| Sub-element | Score | Rationale |
|---|---|---|
| Source Tier | 7 | T1-T2（マクビーIR資料、電通調査）が約70%。F4のaverage_tier=T1.6。バリューチェーン構造データはマクビーIR（T1-T2）、透明性問題データは業界レポート（T2-T3） |
| Recency | 8 | freshness_2yr_ratio=0.85。FY2025-2026の決算データ、2024年の透明性調査、コンサルタント生産性データ（FY2020-FY2023の時系列）が中心。大半が直近2年以内 粗利率・生産性は動態的ファクト（volatility=high）で直近データが重要。バリューチェーン構造自体は中程度のvolatility。FY2026上期の粗利率低下データは最新で鮮度良好 |
| Convergence (Value) | 7 | AC事業粗利率15%（IR資料）とメディア費COGS 79-80%（IR資料）は整合。コンサルタント生産性156%増は時系列データとして内部整合性あり。透明性問題42%は単一ソースだが他のデータと矛盾なし |
| Convergence (Scope) | 7 | デジタル広告バリューチェーンの定義は業界標準（広告主→代理店→DSP→Exchange→SSP→パブリッシャー）に準拠。マクビーの「仲介+コンサルティング」ポジションの定義は明確 |
| Specificity | 7 | マクビープラネット固有の粗利率・生産性データが中心で特異性は高い。バリューチェーン構造は日本デジタル広告市場に特化。取引手法別シェア（運用型88.1%等）は日本固有データ |
| Sub-element | Score | Rationale |
|---|---|---|
| Inference Depth | 8 | 粗利率データからのポジション評価は1ステップ。生産性156%向上からテクノロジー・レバレッジの結論は1ステップ。FY2026粗利率低下→金融分野広告費高騰の因果関係は1-2ステップ |
| Reasoning Type | 7 | バリューチェーン分析フレームワークの適切な適用。粗利率の比較分析（AC 15% vs MT 100%）は帰納的で説得力あり。利益プールマップとの連携で多角的分析 |
| Counter Check | 6 | 薄利構造の課題を認識しつつ、生産性向上による補償を反論として提示。FY2026粗利率低下を集中リスクの顕在化として正直に報告。ただし粗利率改善の可能性シナリオの検討は限定的 |
| Cross-FW Consistency | 7 | F4（バリューチェーン）とF12（利益プール）のAC 60%/MT 40%粗利貢献が整合。F2（Five Forces）のGoogle寡占とバリューチェーン透明性問題が整合。F5（SWOT）のWeakness（粗利率低下）ともリンク |
| Sub-element | Score | Rationale |
|---|---|---|
| Required Items Rate | 7 | 7項目中5項目充足（71%）。チェーン各段階定義、利益率、マクビーポジション、取引手法別シェア、収益構造は充足。支配的プレイヤーとメディアパートナー支払構造が欠落 |
| Critical Gaps | 4 | 支配的プレイヤー（各段階シェア上位企業）の欠落は、バリューチェーン内の競争力学の精緻な分析を制約する。Google以外の中間プレイヤーのシェアデータが特に不足。ただしマクビーのポジションと利益構造の結論自体は成立 |
| Obtainability | 5 | 各段階のシェア上位企業データは、業界レポート（eMarketer、Statista等）やDoJ訴訟資料の追加調査で部分的に取得可能。メディアパートナー支払構造はマクビーの非公開情報のため取得困難 |
単一仮説として結論を提示