| Sub-element | Score | Rationale |
|---|---|---|
| Source Tier | 8 | T1-T2が85%以上。F6のaverage_tier=T1.3（最も低いティア=最も信頼性が高い）。3C各軸にマクビーIR（T1-T2）、競合IR（T1-T2）、業界データ（T2）の裏付け |
| Recency | 9 | freshness_2yr_ratio=1.0。全データが2024-2025年。FY2025決算、競合FY2025決算、顧客セグメント比率が全て最新 3C各軸は動態的ファクト（顧客構成、競合戦略、自社業績はhigh volatility）。全データが直近1年以内で鮮度は最高レベル |
| Convergence (Value) | 6 | Company軸（売上507億円、成果報酬型98%）はIR資料で統一。Competitor軸（CyberAgent 4,363億円）も整合。Customer軸の金融比率39-58%に幅があり収束度がやや低い |
| Convergence (Scope) | 7 | 3C分析の定義は統一的。Company=マクビーAC事業、Customer=広告主、Competitor=パフォーマンスマーケティング競合で一貫。スコープの不一致は軽微 |
| Specificity | 7 | 3C全軸がマクビーのAC事業に完全特化。顧客セグメント構成、競合プロファイル、自社差別化全てが企業固有データ。日本市場に完全特化 |
| Sub-element | Score | Rationale |
|---|---|---|
| Inference Depth | 7 | 各C軸の評価はデータからの直接抽出（1ステップ）。3C間バランスの評価（Customer軸脆弱点の特定）は3軸の交差分析で2ステップ。CyberAgentとの規模格差→技術的差別化の有効期限は2ステップ |
| Reasoning Type | 7 | 3C分析フレームワークの適切な適用。各軸に複数データポイント（N=3-5）。帰納的（複数データからの傾向抽出）+ 演繹的（3Cバランスの戦略的含意の導出） |
| Counter Check | 6 | CyberAgentの規模格差を脅威として認識しつつ「成果報酬型特化の直接競合は限定的」と条件付き結論。Customer軸の業種偏在83%を最大の脆弱点として正直に報告。ただし「規制変更による3C全体バランス崩壊」シナリオの深掘りが不十分 |
| Cross-FW Consistency | 6 | F6（3C）とF7（競合プロファイル）のCompetitor軸が整合。F8（顧客JTBD）のCustomer軸が整合。F5（SWOT）のStrength/Weaknessとも矛盾なし。ただしF2（Five Forces）の買い手交渉力と3CのCustomer軸の統合分析が不十分 |
| Sub-element | Score | Rationale |
|---|---|---|
| Required Items Rate | 7 | 7項目中5項目充足（71%）。Company、Competitor、Customer、3Cバランス、成果報酬型ポジショニングが充足。顧客離脱先分析と競合Customer軸重複度が欠落 |
| Critical Gaps | 4 | 顧客離脱先分析の欠落は3Cバランスの動態的理解（Customer軸の安定性評価）を制約する。ただし現時点の3C構造の静的分析結論は成立。離脱先データなしでは「顧客集中リスクの深刻度」を正確に評価できない |
| Obtainability | 4 | 顧客離脱先分析はマクビー内部データのため公開情報では取得困難。競合のCustomer軸重複度はサイバーエージェント等の業種別売上構成が非開示のため取得困難。有料DB（帝国データバンク等）で部分的に推定可能性あり |
単一仮説として結論を提示