論
フリーミアムにおける支払金額と長期売上高の関係
―モバイルゲーム産業の実証分析―
The Impact of Consumer Payments on Long-Term Sales in Freemium:
An Empirical Analysis in Mobile Game Industries
山口 真一
＊坂口 洋英
＊＊彌永 浩太郎
＊＊＊田中 辰雄
＊＊＊＊文
* Shin-ichi YAMAGUCHI ** Hirohide SAKAGUCHI *** Koutaro IYANAGA **** Tatsuo TANAKA 要 旨 情報通信産業の新しいビジネスモデルとして、基本機能を無料で提供し、付加機能を有料で提供す る、いわゆるフリーミアムがある。フリーミアムを採用しているサービスは急増しているが、特にそ の中でも、非定額型のデジタル財課金のビジネスモデルであるモバイルゲームは、高収益・高成長率 を達成している。しかしその一方で、実証研究は少なく、ビジネスモデルの確立途上にある部分も多 い。 そこで本研究では、モバイルゲームのパネルデータを用いて実証分析を行い、消費者の支払行動と 長期売上高の関係を統計的に検証する。推定の結果、前期の有料ユーザ 1 人当たりの平均支払額 （ARPPU）は、今期の売上高に非線形で有意な影響を与えていた。また、その極大値は約 11,754 円で あった。このことから、長期売上高最大化という観点からは、ARPPU が約 11,754 円になるようにイ ベントやガチャの頻度、アイテムの価格を調整することが最適であることが示唆された。また、フリ ーミアムを採用しているサービスの大半がマネタイズに失敗し、サービス終了となっている現在、非 定額型フリーミアムは成功手法として着目されている。本研究の結果はモバイルゲーム以外にもいえ る可能性がある。 ABSTRACT
Freemium is a new business model in information and communication industries: a basic service is provided free of charge, but money is charged for virtual goods or other value-added functions. The number of freemium services is increasing rapidly. Particularly, mobile games that do not set a flat-rate charge but which charge for virtual goods have high profitability and a high growth rate. However, we do not deeply understand the freemium business model because there are few empirical studies.
In this paper, I discuss the impact of consumer payments on long-term sales in mobile game indus-tries. The results showed that ARPPU (average revenue per paid user) from the previous term (t-1) has a significant non-linear effect on sales for the current term (t). Furthermore, sales(t) became the maxi-mum value when ARPPU(t-1) was about 11,754 yen. Therefore, it is suggested that firms should oper-ate ARPPU at approximoper-ately 11,754 yen from the viewpoint of long-term sales maximization. In addition, non-flat-rate charge freemium has received wide attention as a successful technique. The re-sults of this study may be applicable to other industries besides mobile games.
1． はじめに 1．1． 先行研究：フリーミアム 情報通信産業の発展に伴い、基本機能を無料で提供 して付加機能に対して課金する、いわゆるフリーミア ムなビジネスモデルが増えている（Anderson, 2009）。 フリーミアムは「フリー（free）」と「プレミアム（pre-mium）」を掛け合わせた用語で、Wilsonが2006年に 定義したビジネスモデルである1。課金方法は、高度な 機能を使うごとに随時支払わせるものや、月ごともし くは年ごとに会費を支払わせる定額制をとっているも のなど、様々である。このようなフリーミアムが情報 通信産業で盛んに採用されるようになったのは、以下 のような理由がある。インターネットを介して提供さ れるデジタル財は、限界費用が限りなくゼロに近いた め、無料で多くの消費者にコンテンツを提供しても、 非常に小さいコストしかかからず、広範囲の消費者に 提供可能であるからである。 フリーミアムは、音楽プラットフォーム、動画プラ ットフォーム、口コミサイト、メッセージアプリなど 様々な分野で見かけることができる。例えば、クック パッドは、フリーミアムを採用したコミュニケーショ ンサイトである。利用者はレシピを無料で投稿・検索 したり、その他の機能を利用したりすることができる。 しかしながら、人気のあるレシピの検索やカロリー・ 塩分計算といった高度な機能は使うことができない。 こうした高度な機能は「プレミアムサービス」として、 月額280円を支払うことで利用できるようになる。ま たさらに機能が拡充され、料理研究家のレシピを閲覧 できる「プロのレシピ」を月額360円支払うことで利 用できるようになる。現在これらの有料サービスを利 用している人は170万人に上っている。 フリーミアムは比較的新しい概念ではあるが、 Anderson（2009）で、情報社会において主流となる ビジネスモデルだと述べられていたり、実際にFace-book等の成功事例が多く出てきていたりすることか ら、研究も徐々に蓄積されてきている。例えば、Davi-dovici-Nora（2014）では、フリーミアムの理論検証を 行っており、ミクロ経済学的な理論構築を行っている。 Niculescu & Wu（2011）は、有料サービスと無料サ ービスの差別化の手法を、time-limited（時間経過で 有料化）とfeature-limited（高品質は有料）に分類し た。Lescop & Lescop（2014）は、モバイルゲーム産業 において、無料で遊べるのにどうやって巨額の収益を 生むことができるのか、Gameloftを実例にフリーミア
ムの価格戦略を検証している。Liu, Au. & Choi（2012） は，モバイルアプリにおいて，フリーミアムとなって いるものの方が，有料アプリよりも収益性が高いこと を示している。また，このような分析結果は，Jäger-holm & Uddsten（2015）でも示されている重
しかしその一方で、小林（2011）は、フリーミアム においてフリーライダーだけを集めてしまい、ビジネ スとして成り立たなくなる危険性があることを指摘し ている。それは実証分析でも示されており、Wagner, Benlian & Hess（2013）は、フリーミアムな音楽サー ビスにおける実証分析で、無料ユーザは有料ユーザに 移行しないことを示している。つまり、フリーライダ ーにサービスを提供する分のコストだけ損をするとし てフリーミアムに否定的な見解を示している。また、 Gentzkow（2007）は、無料でオンライン新聞を配信 していることが、新聞企業の利潤を低下させていると している。 1．2． フリーミアムのビジネスモデル 以上、学術研究でも論争になっているように、フリ ーミアムにおいては、いかに有料ユーザからの収益を 拡大し、マネタイズするかが重要となっている。利用 そのものは無料という特性上、ユーザ数を多く確保し たとしても、有料と無料の差別化を上手く行えなかっ たり、広告収入が不十分であったりすると、利益を生 み出すことは出来ない。これは、大量のユーザ数を確 保しているTwitterが、未だに赤字であることからも 確認出来る。 そのようなフリーミアムについて、定額課金制2で はなく、デジタル財を販売する戦略を採用することで 大きく成長した産業の1つに、モバイルゲーム産業が ある。モバイルゲームとは、スマートフォンなどの携帯 電話でプレイするゲームのことを指す。ほとんどのも のがフリーミアムとなっており、かつ、定額制を導入 していない。ユーザは、ゲーム内のアイテムやキャラ クターを手に入れる際にその都度支払うようになって おり、支払額には原則として制限が存在しない。また、 モバイルゲーム市場規模は2014年に8,000億円以上で、 インターネット広告市場（媒体市場規模）に相当する 規模となっており、産業重要性も高くなってきている。 このようなビジネスモデルは、モバイルゲームに限 ったものではない。成功している事例として例えば、 ライブストリーミングサービスであるニコニコ生放送 では、定額課金の有料ユーザでないと放送が出来ない
ほか、さらに追加で料金を支払うことで放送時間の延 長や予約を行うことが出来るようになっている。また、 メッセージアプリであるLINEは、追加で料金を支払 うことでスタンプを購入出来るようになっており、そ れをメッセージに使用可能である。 以上のようなデジタル財課金は、ユーザの支払意欲 額に応じて柔軟に収入を得ることが出来るため、フリ ーミアムでマネタイズする戦略の1つとして注目され ている。つまり、定額サービスでは全ユーザが一律そ の額しか支払わないが、デジタル財課金では、熱心な ユーザは多く支払う一方で、あまり熱心でないユーザ は少なく支払う設計となっているため、効率良く収入 を得ることが出来る（田中・山口、2015）。 しかしその一方で、研究の蓄積は未だ十分とは言い 難く、ビジネスモデルの確立途上にある部分も多い。 その1つとして、短期売上高最大化と長期売上高最大 化の関係が挙げられる3。デジタル財課金モデルにお いては、KPI（重要業績評価指標）として、主に、ア クティブユーザ数、有料ユーザ率、有料ユーザ1人当 たりの支払額（以下ARPPU）4の3つの指標が用いら れている。これらはどれも売上高を構成する要素であ り、企業が短期売上高最大化を行うには、これらをい かに上げるかを考えればよいと考えられる。 しかしながら、モバイルゲーム関連企業や有識者へ のインタビュー調査の結果、ユーザがゲームに熱中し ていく過程で、前期の支払額が低いと今期の支払額が 高くなる傾向にある一方で、あまりに高く支払ったユ ーザは、次の月に支払いを控えるようになったり、サ ービスから離脱したりといいった行動が見られること が分かった。こうしたユーザの行動は「課金疲れ5」と 呼ばれることがあるが、このことは、過去の購入額が 現在のユーザの行動に、ダイナミックな影響を与えて いることを示唆している。 このような課金疲れについては、田中・山口（2015） において、あるモバイルゲーム（カード型バトルゲー ムK）を事例に分析されている。このゲームでは、深 刻なユーザ離れが進んでおり、過度な支払誘導がその 一因になっていると分析されている。具体的な支払誘 導としては、以下のようなものが挙げられる。 ①ガチャ6回数の増加、ひと月に2回だったものが5 回（支払額の増加）。 ②パラメータの水準が一挙に5倍以上となったた め、所持しているキャラクターが全て無価値化した （購入しなおし）。 ③ギルド7内でのキャラクター交換禁止によって、ど のようなレアキャラクター8も自分で購入するしか なくなった。 ④交換不能の回復剤導入により、交換で回復剤を手 に入れることが出来なくなったため、無料でゲーム を楽しむことが困難となった。 ⑤無料ユーザでも最強カードが得られるシステムを 廃止したため、無料での楽しみが減った。 これらの変更の結果、ユーザがゲームに要望書を提 出する事態となった。要望の中には、露骨な支払誘導 に対する批判や、もうこれ以上支払いのは困難である という嘆き等が書かれており、過度の支払誘導がユー ザ離れの一因となったことが予想される。企業がこの ような戦略をとったのは、短期売上高最大化を追求し た結果と思われる。そのため、長期売上高最大化の観 点から、消費者の支払行動がダイナミックにどのよう な影響を与えているか実証分析することは、企業戦略 にとっても、また、ゲームを楽しんでいる消費者にと っても意義があると考えられる。 そこで本研究では、フリーミアムに関して、モバイ ルゲーム産業の実証分析によって以下の仮説を検証 したうえで、最適戦略を考察する。 仮説：ユーザの支払額は、次期の売上高に影響を 与えている 本稿の構成は以下のようになっている。第2節では、 モバイルゲーム産業について概観する。モバイルゲー ム市場が急速に拡大して8,000億円以上の市場規模と なっており、それを支えているのが非定額型のフリー ミアム（デジタル財課金）のビジネスモデルであるこ とを記載している。第3節では、第1節の仮説を検証 するためのモデルを構築する。モデルは、今期の売上 高に前期の消費者支払行動の集計であるARPPUがど のように影響を与えているか説明するようなものとな っており、かつ、線形だけでなく非線形な影響も考慮 できる形となっている。第4節では、分析に用いるデ ータの取得元と概要について述べる。第5節では、第 3節で構築したモデルの推定結果を記載する。推定の 結果、前期のARPPUは今期の売上高に有意な影響を 与えており、それは非線形であった。さらに、極大値 を持っており、約11,754円であることが分かった。第 6節では、以上の結果を受け、考察を行う。推定結果 から、企業は長期売上高最大化の観点からは必ずしも
ARPPUを上げ過ぎてはいけないことが分かった。ま た、他の非定額型フリーミアムを採用しているサービ スの分析にも、本研究で用いたモデルが応用出来るこ とを述べる。 2． 産業概要 本研究では、モバイルゲーム産業を対象に実証分析 を行う。モバイルゲーム産業は、近年のスマートデバ イスの普及率の伸長も影響し、急激に市場規模を拡大 している。デバイス別にゲーム産業市場規模を描いた のが図1である。 2014年時点での国内市場規模は8,000億円以上（日 本オンラインゲーム協会、2015）であり、これはゲー ム産業全体の7割以上、モバイルコンテンツの5割以 上(モバイル・コンテンツ・フォーラム、2015)を占め ている。このようなモバイルゲーム産業の特徴として、 高い利益率が挙げられる。例えば、「パズル&ドラゴン ズ」で知られるガンホーが約65%、「モンスターストラ イク」を運営しているミクシィが約80%もの数値をあ げ、利益率において上位にあり9、（日本経済新聞・使 用総資本経常利益率(ROA)ランキング、2016年3月時 点）、他産業と比較して高い水準といえる。 こうしたモバイルゲームの成功の背景として挙げら れるビジネスモデル上の特徴は、非定額型のフリーミ アムといえる（田中・山口、2015）。モバイルゲームは、 基本無料で提供されるものの、無料でプレイ可能な部 分は制限されるシステムになっており、ユーザは有料 コンテンツの購入でこの制限を解消することができ る。例えば、有料コンテンツを購入すればするほど、ユ ーザは長時間ゲームを遊ぶことが出来、より楽にゲー ムを攻略することが出来、欲しいキャラクターを手に 入れることが出来る。このような、ユーザが支払意志 額に応じた分だけ限界費用ゼロの有料コンテンツを購 入するような課金システムとなっている。これは、定 額型のフリーミアムと比べ、消費者余剰を売上として 吸収することが可能となることを意味するため、高い 収益性を実現出来る。このようなビジネスモデルを図 式化すると、図2のようになる。 図 2 モバイルゲームのビジネスモデル ユーザ モバイルゲーム（基本無料） 有料サービス ※回復時間短縮アイテム、ガチャ、 レアキャラクター等購入可能 ※限界費用はゼロ 無料利用 無料サービス ※基本的なゲームプレイ は全て可能 さらに熱心な ユーザ 熱心なユーザ 一般的ユーザ 無料利用 無料利用 無料利用 購入 大量購入 2000 01 02 03 04 05 06 07 08 09 10 11 12 13 14 スマートフォン 37 307 550 736 フィーチャーフォン 5 23 101 223 316 161 80 PC・コンソールオンライン 6 14 57 82 102 112 124 130 133 141 142 131 115 家庭用ゲームソフト 325 282 305 308 316 291 364 360 332 326 318 275 271 254 226 家庭用ゲームハード 185 203 166 124 112 164 262 328 300 216 176 180 178 155 142 0 200 400 600 800 1000 1200 1400 家庭用ゲームハード 家庭用ゲームソフト PC・コンソールオンライン フィーチャーフォン スマートフォン ※ファミ通ゲーム白書・JOGAオンラインゲーム市場調査レポートから作成。 市 場 規 模 ︵ 十 億 円 ︶ 図 1 ゲーム産業市場規模推移
3． 分析のフレームワークとモデル 本節では、第1節で述べた仮説を検証するため、ユ ーザの過去の支払額が、現在の売上高に影響を与える ような現象についてのモデルの構築を行う。このよう な現象は、前期に過度の購入をしたユーザが、今期に 支払いを控えるようになったり、サービスから離脱し たりするような状況で引き起こされるといえる。 つまり、t期の売上高に対して、t－1期のユーザの支 払行動が影響を与えていると仮定出来る。また、それ は単調増加（減少）ではなく、非線形の可能性がある。 以上を踏まえ、サービス（ここではモバイルゲーム）j のt期の売上高は、次の(1)式のように書ける。 Rjt=α+β1APjt-1+β2(APjt-1)2+γ1FUjt-1 +γ2GAjt+γ3(GAjt)2+Zjtγ4 +Cj+εjt (1) (1)式における各記号は、それぞれ以下のとおり。 Rjt ：サービスjのt期の売上。 APjt-1：サービスjのt-1期のARPPU。 Zjt ：サービスjのt期の属性やその他の時系列で変 化する要因を表すベクトル。 FUjt-1：サービスjのt－1期における無料ユーザ数。 GAjt ：サービスjのt期における提供期間（サービス開 始から経った時間）。 Cj ：ゲームごとの固有効果。 εjt ：誤差項。 α,β1,β2,γ1,γ2,γ3,γ4： 定数項と、各々がかかっている変数とベクトル に対するパラメータ。 このモデルの直観的解釈は、変化する属性や時期要 因、ゲームごとの固有効果、前期の無料ユーザ数、サ ービスの提供期間に加え、前期の消費者支払行動の集 計であるARPPUが、売り上げに影響を与えていると いうことである。 ここで、まず、前期の無料ユーザ数をモデルに組み 込むのは、フリーミアムの最大の特徴である無料ユー ザが売上高に与える影響を捉えるためである。山口 （2014）では、ネットワークの大きさがユーザの支払行 動に影響を与えていることが示されている。加えて、 無料ユーザから有料ユーザにシフトする効果も含まれ ている。 次に、サービスの提供期間をモデルに組み込むのは、 サービスのライフサイクルをコントロールするためで ある。モバイルゲーム企業へのインタビュー調査の結 果、モバイルゲームのライフサイクルとして、最初は 売上高が拡大していくものの、やがてピークを迎え、 下がっていく傾向（凸型）にあることが分かっている。 そこで、サービス提供期間の1次項と2次項をモデル に組み込むことで、コントロールした。 固有効果をモデルに組み込むのは、サービスj特有 の効果による内生性をコントロールするためである。 内生性として、例えば、サービスjの質が高く、全期 をとおしてARPPUが高い水準にあり、かつ、売上高 が高いということが考えられる。こういった場合は、 通常の最小2乗法で分析した場合、その相関を追って しまい、過大推定となることが知られている。そこで、 固有効果をモデルに組み込み、サービスj特有の効果 による内生性をコントロールする。 さて、特に本研究で重要なのは、前期のARPPUの パラメータである、β1とβ2である。これらが有意か どうかにより、以下のことがいえる。 β1APjt-1のみが有意： 前期のARPPUが、今期の売上高に対して、単調増 加（減少）で影響を与えている。単調増加の場合、 企業の売上高最大化戦略は、短期的にも長期的に も、ARPPUを上げるような施策を打つ10のが最も 良いとなる。単調減少の場合、ARPPUは出来るだ け抑え、有料ユーザ数を出来るだけ確保するような 戦略が望ましくなる11。 β1APjt-1・β2(APjt-1)2の両方が有意： 前期のARPPUが、今期の売上高に対して、非線形 で影響を与えている。つまり、前期のARPPUは、極 大点か極小点をもつ。仮に極大点を持つ場合、前期 のARPPUが一定値を超えると今期の売上高が減少 し、課金疲れの存在が示唆される。企業の売上高最 大化戦略としては、ARPPUがその極大値になるよ うにコントロールするということが考えられる。 4． データ 本研究のデータには、ゲーム系シンクタンクである ゲームエイジ総研発行の「Monthlyゲーム・トレン ド・レイティング」を利用する。これは、主要なモバ イルゲームについて、月ごとの平均年齢や男女比のほ か、月次平均支払額や月次売上高等の推計値をまとめ
たものである。
分析対象とするのは、2012年9月から2015年4月ま での182ゲームタイトル、32か月である。ただし、ゲ ームタイトルごとに、データの取得出来ない月はサン プルから除外される、不完全パネルデータ（Unbal-anced Panel Data）となっている。取得したゲームタ イトルごとの月次データは、APjt-1としてARPPU、Rjt として売上高、Zjtとして平均年齢と男性比率である。 また、時系列で変化する要因Zjtとして月次ダミーを作 成した。これは、正月や夏休みにゲームが活性化して 売上高が増加する効果をコントロールするためであ る。 ただし、分析上の処理として、期間中のARPPU平 均値の上位10%と下位10%にあたるゲームタイトル は、対象から除外する。理由としては、これらのゲー ムはARPPUが非常に高い、あるいは低いゲームであ り、特殊な事例である可能性が高いことが挙げられる。 後述するように、本研究ではパネルデータを用いた固 定効果法で推定を行うため、得られる結果は時系列変 化の平均的な効果となる。そのため、あまりに他のゲ ームと異なる特性を持つゲームが対象に入っている と、結果がそのゲームに引っ張られ、市場全体の傾向 と大きく外れた結果となる可能性があるからである。 実際、ARPPU平均値を高い順に並べた図3を見ると、 上位と下位に極端な傾向があることが確認される。 以上のように取得したデータの記述統計量は、表1 のとおり。 5． 推定結果 5．1． 主な推定結果 本節では、(1)式の推定を行う。分析はパネルデータ で行うため、固有効果であるCjとAPjt-1、(APjt-1)2との相 関(内生性)はコントロールされる。 以上を踏まえて(1)式を固定効果法で推定した結果
0
5,000
10,000
15,000
20,000
25,000
1
21
41
61
81
101
121
141
161
順位
期
間
平
均
A
R
P
P
U
図 3 ゲームタイトルごとの ARPPU 平均値と順位 表 1 記述統計量 平均値 中央値 標準偏差 最大値 最小値 ARPPU（円） 7,056 6,190 4,172 40,340 70 月間売上高（千円） 731,698 562,328 618,013 3,692,677 169 年齢（歳） 32 32 2 39 25 男性割合（％） 60 64 17 92 19が表2である。尚、表2には推定方法の妥当性を検証 するためのF検定とHausman検定を記載している。F 検定は通常の最小2乗法推定との比較、Hausman検定 は変量効果法との比較となっている。まず、F検定で は、固定効果が有意ではないという帰無仮説は棄却さ れている。次に、Hausman検定でも、変量効果が説明 変数と相関していないという帰無仮説が棄却される。 以上のことから、固定効果法は推定方法として妥当で あると考えられる。 表2において、<1>はAPjt-1が線形で今期の売上高Rjt に影響を与えていると仮定したときの推定結果となっ ている。それに対して、<2>は、非線形で今期の売上 高Rjtに影響を与えていると仮定している。ただし、p
値はStock & Watson（2008）の頑健標準誤差から算 出されており、不均一分散と系列相関に対処してあ る。また、表2には、モデルのフィットを確認するた め、Akaike（1998）の赤池情報量規準（以下AIC）12 を記載している。これらの分析には統計ソフト STATAを用いた。 推定結果13 14の中で、まず制御変数を確認する。平 均年齢、男性率は、<1>列、<2>列共に有意とならな かった。また、<1>列、<2>列共に、2月、6月、9月、 10月、11月が有意に負となった15。月ダミーは1月を 基準としているため、それらの月は1月よりも売上高 が低くなると解釈出来る。これは、1月は正月休み等 があり、ゲームに時間を割く人が増えると同時に、ゲ 表 2 推定結果 変数 係数 p値 係数 p値 ARPPU(t-1) -1.93237 0.67 17.65190 0.04 ** ARPPU(t-1)の2乗 -0.00075 0.00 *** 無料ユーザ数(千人)(t-1) 248 0.00 *** 246 0.00 *** サービス提供期間 -26201 0.00 *** -25561 0.00 *** サービス提供期間の2乗 8 0.87 12 0.78 年齢 -4395 0.74 -4360 0.74 男性率 3356 0.37 3252 0.38 2月 -148504 0.00 *** -158396 0.00 *** 3月 -36538 0.55 -43302 0.48 4月 -43205 0.45 -48947 0.39 5月 -26915 0.68 -35277 0.58 6月 -115989 0.04 ** -127131 0.03 ** 7月 45610 0.47 38087 0.54 8月 497806 0.00 *** 482372 0.00 *** 9月 -134776 0.03 ** -148641 0.02 ** 10月 -182762 0.00 *** -176200 0.00 *** 11月 -112723 0.05 * -118138 0.04 ** 12月 -21707 0.73 -25687 0.68 2014年8月以降 97177 0.40 106289 0.34 定数項 957065 0.08 * 863813 0.12 F検定 8.75 0.00 *** 8.49 0.00 *** Hausman検定 74.14 0.00 *** 61.06 0.00 *** AIC ARPPU(t-1)極大値 サンプルサイズ グループ数 *** ** * 10% 固定効果法 線形 非線形 固定効果法 月間売上高（千円） 21618.85 103 765 1% 5% 11754 765 103 21615.75 月間売上高（千円） <1> <2>
ーム開発企業もそれを見越して、イベントを多く行う ためと考えられる。その一方で、8月は<1>列、<2>列 共に有意に正となった。これは、夏休みの効果と考え られる。ただし、学生のいわゆる長期休暇というより は、社会人が夏休みに多くゲームをプレイする時間が 出来ることに起因すると考えられる（表1において平 均年齢が32歳であったことからも、主要対象が学生と いうよりは社会人であることが分かる）。 次に、1期前の無料ユーザ数を見ると、有意に正と なっている。これは、無料ユーザによるネットワーク 効果や、無料ユーザから有料ユーザへの移行を示して いると考えられる。つまり、フリーミアムなビジネス モデルにおいて、無料ユーザは単なるコストではなく、 売上高に貢献していることが分かる。 最後に、サービスの提供期間を見ると、1次項は有 意に負だったのに対し、2次項は有意とならなかった。 このことから、前期のARPPUや無料ユーザ数が売上 高に与える影響をコントロールすると、時間経過が売 上高に与える影響は単調減少であることが確認され る。尚、前期のARPPU、無料ユーザ数をモデルから 除外するとサービスの提供期間は1次項、2次項共に有 意となり、特に2次項の係数は負で凸型となる。これ は、正にインタビュー調査で言われていたライフサイ クルと同じ形となっており、それを形成しているのは サービス提供期間だけではなく、前期のARPPUと無 料ユーザ数も影響を与えていると解釈出来る。 以上のように、制御変数はどれも解釈可能な結果を 示しており、<1>列、<2>列共に似たような傾向であ ることから、頑健な推定結果であると考えられる。そ こで、本研究において重要変数であるAPjt-1、(APjt-1)2を 確認すると、線形を仮定した<1>列ではAPjt-1が80%水 準でも有意となっていないのに対し、<2>列では、 APjt-1、(APjt-1)2共に有意となった。このことから、1期 前の消費者支払行動の集計であるARPPUは、今期の 売上高に有意な影響を与えており、第1節で述べた仮 説は確かに成立していることが示された。また、変数 が有意にならなかったことや、<2>のAICの方が低く モデルとしてより適していると考えられることから、 それは線形ではなく非線形であることが示された16。 さらに、2次項(APjt-1)2のパラメータが負であること から、極大値を持つことが分かる。そこで、得られた パラメータから極大値を算出すると、約11,754円とな った。 5．2．頑健性の検証 以上のように、前期の有料ユーザ1人当たり平均支 払額は、今期の売上高に非線形で影響を与えており、 その極大値は約11,754円の時であることが分かった。 しかしながら、モデルでは2次関数までしか考慮しな かったが、実際には、3次関数、4次関数も非線形であ る。 そこで、3次項まで組み込んだモデル、4次項まで組 み込んだモデル、5次項まで組み込んだモデルをそれ ぞれ推定し、確かに2次モデルが良いか頑健性を検証 した。その結果が表3である17。表3を見ると、どの項 も有意でなくなっていることが確認される。 さらにモデルのフィットを検証するため、1次モデ 変数 係数 p値 係数 p値 係数 p値 ARPPU(t-1) 19.4575 0.34 -11.6845 0.82 -8.5652 0.93 ARPPU(t-1)の2乗 -0.0009 0.55 0.0031 0.61 0.0025 0.88 ARPPU(t-1)の3乗 2.67E-09 0.92 -1.81E-07 0.48 -1.34E-07 0.91 ARPPU(t-1)の4乗 2.56E-12 0.44 9.99E-13 0.98
ARPPU(t-1)の5乗 1.77E-17 0.97 制御変数(省略) サンプルサイズ グループ数 *** ** * 103 <5> 5次モデル 月間売上高（千円） 固定効果法 765 765 <3> <4> 3次モデル 4次モデル 月間売上高（千円） 月間売上高（千円） 固定効果法 固定効果法 1% 5% 10% 1% 5% 10% 1% 5% 10% 103 765 103 表 3 3 次項以降の推定結果
ル〜5次モデルすべてについて、AICを算出したのが、 図4である。図4を見ると、2次モデルのAICが最小と なり、最適なモデルであることが確認される。以上の ことから、確かに2次モデルが最適であり、極大値を 1つ持つことが示された。 図 4 モデル別 AIC 6． 考察 本研究では、フリーミアムを採用しているサービス の中で、特に非定額型のデジタル財課金で成功したモ バイルゲームを対象に、消費者の支払行動と長期売上 高の関係を実証分析した。 推定の結果、前期の消費者支払行動の集計である ARPPUは、今期の売上高に非線形で有意な影響を与 えていた。また、その極大値は約11,754円であった。こ のことから、長期売上高最大化という観点からは、 ARPPUは低すぎても高すぎても最適ではなく、11,754 円付近になるようにイベントの頻度やガチャの頻度、 デジタルアイテムの価格等を調整するのが、企業戦略 として最適であることが示唆された。 ただし、本研究には課題も残る。本研究で対象とし たモバイルゲームは、ゲームエイジ総研が着目して収 集しているゲームであり、人気のあるゲームに限られ ている。そのため、本研究の結果は人気モバイルゲー ムにおいて、と限定される。ただし、対象となったゲ ームがモバイルゲーム全体の市場規模の半分以上を占 めていることから、代表性はあると考えられる。 以上のように、課題は残るものの、フリーミアムに おける長期売上高最大化という観点から実証分析を 行った例は少なく、支払額に極大値があることを示し 21,614 21,615 21,616 21,617 21,618 21,619 21,620 1次 2次 3次 4次 5次 A I C たことは本研究の貢献であると考えられる。 また、フリーミアムを採用しているサービスの大半 がマネタイズに失敗し、サービス終了となっている現 在の状況の中で、非定額型フリーミアムは成功手法と して着目されており、徐々に採用しているサービスが 増えてきている。これは、5,000万人以上の会員数を誇 るニコニコ動画が、途中から非定額制を導入して黒字 化を達成したことからもうかがえる。また、人気メッ セージアプリであるLINEも、スタンプを購入するデ ジタル財課金モデルで、非定額型のフリーミアムであ り、多くの利益を出している（無論、LINEゲームも 非定額型のフリーミアムである）。 本研究で用いたモデルは汎用性のあるモデルであ り、モバイルゲームに限らず、他の非定額型フリーミ アムを採用しているサービスにも適用可能である。短 期売上高最大化だけでなく、本研究のような長期的な 定量分析を行うことで、最適なビジネス戦略を考えて いくことが、産業界にとってプラスになると同時に、 それを利用している消費者にとっても、サービスの長 期継続や、過度な支払誘導をされないという観点か ら、プラスになると考えられる。 謝辞 本稿の執筆にあたり、匿名査読者から大変有益かつ 建設的な多くのコメントをいただいた。ここに深謝の 意を表する。また、研究に際して、国際大学GLOCOM ゲーム産業研究会で様々なご助言をいただくと共に、 研究会メンバーでもある株式会社ゲームエイジ総研か らデータをご提供いただいた。深く感謝申し上げる。 尚、本稿は筆者の個人的見解を示しており、所属す る機関ならびに論文掲載先の見解とは一切関係しな い。
参考文献
Akaike, H. (1998). Information theory and an extension of the maximum likelihood principle. Selected Pa-pers of Hirotugu Akaike (pp. 199-213). Springer New York.
Anderson, C. (2009). Free: The future of a radical price. Random House.
Davidovici-Nora, M. (2014). Paid and free digital business models innovations in the video game industry. Communications & Strategies, (94), 83. Gentzkow, M. (2007). Valuing new goods in a model with
complementarities: online newspapers. American Economic Review, 97(3). 713-744.
Lescop, D., & Lescop, E. (2014). Exploring mobile gaming revenues: The price tag of impatience, stress and release. Communications & Strategies, (94), 99. Liu, C. Z., Au, Y. A., & Choi, H. S. (2012). An empirical
study of the freemium strategy for mobile apps: Ev-idence from the google play market. Thirty Third International Conference on Information Systems Orlando 2012
Niculescu, M. F., & Wu, D. J. (2010). When Should Soft-ware Firms Commercialize New Products via Freemium Business Models. Workshop on Informa-tion Systems and Economics, St. Louis, Dec. 11-12, 2010
Stock, J. H., & Watson, M. W. (2008). Heteroskedastic-ity‐robust standard errors for fixed effects panel data regression. Econometrica, 76(1), 155-174. Thomes, T. P. (2013). An economic analysis of online
streaming music services. Information Economics and Policy, 25(2), 81-91.
Wagner, T. M., Benlian, A., & Hess, T. (2014). Converting freemium customers from free to premium—the role of the perceived premium fit in the case of music as a service. Electronic Markets, 24(4), 259-268. 小林弘人. (2011). メディア化する企業はなぜ強いのか?: フリー, シェア, ソーシャルで利益をあげる新常識. 技術評論社. 田中辰雄, & 山口真一. (2015). ソーシャルゲームのビジネ スモデル: フリーミアムの経済分析, 勁草書房 山口真一. (2014). ソーシャルゲーム・ユーザの行動決定 要因: ネットワーク効果の実証分析. InfoCom re-view, (62), 2-17. 注
1 Freemium: Is the Price Right for Your Company?、
Entrepreneur、 2011、 https://www.entrepreneur.com/ article/218107 2 一定期間あたり一定価格でサービス利用可能とする 課金システムのこと。月額制の場合が多い。 3 厳密にいえば「利潤最大化」が企業の関心事と思われ るが、ここでは後の分析におけるデータ制約上の関 係から、「売上高」について述べている。ただし、ゲ ームのようなコンテンツ産業では、限界費用が小さ いため、売上高増加（ユーザ数増加）に伴うコスト増 加は小さいことが知られている。そのため、短期売上 高最大化のためにKPIを見ることがモバイルゲーム 企業では主流となっている。
4 Average Revenue Per Paid User。
5 意味としては「支払い疲れ」が正しいが、モバイルゲ ームでは慣習的に支払いのことを課金ということが 多く、「課金疲れ」と表現される。 6 ガチャとはくじ引きのようなものであり、ユーザが 一定の金額を課金することで、ゲーム内で使用でき るいくつかのアイテムやキャラクターの中からどれ かをランダムに入手できるシステムとなっている。 一般的に、強力である、あるいは、イラストが美麗な アイテムやキャラクターほど、出現する確率が少な くなっている（田中・山口、2015）。 7 ゲーム内の集団、コミュニティ。ゲーム内の仲間であ るため、強いキャラクターを貸し借りが行われるこ とが多い。 8 入手困難なキャラクター。一般的に強く、ゲームを楽 しむうえであった方が良いキャラクターが多い。 9 「ROAランキング」、日本経済新聞（2016/3/7更新時点）、 http://www.nikkei.com/markets/ranking/page/ ?bd=roa 10 例えばモバイルゲームであれば、ガチャの回数を増 やす等。 11 例えばモバイルゲームであれば、回復アイテム（時間 短縮アイテム）の価格を下げる、人気キャラクターも すぐ手に入るようにする等。 12 モデルのフィットを見る際によく用いられるのが決 定係数であるが、説明変数を追加すればするほど高 くなる問題があるため、本研究のように説明変数の 数が異なるモデル間の比較を行う際は、適さない。ま た、説明変数の数をコントロールしている自由度調 整済み決定係数も、説明変数の増加に伴うペナルテ ィの与え方が十分ではないことが指摘されている。 そこで、AICを用いる。AICは、AIC=-2lnL+2mで表 されるもの（Lは最大尤度、mは説明変数の数）で、 説明変数の数mが増えるほど第2項が増加する。AIC が最小のものが、最適モデルといえる。 13 推定結果には、「2014年8月以降」のダミーが含まれ
ている。これは、2014年8月以降であれば1とするダ ミー変数である。このようなダミー変数を導入した のは、データ提供元であるゲームエイジ総研が、2014 年8月以降推計方法を変えたためである。実際、ゲー ムの売上高や ARPPU を時系列でプロットすると、 2014年8月に大きく上昇していることが分かる。ただ し、トレンドに変化はないため、ダミー変数を入れる ことでコントロール可能となっている。 14 グループ数が大幅に減っているのは、t-1期の変数を 入れており、時点が2時点以下のグループ（ゲーム） は対象から除外されたためである。 15 有意水準5%で。10%では、<2>において4月も有意と なっている。 16 ただし、「有意でない」は、「影響がないことを示す」 ことではない。サンプルの仕方や分析するモデルに よって有意となる可能性はある。ここでの解釈とし ては、線形であるということが棄却されたとはいえ ないものの、少なくとも非線形であることは示され たといえる。 17 省略しているが、3次項以上の推定においても、(1)式 の制御変数を使用している。 1986 年生まれ。国際大学グローバル・ コミュニケーション・センター専任 講師。2010 年慶應義塾大学経済学部 卒、2015 年同大学経済学研究科で博士 号（経済学）を取得し、国際大学グロ ーバル・コミュニケーション・セン ター助教を経て、2016 年より現職。専 門は計量経済学。研究分野は、フリー 型ビジネスモデル、ソーシャルメディア、プラットフォーム 戦略等。主な著作に、『ソーシャルゲームのビジネスモデル』 （共著、勁草書房）、『ネット炎上の研究』（共著、勁草書房）、 「ネットワーク外部性の時間経過による効果減少と普及戦略 ―ゲーム産業の実証分析―」（組織科学 49(3)、白桃書房）など がある。 山口 真一（やまぐち しんいち） 1957 年東京生まれ。慶應義塾大学経済 学部准教授／国際大学 GLOCOM 主 幹研究員。東京大学大学院経済学研究 科単位取得退学後、国際大学 GLO-COM 研究員、コロンビア大学客員研 究員を経て、現職。専攻は計量経済学。 研究領域は情報通信産業、コンテンツ 産業、競争政策など。主要著作『モジ ュール化の終焉』（NTT 出版）、『ゲーム産業の経済分析』（共 編著、東洋経済新聞社）、『ソーシャルゲームのビジネスモデ ル』（共著、勁草書房）ほか。 田中 辰雄（たなか たつお） 1991 年生まれ。慶應義塾大学大学院経 済学研究科修士 1 年。2016 年同大学経 済学部卒業。専攻は計量経済学。主な 研究分野はフリーミアム、モバイルゲ ーム産業など。 坂口 洋英（さかぐち ひろひで） 1993 年生まれ。2016 年、慶應義塾大学 経済学部経済学科卒業。現在、慶應義 塾大学大学院経済学研究科経済学専 攻修士課程在学中。研究テーマは「継 続意思に与える広告の影響」。主な研 究分野は、コンテンツ産業、インター ネット、計量経済学など。主な所属学 会は、情報通信学会。 彌永 浩太郎（いやなが こうたろう）
