ナッジは平均 d = 0.43——200 を超える研究が示す選択アーキテクチャの実力と限界
エビデンスが揃ったいま、施策の期待値をどう設定し、自社 A/B をどう読むか
「ナッジは効く」——この言葉はマーケの現場で手垢がつくほど語られてきた。しかし「どのくらい効くのか」を数字で答えられる人は少ない。
PNAS（米国科学アカデミー紀要）に 2021 年掲載された Stephanie Mertens らのメタ分析は、その問いに集合的エビデンスで答えた最初の大規模研究だ。200 を超える研究、440 を超える効果量を統合し、ナッジの平均効果を Cohen’s d = 0.43 と推定した。
「d = 0.43」は何を意味するか
効果量 は介入の強さを標準化した数値だ。Jacob Cohen の目安では d = 0.2 が「小」、d = 0.5 が「中」、d = 0.8 が「大」とされる。ナッジの平均 d = 0.43 は「小〜中程度」の位置に収まる。
これは「効かない」ではなく「劇的でもない」という意味だ。コンバージョン率を 30% 上げるような大きな数字ではなく、10〜15% 程度の安定した押し上げ効果が期待できる、という読み方が現実的に近い。
メタ分析 としての強みは、単一の研究では観察できない安定した傾向を、多数の研究の集合から引き出す点にある。Mertens らは健康行動・金融行動・エネルギー消費・公共政策など複数の領域にまたがってこの数字を算出しており、「特定の領域でたまたま効いた」ではなく「一般傾向として d ≈ 0.43」であることを示した。
どんなナッジが効くのか
選択アーキテクチャ の介入は大きくいくつかに分かれる。デフォルト設定の変更（オプトアウト型臓器提供登録など）、社会的規範メッセージ（「あなたの隣人の 92% が節電しています」等）、選択肢の数・順序の操作などがその典型だ。
Mertens らの分析ではデフォルト変更が最も効果が大きい介入の一つとして現れた。一方で領域差があることも明確で、健康行動への介入は金融行動への介入より平均効果量が高い傾向が見られた。
「ナッジが効く」を ad hoc な成功事例から集合的エビデンスに格上げした——それがこの論文の本質的な貢献だ。
ただし同時に、研究間の 不均一性（heterogeneity）が高い ことも示されている。つまり同じデフォルト変更という介入でも、対象・文脈・設計の質によって効果量の振れ幅が大きい。「ナッジさえ使えば必ず効く」とは言えない、というのがエビデンスの正直な読み方だ。
出版バイアスと再現性の問題
Mertens らのメタ分析はその後、重要な批判的フォローアップを引き起こした。Stefan Maier らが 2022 年に発表した再分析では、出版バイアスを補正すると効果量がほぼゼロまで縮む と主張した。
メタ分析 の宿命として、分析に含まれる研究は「有意結果が出て掲載された研究」に偏る。ナッジが効かなかった実験は引き出しの中に眠っていることが多い。この歪みを統計的に補正すると d = 0.43 の数字は大幅に小さくなる、というのが Maier らの主張だ。
この論争は「再現性の危機」（Open Science Collaboration 2015 が心理学全体で示した問題）と同じ文脈にある。ナッジ研究は、行動科学の中でも再現性が議論されるフロンティアにいる。
マーケ実装での実践的な読み方
この一連のエビデンスから、マーケ実装に引き直せる教訓は二つある。
第一に、「d = 0.43」を期待上限として使う。 自社の 選択アーキテクチャ 施策を企画するとき、メタ分析の中央値（d ≈ 0.4）より大きな効果を前提にしたビジネスケースは過楽観だ。自社 A/B でリフトが d = 0.15〜0.25 程度だったとしても、それは「この施策は失敗だ」ではなく「メタ分析の分布の中ではよくある数字」と冷静に解釈できる。
第二に、文脈の設計がすべてだと知る。 Mertens らが示した不均一性の高さは、「ナッジは効くか効かないか」よりも「どう設計するかで効果が全然違う」という事実を指している。デフォルトを変えても、後でオプトアウトが簡単なら効果は薄れる。社会的規範メッセージも、その規範が受け手の自己概念と合致していないと逆効果になることがある。
「効く施策」ではなく「設計の質」で差がつく
ナッジ というラベルは便利だが、その便利さが設計の粗さを隠してきた側面がある。Mertens らのメタ分析が与えたものは、「ナッジは平均的に効く」という安心感ではなく、「平均値より上に出るか下に出るかは設計の質で決まる」という設計者への返球だ。
施策の期待値を d = 0.43 に設定し、設計の細部——デフォルトの粘着力、メッセージのフレーミング、選択肢の順序——に投資することが、集合的エビデンスが示す最も実用的な含意だろう。
