---
title: マーケティング OS 成熟度モデル
chapter: "22"
part: 3-cross-cutting
status: revised
visibility: public
authors:
  - claude
reviewers: []
revision: 0.2
updated: 2026-05-19
related-skills: []
related-chapters:
  - foundations/performance-domains
  - knowledge-areas/integration-strategy
  - cross-cutting/org-learning
related-knowledge: []
---

# Marketing OS 成熟度モデル

## 概要と対象範囲

組織の Marketing OS 成熟度を**5 段階で評価する**モデル。CMO 株式会社の診断サービス（[`/services/marketing#diagnose`](/services/marketing#diagnose)）の理論基盤として機能する。

本章は次の 3 つを定義する:

- **5 段階の Level 定義**: 各 Level の判定基準
- **評価軸**: 何を測って Level を判定するか
- **Level Up の経路**: ある Level から次の Level に到達するための典型的な道筋

成熟度評価は内部評価（自己診断）と外部評価（コンサルによる診断）の両方で運用できるよう設計する。

## 5 段階モデル

| Level | 名称 | 特徴 |
|---|---|---|
| **Level 1** | **Ad-hoc**（場当たり的） | 施策単位の PDCA、組織学習なし。サイクルとして回っていない |
| **Level 2** | **Defined**（定義済み） | マーケティングサイクルを意識的に運用、文書化あり。観測・データ収集 / 起動・実装する / 学ぶの最低限がある |
| **Level 3** | **Measured**（計測可能） | Performance Domains で計測、本番反映前チェックの省略不可項目と Evidence Level の運用が成立 |
| **Level 4** | **Optimized**（最適化） | Customer Sync 独立化、再構築段の機械的運用、AI 採否ログが必須項目 |
| **Level 5** | **Adaptive Learning**（自律学習） | AI / agent による自律的学習、Learning Velocity が組織能力として明示的に管理される |

PMI の CMMI モデルを参照しつつ、マーケティング特有の論点（Customer Sync、再構築、AI 採否ログ）を組み込んだ構成である。

## 評価軸

各 Level の判定は次の 6 軸 × 12 KA のマトリクスで行う。

### 6 軸

| 軸 | 測定対象 |
|---|---|
| **プロセス成立度** | マーケティングサイクルの各段が運用されているか |
| **計測の意思決定接続度** | KPI が意思決定 KPI として機能しているか（補題 E） |
| **組織学習度** | Learning Velocity の 4 指標（[`./org-learning.md`](org-learning.md) §18.5） |
| **責任設計度** | RACI の明示、AI 採否ログの記録、A の 1 名集約 |
| **観測対象独立度** | Customer Sync が ICP 仮説と分離されているか |
| **横断統合度** | 12 KA 間の整合性、15 章 ステークホルダー連携の機能度 |

### 評価マトリクス

6 軸 × 12 KA で 72 セルになる。実運用ではすべてを毎回評価するのは過剰なので、診断目的に応じて切り出す:

- **クイック診断（3〜5 分）**: 6 軸を全体で評価（12 KA に展開しない）
- **標準診断（30 分）**: 6 軸 × 主要 5 KA
- **詳細診断（半日）**: 6 軸 × 全 12 KA

## 各 Level の判定基準

各軸で次の基準が成立するか:

### Level 1 → Level 2 への到達条件

- マーケティングサイクルが**形式上**運用されている（最低限の 観測・データ収集 / 起動・実装する / 学ぶ）
- マーケ部門が「何をしているか」が文書化されている
- 主要 KA（07 / 08 / 12）の現状が言語化されている

### Level 2 → Level 3 への到達条件

- KPI が 5 軸評価を通過している（補題 E）
- 本番反映前チェックの省略不可項目（オーナー / 計測 / ロールバック）が必須項目として運用されている
- Evidence Level（E0〜E3）の判定が記録されている
- Performance Domains の少なくとも 4 つが定期観測されている

### Level 3 → Level 4 への到達条件

- Customer Sync が ICP と独立した記録として運用されている
- 再構築段が独立段として機械的列挙の運用を持つ
- AI 採否ログの 4 要素（採否 / 判断者 / 理由 / 代替案）が必須項目
- Learning Velocity の 4 指標が観測されている

### Level 4 → Level 5 への到達条件

- AI agent が自律的にサイクルを部分実行（観測・データ収集自動集約・理解・分析する補助等）
- Learning Velocity が組織能力として明示的に管理される
- 12 KA 間の整合性監査が定期実行される
- 機能対別 RACI（15 章 §15.6）が全機能対で明示されている

## Level Up の典型経路

組織が Level を上げる際の典型的な道筋:

- **Level 1 → 2**: マーケティングサイクルの**用語**と**書き戻し先**を導入する
- **Level 2 → 3**: KPI の 5 軸評価を導入し、本番反映前チェックを運用化する
- **Level 3 → 4**: Customer Sync を独立 path に分離し、再構築段を週次 / 月次で運用する
- **Level 4 → 5**: AI agent を採否ログ前提で導入し、Learning Velocity を管理指標化する

各遷移には 6 ヶ月〜2 年程度を要するのが典型的。短縮しようとすると、形式的な達成（後述のアンチパターン）に陥る。

## 診断質問群

### クイック診断（5 分版）

各軸について 5 段階で自己評価:

1. マーケティングサイクル（観測・データ収集 / 理解・分析する / 再構築 / 起動・実装する / 学ぶ）のどれが運用されているか
2. KPI に対し「何が起きたらどう意思決定するか」が事前に決まっているか
3. 失敗の事後録が `results/` 等に書き戻されているか
4. AI 出力の採否ログが記録されているか
5. ICP 仮説と顧客実態が別の記録として保持されているか
6. 他部門との RACI が明示されているか

合計スコアで Level 1〜5 を判定。詳細な自己診断は [`/diagnose`](/diagnose) を参照。

### 標準診断・詳細診断

CMO 株式会社の診断サービスとして提供。本書では設問の骨子のみ示し、具体的な質問項目は別途運用される。

## アンチパターン

- **自己評価バイアス**: 「うちは Level 4」と言いたがる。実態は Level 2 / 3 が多い
- **Level 詐称**: 表面的な形式（ドキュメントの存在）だけで Level を判定し、運用実態と乖離
- **Tool 導入 = Level Up の誤認**: MarTech を導入したから Level が上がったと誤認。プロセス成立度は別軸
- **Level 5 への急行**: AI 導入で Level 4 / 5 に飛ぼうとし、Level 2 / 3 の基礎を欠いたまま自動化
- **Level の絶対化**: Level が高いほど良い、と単純化する。業種・規模により最適 Level は変わる
- **Level Up を KPI 化**: Level Up 速度を成果指標にし、形式的な達成を誘発する

## 関連 skill / agent

- **`/next --verbose`** — 現在地と次の一歩を提示（実質的な簡易診断）
- **`/insight ceo`** — 経営視点での組織成熟度評価

## 今後の拡張論点

- **5 段階 vs 7 段階** — CMMI は 5 段階。Sirius Decisions / Forrester は 4 段階や 6 段階を採用。CMO Marketing OS Playbook が 5 で十分か
- **業種別の最適 Level** — 規制業種・スタートアップ・大企業で「目指すべき Level」は異なる。テーラリング（19 章）との連動
- **客観的判定の難しさ** — 自己評価バイアスを補正する仕組み（外部診断・複数評価者）の標準化
- **Level Up 経路の科学性** — §22.5 の典型経路は仮説的。事例蓄積による検証が必要
- **22 章と 18 章の境界** — 18 章「学習が起きる構造」と 22 章「成熟度判定」の役割分担。重複を避ける運用