額、ROAS、Payback Period

時間軸: 短〜中期（数日〜数四半期、業種により変動）

Learning Velocity（学習速度）

組織が 1 サイクルを回す速さと、サイクル間で profile（前提）が更新される割合。CMO Marketing OS Playbook 独自のドメインであり、Marketing OS の駆動力そのものを測る。

主要指標例: サイクル所要日数、Evidence Level E3 への昇格件数、再構築段で再構築された前提数、AI 採否ログの記録率

時間軸: 短〜中期（数週〜数四半期）

Org Capability（組織能力）

マーケ組織の機能を発揮できる能力。スキル・体制・他部門連携を含む。

主要指標例: 役割充足率、スキルマップのカバレッジ、機能対別の摩擦件数（../knowledge-areas/stakeholder/）、属人化指数

時間軸: 中〜長期（数四半期〜数年）

Risk & Trust（リスク・信頼）

ブランド・法務・顧客体験・データ取扱・AI 出力のリスクと、それが棄損されない状態（信頼）。

主要指標例: 重大インシデント数、コンプラ違反件数、AI ハルシネーション検出率、ブランドセーフティ違反件数、顧客信頼指数

時間軸: 平時は監視のみ、有事は短期

ドメイン間のトレードオフ

6 つのドメインは独立ではなく、しばしば衝突する。CMO Marketing OS Playbook は衝突を構造的に可視化することを目的とし、解消方法は状況依存とする（../cross-cutting/tailoring.md）。

典型的な衝突パターン:

トレードオフ	概要
Pipeline vs Brand Equity	短期売上を追うと指名検索・想起への投資が削られる。逆もまた然り
Learning Velocity vs Risk & Trust	速く回そうとすると承認・計測・ロールバックが薄くなる
Customer Value vs Pipeline	解約防止やオンボーディング改善への投資は短期パイプラインを直接増やさない
Org Capability vs Pipeline	組織能力構築（採用・育成）は短期 KPI を直接動かさない
Learning Velocity vs Org Capability	速く回すことに最適化すると人材育成のサイクルが追い付かない

トレードオフは経営判断であって、Marketing OS は判断を自動化しない。判断と判断根拠を ../foundations/principles.md の Principle 6（AI Decision Accountability）に従って記録する。

トレードオフの判定で特に注意すべきは、多くのドメインが非線形に顕在化することである（principles.md 補題 I）。例えば Brand Equity は数四半期〜年単位で動く一方、Pipeline は週次で動くため、短期の線形比較では Brand Equity が常に「効果なし」と判定される。各ドメインに固有の時間軸を事前に明示し、線形評価で施策の正誤を誤判定しないようにする。

12 KA との対応

各知識エリアがどのドメインに主に寄与するかを以下に整理する。寄与は排他ではない（多くの KA は複数ドメインに影響する）。

KA	主寄与ドメイン	副次寄与
05 統合・戦略	Learning Velocity / Org Capability	全般
06 Intelligence	Customer Value / Learning Velocity	Brand Equity
07 ICP・ポジショニング	Brand Equity / Pipeline	Customer Value
08 ブランド・ナラティブ	Brand Equity	Customer Value
09 ProdMkt & JTBD	Customer Value / Pipeline	Brand Equity
10 価格・オファー設計	Pipeline	Customer Value
11 需要・ライフサイクル	Pipeline / Customer Value	Brand Equity
12 コンテンツ・チャネル	Pipeline / Brand Equity	Customer Value
13 計測・MarTech	Learning Velocity	全般（測定基盤）
14 組織・能力	Org Capability / Learning Velocity	—
15 ステークホルダー連携	Org Capability	Learning Velocity
16 リスク・コンプライアンス	Risk & Trust	Brand Equity

このマトリクスは KPI 設計時に「どのドメインを動かしたいか → どの KA を強化すべきか」の参照軸として使う。

マーケティングサイクルとの接続

各段で観測・更新するドメイン:

段	主に観測するドメイン
観測・データ収集	全 6 ドメインのベースライン取得
理解・分析する	Customer Value / Brand Equity のギャップ抽出
再構築	ドメイン間トレードオフの可視化と再構築判断
起動・実装する	Pipeline / Customer Value の短期動向、Risk & Trust の事前チェック
学ぶ	Learning Velocity の自己測定、全ドメインの結果書き戻し

Learning Velocity だけは「Marketing OS 自身を測るドメイン」であり、他 5 ドメインとはメタレベルが異なる。

既存の学派・伝統との関係

モデル	出典・主提唱者	年代	主目的	6 ドメインとの位置取り
Balanced Scorecard（BSC）	Kaplan & Norton	1992	財務 / 顧客 / 内部プロセス / 学習成長の 4 視点	6 ドメインの祖型。Customer Value / Pipeline / Org Capability / Learning Velocity に対応
OKR（Objectives & Key Results）	Andy Grove → John Doerr	1970s / 1999	短サイクルでの目標管理	KPI 設計（13 章）の運用フレーム。ドメイン軸ではなく目標軸
North Star Metric（NSM）	Sean Ellis 系譜	2010s	単一の北極星指標	Pipeline / Customer Value のうち 1 つを代表値とする運用。トレードオフは陽に扱わない
AARRR Pirate Metrics	Dave McClure	2007	ファネル指標	Pipeline & Revenue ドメイン内のフレーム
HEART Framework	Google	2010	プロダクト体験の 5 指標（Happiness / Engagement / Adoption / Retention / Task success）	Customer Value ドメインの内訳
PMBOK 7 Performance Domains（8 個）	PMI	2021	プロジェクト成功軸（利害関係者 / チーム / 開発アプローチ / 計画 / プロジェクト作業 / デリバリー / 測定 / 不確実性）	6 ドメインの構造的祖型。マーケに合わせて再構成
Marketing Performance Measurement（MPM）	Patrick LaPointe 他	2000s	媒体 ROI 中心の評価	Pipeline & Revenue 単独偏重の典型。ブランド・学習・組織は射程外
EBIT-Driven Marketing（M&S 系）	Mark Ritson 他	2010s	短期売上と長期ブランドの両立	Pipeline と Brand Equity のトレードオフを論じる伝統
Customer Lifetime Value（CLV）軸	Fader / Hardie	2005〜	顧客資産の長期計測	Customer Value と Pipeline & Revenue の橋渡し
Brand Value Chain	Keller	2003	ブランド投資 → 顧客マインドセット → 市場成果 → 株主価値	Brand Equity ドメインの理論的骨格
ESG / Marketing Sustainability	各種	2010s〜	環境・社会・ガバナンス観点での評価	Risk & Trust ドメインに部分的に含まれる

このうち BSC と PMBOK 7 Performance Domains が 6 ドメインの最も近い祖型である。BSC の「学習と成長」が Learning Velocity と Org Capability に分かれ、「顧客」が Customer Value と Brand Equity に分かれた、と読める。NSM や AARRR のような単一指標 / 単一ファネルモデルは Pipeline ドメイン内の運用フレームとして併用する。

CMO Marketing OS Playbook が 6 ドメインを構造化する独自性は Learning Velocity を独立ドメインに昇格させる点にある。BSC の「学習成長」は実質的に従業員研修・スキル投資に閉じることが多く、組織が マーケサイクル自体をどれだけ速く更新できるか という観測軸を持たない。

理論的背景

この節は補足である。

戦略管理論

Kaplan & Norton（1992, 1996）"The Balanced Scorecard": 財務指標だけでは戦略遂行を測れないことを示し、4 視点モデルを提案した。6 ドメインの最も近い祖
Kaplan & Norton（2004）"Strategy Maps": 戦略仮説の因果連鎖を可視化する手法。ドメイン間のトレードオフ（§3.3）を扱うための下敷き
Porter（1980 / 1985）"Competitive Strategy" / "Competitive Advantage": 競争優位の源泉を構造化。Brand Equity / Org Capability の理論的位置づけに寄与

組織能力論

Day（1994）"The Capabilities of Market-Driven Organizations": 市場連動を組織能力として扱う。Org Capability ドメインの直接の理論基盤
Teece, Pisano & Shuen（1997）"Dynamic Capabilities": 環境変化に応じた能力再構築。Learning Velocity ドメインの理論基盤
Eisenhardt & Martin（2000）"Dynamic Capabilities: What Are They?": Dynamic capabilities の実証研究。学習速度と業績の関係を示す

マーケティング会計・測定論

Srinivasan & Hanssens（2009）"Marketing and Firm Value": マーケ施策と企業価値の長期関係。Brand Equity と Pipeline & Revenue を分けて測る必要性の実証
Lenskold（2003）"Marketing ROI": マーケ ROI の構造化。Pipeline & Revenue ドメインの計算基盤
Farris, Bendle, Pfeifer & Reibstein（2010）"Marketing Metrics": マーケ指標の網羅辞典。13 章計測・MarTech の参照書

リスク管理論

COSO ERM Framework: 企業リスク管理の標準フレーム。Risk & Trust ドメインの構造的祖型
AI Risk Management（NIST AI RMF, 2023）: AI 固有リスクの管理フレーム。17 章 AI in Marketing と連動

引用文献の詳細は ../appendices/references.md §E.6 を参照。

主要フレームワーク・手法カタログ

Customer Value の測定フレーム

NPS / CSAT / CES: 推奨意向・満足度・努力度の標準指標
JTBD 達成度: Job ごとの達成率と重要度の積
HEART Framework: Happiness / Engagement / Adoption / Retention / Task success
Cohort Retention Curves: 時系列での顧客残存率
Customer Lifetime Value（CLV / LTV）: 顧客一人あたり生涯価値
Voice of Customer（VoC）解析: 顧客の声の構造化

Brand Equity の測定フレーム

Aaker's Brand Equity Model: Brand Awareness / Perceived Quality / Loyalty / Associations
Keller's Customer-Based Brand Equity（CBBE）: ピラミッド構造（Salience → Performance / Imagery → Judgments / Feelings → Resonance）
Brand Value Chain: ブランド投資から株主価値までの因果連鎖
Share of Voice / Share of Search: 市場内の言及・検索シェア
Brand Lift Studies: 広告露出と想起・選好の差分計測
Helpful, Reliable, People-First Content（Google E-E-A-T）: 検索文脈での信頼形成

Pipeline & Revenue の測定フレーム

AARRR Pirate Metrics: Acquisition / Activation / Retention / Referral / Revenue
MQL / SQL / Opportunity / Closed-Won 転換率: B2B 標準ファネル
ROAS / Payback Period / CAC / LTV-to-CAC: ユニットエコノミクス指標
Marketing Mix Modeling（MMM）: チャネル寄与の長期推定
Incrementality Testing（Geo / Holdout）: 真の因果効果
Multi-touch Attribution: 接点寄与の配分

Learning Velocity の測定フレーム

サイクル所要日数: 観測・データ収集の起点 → 学ぶ書き戻しまでの日数
Evidence Level 昇格件数: E2 → E3 への昇格件数 / サイクル
再構築候補件数 / 採用件数: 再構築候補の生成と採用の比率
AI 採否ログ記録率: AI 出力に対する判断ログの完備率
再構築頻度: 前提（KPI / ICP / 施策ラインナップ）の組み替え頻度
書き戻し時間ラグ: 結果発生から profile 更新までの時間

CMO Marketing OS Playbook 独自のドメインであり、業界標準フレームはまだ確立していない。本書が一次定義する。

Org Capability の測定フレーム

役割充足率 / DRI 設定率: ポストの埋まり方
スキルマップ・カバレッジ: 機能対別のスキル網羅
属人化指数: 1 人に依存する業務の割合
9-Box Talent Review: パフォーマンスとポテンシャルの 2 軸評価
eNPS（Employee NPS）: 従業員推奨度
Cross-functional Friction Score: 機能対別の摩擦件数（15 章ステークホルダー連携）

Risk & Trust の測定フレーム

Brand Safety Violation Rate: 配信先・隣接コンテンツのブランド毀損率
Compliance Incident Count: 法令・社内規程の違反件数
AI Hallucination Detection Rate: AI 出力の誤りの発見率
Crisis Response Time: 有事の検知から初動までの時間
Customer Trust Index: 信頼度の調査指標
Data Privacy Compliance Score: GDPR / CCPA / 改正個情法対応の充足度

業界トレンドと新興手法

AI 駆動の指標自動分類: 大量メトリクスを 6 ドメインに自動マッピング
CLV 予測モデルの精緻化: 機械学習による顧客 LTV 推定
Brand Lift の AI 化: 広告効果のリアルタイム推定
Learning Velocity ベンチマーク: 業界平均との比較（まだデータが少ない）
AI Risk Scoring: AI 出力リスクの定量化（17 章と連動）
Sustainability KPI: ESG 観点の指標統合

運用補題

補題 3-A: 6 ドメインは少なくとも 4 つを同時に観測しないと、最適化が片寄る

1〜2 ドメインだけを KPI 化すると、他ドメインは「測られていないので無視される」状態になる。最低 4 ドメインを観測対象に置く。

違反時の失敗: Pipeline 偏重で Brand Equity 枯渇（補題 I の典型）
検出指標: ダッシュボードに登場するドメイン数 / 6

補題 3-B: ドメイン間のトレードオフは経営判断であり、Marketing OS は判断を自動化しない

トレードオフを並べることまでは構造化できる。どちらを優先するかは組織の戦略選択であり、AI も CMO Marketing OS Playbook も決定しない。

違反時の失敗: 「AI が言ったから Pipeline を優先した」と AI 判断責任が外部化される（第 6 原則違反）
検出指標: トレードオフ判断ログに人間の判断者と理由が記載されているか

補題 3-C: 各ドメインに固有の時間軸を事前に明示しないと、線形評価で施策の正誤を誤判定する

Brand Equity は数四半期〜年、Pipeline は週次、Learning Velocity はサイクル単位、と時間軸が異なる。これを揃えないで比較すると、長期軸のドメインは常に「効果なし」と判定される（補題 I）。

違反時の失敗: ブランド投資を「3 ヶ月で効果が出ない」と止め、指名検索が数四半期後に枯渇
検出指標: 各ドメインの観測時間軸が KPI 設計時に明示されているか

補題 3-D: Learning Velocity を意思決定 KPI にしてはいけない（観測 KPI に留める）

Learning Velocity を「速くしろ」と評価対象にすると、AI 採否ログを形式的に埋める / Evidence Level を恣意的に昇格させる、といった歪みが起きる。

違反時の失敗: 採否ログの形式化、E2 → E3 の早期昇格、書き戻しの儀式化
検出指標: Learning Velocity を個人評価 / 部署評価に組み込んでいないか

詳細は ../cross-cutting/org-learning.md §18.6 で扱う。

補題 3-E: Risk & Trust ドメインは平時から運用する。有事だけの観測では遅い

ブランドセーフティ違反・AI ハルシネーション・コンプラ違反は、有事に検出しても被害は既に出ている。平時の継続観測が必要条件である。

違反時の失敗: 危機が顕在化してから「実は前から兆候があった」と判明
検出指標: Risk & Trust 指標が定常ダッシュボードに含まれているか

事例

失敗例: Pipeline 偏重による Brand Equity 枯渇

ある B2B SaaS 企業は 2 年間 ROAS 改善だけを KPI として追い、有料検索の最適化に予算を集中した。指名検索数は当初横ばいに見えたが、3 年目に競合の参入と同時に指名検索シェアが急落、新規獲得 CAC が 2 倍化した。Brand Equity ドメインの観測がなかったため、枯渇の進行が見えなかった事例である。

欠落ドメイン: Brand Equity（指名検索・想起率の観測なし）
顕在化: 3 年目に競合参入で一気に表面化
学び: Brand Equity は遅行指標であり、短期評価では「効果なし」と誤判定される（補題 3-C）

成功例: BSC 導入で組織能力を可視化した Mobil（1990s）

Kaplan & Norton の BSC を初期に導入した Mobil の北米精製・販売部門は、財務指標だけだった評価軸に「顧客」「内部プロセス」「学習成長」を加えた。1993〜1998 年で同業界最下位から首位に転じた。

追加ドメイン: 顧客（Customer Value）/ 学習成長（Learning Velocity + Org Capability）
効果: 単一指標では見えなかった改善余地の特定
限界: Marketing OS の再構築段に相当する「前提再構築」は BSC 単独では起きない

失敗例: NSM 単一最適化による組織歪み

Facebook が 2010 年代初頭に "Daily Active Users" を North Star Metric として徹底した結果、長期エンゲージメント・信頼性・コンテンツ品質の劣化が後年に顕在化した（ケンブリッジアナリティカ事件 2018 等）。NSM は強力だが、Brand Equity / Risk & Trust のドメインを単独で守れない。

欠落ドメイン: Brand Equity / Risk & Trust
顕在化: 信頼危機・規制当局介入・ブランド毀損
学び: 単一指標は他ドメインの監視を弱める（補題 3-A）

事例の追加は ../appendices/references.md §E.6 と ../../case/ を参照。

アンチパターン

Pipeline 偏重で Brand Equity を毀損（補題 3-A / 3-C 違反）: 短期 ROAS だけを KPI 化し、ブランド資産投資をゼロにする。数四半期後に指名検索の枯渇として顕在化する
Learning Velocity を KPI 化することで採否ログが歪む（補題 3-D 違反）: 「速く回す」評価で採否ログを形式的に埋める運用に陥り、書き戻しの質が落ちる
Risk & Trust を平時に無視（補題 3-E 違反）: 有事になって初めてドメインの存在を思い出す。ブランドセーフティ・AI 出力監視は平時から運用する
単一ドメイン最適化（補題 3-A 違反）: 6 ドメインのうち 1〜2 個だけを見て他を無視する。閉じた最適化への逃避（principles.md Principle 2 違反）
dashboard 化による意思決定使途の喪失: 6 ドメインを単に並べて見るだけで、ドメイン間トレードオフの判断に使わない（principles.md 補題 E 違反）
時間軸の不揃え評価（補題 3-C 違反）: 全ドメインを同一の時間軸（例: 四半期）で比較し、長期ドメイン（Brand Equity）を常に「効果なし」と誤判定する
AI による自動トレードオフ判断（補題 3-B 違反）: AI 出力でドメイン優先度を決め、判断主体が組織から消える

今後の拡張論点

ドメイン数（4 / 6 / 8） — 6 が現状案。PMBOK 7 は 8 パフォーマンスドメイン。CMO Marketing OS Playbook で 6 が適切か、Org Capability と Stakeholder を分けて 7 にすべきか
Learning Velocity を独立ドメインに立てる是非 — 他ドメインを測る "メタ" 性質を持つため、ドメインとは別のレイヤーに置く案もある（例: 22 章 Maturity Model の単独軸とする）
Risk & Trust の射程 — AI 出力リスクが急速に拡大しているため、独立 KA（16 章）とドメイン（Risk & Trust）の両方で扱う設計でよいか。重複の整理が必要
業種別ドメイン重み付け — B2B エンタープライズと D2C で各ドメインの重要度は大きく異なる。本章で重み付けの指針を示すか、19 章 Tailoring に委ねるか
指標例の網羅範囲 — 各ドメイン §3.2.X に "主要指標例" を 3〜5 個列挙したが、これを appendix に集約するか本章に残すか
§3.6 既存学派カタログ の網羅範囲: BSC / OKR / NSM / AARRR / PMBOK 7 / MPM / EBIT-Driven / CLV / Brand Value Chain / ESG を入れたが、業界寄り（Marketing Accountability Standards Board / MASB 等）も必要か
§3.7 理論的背景 と 13 章（計測・MarTech）との分担: マーケ会計・測定論（Srinivasan & Hanssens, Lenskold, Farris 等）は本章と 13 章のどちらに置くか。本章は「観測軸」、13 章は「計測手法」で分けたが、引用文献の重複あり
§3.8 フレームワーク の所在: 各ドメインで 5〜6 個のフレームを列挙したが、Customer Value / Brand Equity 系は 06 / 07 / 08 章と重複しうる。本章はサマリ、KA 章は詳細で分担するか
§3.10 補題 3-D（Learning Velocity を意思決定 KPI にしない）の運用: 22 章 Maturity Model では Learning Velocity を評価軸として使う。本章補題と矛盾しないか、観測 KPI と評価軸の語の規律（補題 7 / 第 7 原則）で分離するか
§3.11 事例 の事例選定: Pipeline 偏重 / Mobil BSC / Facebook NSM を入れたが、日本企業の事例が欠落している。地域バイアスを補正すべきか