ペイオフマトリクスは、複数の選択肢と将来シナリオを組み合わせ、それぞれの結果を数値で並べて比較する方法です。
同じ選択肢でも、将来の需要や市場環境が変われば結果は変わります。そのため、単純な「一番利益が大きい案」だけではなく、最悪ケースへの強さ、最大の後悔の小ささ、期待値など、複数の判断基準で見比べることが重要です。
この記事では、設備投資、価格戦略、供給能力の3ケースを使い、背景→課題→なぜペイオフマトリクスか→実際のペイオフ設定→判断基準ごとの比較→最終判断→結果→学びまで通して解説します。基本から確認したい場合は、ペイオフマトリクスとは?意味・使い方・具体例を参照してください。
ケース1:設備投資3案を需要シナリオで比較する
背景
ある製造部門では、来期の需要拡大を見込み、次の3案を検討していました。
- A:大型設備へ投資する
- B:小型設備へ投資する
- C:現状維持する
需要が大きく伸びれば大型投資の利益が最も大きくなる一方、需要が落ち込んだ場合は固定費負担が重くなります。
課題
経営会議では、営業部は「成長機会を逃したくない」とAを推し、財務部は「下振れ時の損失を抑えたい」とCを推していました。
単純な多数決では、リスク姿勢の違いを整理できません。
なぜペイオフマトリクスを使ったのか
このケースでは、選択肢ごとの結果が将来需要によって大きく変わります。
そこで、選択肢×シナリオの結果を同じ単位で並べ、複数の判断基準で比較するペイオフマトリクスを使いました。
実際のペイオフ設定
単位は「3年間の純利益増加額・百万円」とします。
将来シナリオは、
- 好調
- 標準
- 不調
の3つです。
ペイオフは次のとおりです。
A 大型設備投資:
- 好調:120
- 標準:50
- 不調:-40
B 小型設備投資:
- 好調:80
- 標準:45
- 不調:10
C 現状維持:
- 好調:30
- 標準:25
- 不調:20
判断基準1:maximax
各案の最良値は、
- A:120
- B:80
- C:30
なので、上振れを最大化するならAです。
判断基準2:maximin
各案の最悪値は、
- A:-40
- B:10
- C:20
なので、最悪ケースを重視するならCです。
判断基準3:minimax regret
各シナリオの最良値との差を後悔値として計算します。
Aの最大後悔:60
Bの最大後悔:40
Cの最大後悔:90
したがって、最大後悔を最小化するならBです。
判断基準4:期待値
将来確率を、
- 好調30%
- 標準50%
- 不調20%
と置くと、
A:120×0.3 + 50×0.5 + (-40)×0.2 = 53
B:80×0.3 + 45×0.5 + 10×0.2 = 48.5
C:30×0.3 + 25×0.5 + 20×0.2 = 25.5
期待値ではAが最も高くなります。
判断
ここで重要なのは、計算結果が1つに決まらないことです。
- 上振れ重視:A
- 最悪回避:C
- 最大後悔の抑制:B
- 期待値重視:A
というように、判断姿勢によって結論が変わります。
経営会議では、資金余力がそれほど大きくなく、需要確率にも不確実性が残っていたため、期待値最大だけでは決めず、Bを採用しました。
結果
需要は結果的に標準シナリオに近く、Bは45百万円の利益増加となりました。
Aを選んでいれば50百万円でしたが、差は5百万円です。一方、不調時の損失リスクを大きく抑えられていたため、意思決定の妥当性を説明しやすい結果になりました。
学び
このケースでは、「最も高い期待値」と「最も納得できる選択」は一致しないことが分かります。
具体的な計算手順は、ペイオフマトリクスのやり方で確認できます。記入用には、ペイオフマトリクステンプレートも使えます。
ケース2:価格戦略を需要反応の違いで比較する
背景
あるSaaS事業では、新プランの価格を決めるため、次の3案を検討していました。
- A:高価格戦略
- B:中価格戦略
- C:低価格戦略
価格を上げれば1契約あたりの利益は増えますが、契約数が減る可能性があります。
課題
市場反応が読みにくく、「高単価でも売れる」「価格感度が高く離脱する」のどちらもありえました。
単純に単価だけで比べると高価格が有利に見えますが、需要が弱い場合の結果を見落とします。
なぜペイオフマトリクスを使ったのか
選択肢は自社で決められる価格戦略、シナリオは自社では直接決められない市場反応です。
この「選択肢×将来状態」の組み合わせごとに利益が変わるため、ペイオフマトリクスが適していました。
実際のペイオフ設定
単位は「年間営業利益増加額・百万円」とします。
市場シナリオ:
- 強い需要
- 中程度の需要
- 弱い需要
A 高価格:
- 強い需要:90
- 中程度:40
- 弱い需要:-20
B 中価格:
- 強い需要:70
- 中程度:50
- 弱い需要:15
C 低価格:
- 強い需要:45
- 中程度:35
- 弱い需要:25
判断基準ごとの比較
maximax:
- A=90
- B=70
- C=45
なのでAです。
maximin:
- A=-20
- B=15
- C=25
なのでCです。
minimax regret:
各シナリオの最良値は、強い需要90、中程度50、弱い需要25です。
Aの後悔値:0 / 10 / 45 → 最大45
Bの後悔値:20 / 0 / 10 → 最大20
Cの後悔値:45 / 15 / 0 → 最大45
したがってBです。
判断
チームは、強い需要だけを前提にAを選ぶのは危険、かといって弱い需要を前提にCへ寄せすぎると成長余地を逃すと判断しました。
最大後悔が最小で、どのシナリオでも大きく外しにくいBを選びました。
結果
実際の需要は中程度となり、Bは50百万円で最良でした。
ここでは、minimax regretで選んだ案が結果的にも良い結果になりました。
学び
価格戦略のように、市場反応の不確実性が大きい場合は、「一番儲かる案」ではなく、「外したときの痛手」を見る視点が有効です。
ケース3:供給能力の増強案を不確実な受注量で比較する
背景
あるBtoBメーカーでは、大口案件の引き合いが増え、来期の供給能力をどうするか検討していました。
選択肢は、
- A:外部委託を大幅に増やす
- B:一部を外部委託し、一部は内製で増強
- C:現行能力のまま運用
です。
課題
受注が伸びればAが有利ですが、需要が下振れすると固定的な委託契約負担が重くなります。
一方、Cは下振れには強いものの、需要が伸びたときに受注機会を逃す可能性があります。
なぜペイオフマトリクスを使ったのか
このケースでは、将来受注量という不確実なシナリオによって、各供給能力案の結果が変わります。
将来状態ごとの利益・機会損失を並べることで、攻めと守りの差を見える化できます。
実際のペイオフ設定
単位は「年間営業利益増加額・百万円」です。
シナリオ:
- 受注急増
- 受注横ばい
- 受注減少
A 大幅外部委託:
- 急増:100
- 横ばい:35
- 減少:-30
B 一部外部委託+内製増強:
- 急増:75
- 横ばい:45
- 減少:5
C 現行維持:
- 急増:20
- 横ばい:30
- 減少:20
判断基準ごとの比較
maximaxではA、maximinではCです。
minimax regretを計算すると、各シナリオの最良値は100、45、20です。
Aの最大後悔:50
Bの最大後悔:25
Cの最大後悔:80
なのでBです。
期待値も確認する
過去案件と営業パイプラインから、
- 受注急増:25%
- 横ばい:50%
- 受注減少:25%
と仮置きします。
A:100×0.25 + 35×0.5 + (-30)×0.25 = 35
B:75×0.25 + 45×0.5 + 5×0.25 = 42.5
C:20×0.25 + 30×0.5 + 20×0.25 = 25
このケースでは期待値でもBが最も高くなりました。
判断
Bを採用し、外部委託を全面拡大するのではなく、需要が読める範囲だけ外部委託し、残りは内製能力の増強で対応しました。
結果
受注は横ばい寄りで推移し、Bは高い利益を確保しながら過剰な固定負担も避けられました。
学び
このケースでは、minimax regretと期待値の両方がBを支持しました。
複数の判断基準が同じ案を示す場合、結論への納得感は高まります。ただし、確率やペイオフに根拠が弱ければ、その一致だけで過信すべきではありません。
3つのケースから分かる共通パターン
3ケースには共通する流れがあります。
- 自分たちが選べる「選択肢」をそろえる
- 自分たちが直接選べない「将来シナリオ」を定義する
- 各組み合わせのペイオフを同じ単位・同じ期間で置く
- maximaxで上振れを見る
- maximinで最悪ケースを見る
- minimax regretで最大後悔を見る
- 確率に根拠がある場合は期待値も見る
- 最後に資金制約・契約・法令・実行能力を確認する
違うのは、「何をペイオフとして置くか」と「どのシナリオが結果を左右するか」です。
- 設備投資:需要水準と3年間の純利益
- 価格戦略:市場反応と年間営業利益
- 供給能力:受注量と年間営業利益
自分の業務へ当てはめるときは、この2点を最初に定義します。
自分の業務へ当てはめる手順
- 最終的に比較したい選択肢を並べる
- 結果を左右する不確実な将来要因を1つ選ぶ
- その要因を3〜4つのシナリオへ分ける
- 何をペイオフとするか決める
- 各セルの数値と根拠を書く
- maximaxを確認する
- maximinを確認する
- minimax regretを確認する
- 確率に根拠があれば期待値を計算する
- 結果が前提に敏感か確認する
- 資金・契約・法令・実行可能性を確認する
- 採用する判断基準と最終判断を記録する
具体例を見るときの注意点
数字だけを真似しない
120や80という数値そのものに意味があるのではなく、同じ期間・同じ単位で比較できていることが重要です。
シナリオを都合よく作らない
選びたい案が有利になるように好調シナリオを大きく設定すると、結論が歪みます。
期待値だけで決めない
期待値が高くても、最悪損失が許容できない場合があります。
確率を精密に見せすぎない
30%や25%が仮置きなら、数ポイントの差を過信しないようにします。
判断基準を結果を見て後付けしない
Aを選びたいからmaximaxを採る、Cを選びたいからmaximinを採る、という使い方は避けます。
よくある失敗と改善策は、ペイオフマトリクスで失敗しやすいポイントで詳しく解説しています。
他の意思決定手法と使い分ける場合
ペイオフマトリクスは、「選択肢×将来シナリオ」で結果が変わる意思決定に向いています。
複数の評価軸へ点数を付けて案を比較したい場合は、意思決定マトリクスとペイオフマトリクスの違いを参考にしてください。
効果と工数の2軸で素早く整理したい場合は、Impact-Effort Matrixとペイオフマトリクスの違いが役立ちます。
3つの方法から選びたい場合は、意思決定マトリクス・Impact-Effort Matrix・ペイオフマトリクスの使い分けも確認できます。
生成AIを使う場合
生成AIは、選択肢とシナリオの整理、各セルの根拠不足の指摘、maximax・maximin・minimax regret・期待値の計算補助、感度分析のケース作成、判断基準ごとの差の説明に使えます。
ただし、AIは将来のペイオフやシナリオ確率を自動で確定できません。具体的な使い方は、生成AIでペイオフマトリクスを使う方法で解説します。
まとめ|具体例では「どの基準ならどの案になるか」を見る
ペイオフマトリクスの具体例を見るときは、最終的にどの案を選んだかだけでなく、「maximaxなら何か」「maximinなら何か」「minimax regretなら何か」「期待値なら何か」を見比べることが重要です。
設備投資では、maximaxと期待値はA、maximinはC、minimax regretはBでした。価格戦略では、上振れならA、守りならC、後悔最小ならBでした。供給能力では、minimax regretと期待値の両方がBを支持しました。
自分の業務へ応用するときも、「一番大きい数字」を探すだけではなく、「今回の意思決定でどのリスク姿勢を採るか」「どの前提が変わると結論が変わるか」を確認すると、ペイオフマトリクスを実務で使いやすくなります。