需要予測の意思決定構造を、編集可能な素材として公開する。点ではなく、幅で語る。

Marketing-OS Manifesto に続く「設計と編集」シリーズ第 2 弾（需要予測編）。数理モデル（NBD ＋ BP-10）による需要予測の計算方法とメソッド選定の考え方を OSS として公開する。

森岡毅・今西聖貴『確率思考の戦略論』（KADOKAWA）のメソッドに基づく実装。公知の数式・モデル構造のみを実装し、書籍本文の転載はしない。

A1  市場の NBD ✅ ＋ Dirichlet ✅     A2  顧客の NBD ✅
    @forecast-manifesto/solver           @forecast-manifesto/clv
    NBD ＋ BP-10                           BG/NBD ＋ Gamma-Gamma
    @forecast-manifesto/dirichlet          浸透率×頻度×金額 → CLV
    多ブランド市場構造（DJ・重複の法則）
        │                                      │
        └──────── 同じ負の二項分布 ────────────┘
        森岡（市場の NBD）→ GEC（Dirichlet）→ Schmittlein/Fader（顧客の NBD）

market（solver）で「市場に何回買う人がどれだけいるか」を、customer（clv）で「この顧客が今後何回・いくら買うか」を、同じ分布で扱う。→ docs/05b-clv.md

┌─ 公開層（本リポジトリ｜OSS）───────────────────────┐
│  ソルバー実装・BP-10 テンプレ・メソッド選定決定木・思想        │
└──────────┬──────────────────┬──────────────┘
           ↓ 参照                    ↓ 参照
┌─ 診断ツール層 ─────┐   ┌─ サービス層（非公開）──────────┐
│ Marketing-OS         │   │ 顧問デリバラブル：                    │
│ 需要予測構造診断      │   │   業界別ベンチマーク K 値            │
│ = ソルバーの Web 版  │   │   Price Adjustment 実係数・個社予測  │
│                      │   │   外部データパイプライン              │
└──────────────┘   └──────────────────────────┘

• 公開する：計算方法・選定の考え方（コモディティ化してよい知識）
• 公開しない：顧問先データで蓄積するベンチマーク・係数・パイプライン（競争力の源泉）

詳細な線引き宣言：docs/05-boundaries.md

npm install @forecast-manifesto/solver

観測された平均購入回数 M と浸透率 penetration から、NBD の形状パラメータ K を同定する：

import { identifyK } from "@forecast-manifesto/solver";

const { K } = identifyK(1372 / 279812, 0.004875);
console.log(K); // ≈ 0.75

新商品の売上予測（BP-10 → ユニットシェア → 売上）：

import { conceptShare, unitShare, forecastRevenue } from "@forecast-manifesto/solver";

const cs = conceptShare([[4, 3, 3], [6, 2, 2], [3, 4, 3]]); // BP-10 集計
const share = unitShare(0.6, 0.7, cs, 1.0);                 // 認知×配荷×CS×価格調整
const revenue = forecastRevenue(2_000_000, share, 480);     // 市場規模×シェア×単価

顧客生涯価値（CLV）— 取引ログから BG/NBD ＋ Gamma-Gamma で個客価値を出す：

import { toRfm, fitBgNbd, fitGammaGamma, clv } from "@forecast-manifesto/clv";

const rfm = toRfm(transactions, observationEnd);   // 取引ログ → RFM
const [p, gg] = [fitBgNbd(rfm), fitGammaGamma(rfm)]; // 生存・頻度／金額
const value = clv(rfm[0], p, gg, { horizonMonths: 12, monthlyDiscount: 0.01, margin: 0.3 });

import { identifyKWithInterval } from "@forecast-manifesto/solver";

const { K, ci } = identifyKWithInterval(1.4, 0.5461, { nCustomers: 2000 });
console.log(K, ci); // 0.75, [0.68, 0.83] — 母数 2,000 人ならこの幅がある

パラメトリック・ブートストラップ（シード固定・再現可能）。fitBgNbdWithInterval / clvWithInterval / summarizeWithInterval も同様。→ docs/08-uncertainty.md

import { splitCalibrationHoldout, trackingCumulative } from "@forecast-manifesto/validate";

const { calibration, holdout } = splitCalibrationHoldout(transactions, splitDate, observationEnd);
const track = trackingCumulative(calibration, transactions, fitBgNbd(calibration), { splitDate, observationEnd, bucket: "week" });

CDNOW 公開データで較正39週→検証39週の外挿誤差 4.1%（最終累積）を再現済み。

実行できる例：examples/

CDNOW 公開データで Fader-Hardie-Lee (2005) の公表値を許容誤差 1e-2 で再現（packages/clv/tests）。

不確実性 API：identifyKWithInterval（solver）／fitBgNbdWithInterval・clvWithInterval・summarizeWithInterval（clv）→ docs/08

R NBDdirichlet 同梱の歯磨き粉市場で公表値（M=1.456, K=0.78, S=1.55）を再現 → docs/07

Fader & Hardie (2007) の High End / Regular 両セグメントで公表値（α=0.668/β=3.806、α=0.704/β=1.182）と7年先外挿を再現 → docs/09

npx @forecast-manifesto/cli analyze transactions.csv \
  --observation-end 2026-06-30 --horizon 12 --margin 0.3 --bootstrap 200 --format md
npx @forecast-manifesto/cli identify-k --m 1.4 --penetration 0.5461 --n 2000
npx @forecast-manifesto/cli dirichlet --config market.json

入力 CSV は customerId,date,amount（UTF-8・ヘッダ必須・クオート対応）。不正行は行番号付きエラー。出力は --format md|json（md はそのまま顧問レポートに貼れる体裁）。

• 試したい → Marketing-OS 需要予測構造診断・顧客資産診断（Web でソルバー／clv を動かす）
• 頼みたい → Start-X 需要予測・事業シミュレーション（非公開資産で回す実務）

npm install       # ワークスペース依存の導入
npm run build     # solver → clv をビルド
npm test          # Vitest（全ワークスペース）
npm run example:k         # K 同定の実例
npm run example:forecast  # 新商品売上予測の実例
npm run example:clv       # 顧客資産（RFM → BG/NBD → CLV）の実例
npm run example:validate  # 検証レポート（CDNOW 較正/検証）の実例
npm run example:interval  # 「幅で語る」不確実性の実例
npm run example:dirichlet # 多ブランド市場構造（DJ表・SCR）の実例
npm run example:sbg       # 契約型（サブスク）解約構造の実例

Forecast Manifesto publishes the decision structure of demand forecasting as an editable material. It open-sources the calculation methods (NBD + BP-10) and the method-selection reasoning behind demand forecasting — the second entry in the "design & edit" series after Marketing-OS Manifesto.

It is an implementation of the methodology in 確率思考の戦略論 (Morioka & Imanishi, KADOKAWA). Only publicly known formulas and model structures are implemented; no book text is reproduced.

• Open (this repo): solver, BP-10 template, method-selection decision tree, philosophy — knowledge that is fine to commoditize.
• Not open (advisory deliverables): industry benchmark K values, real Price-Adjustment coefficients, per-company forecasts, external data pipelines — the competitive edge accumulated from client data.

npm install @forecast-manifesto/solver

import { identifyK } from "@forecast-manifesto/solver";
const { K } = identifyK(1372 / 279812, 0.004875); // ≈ 0.75

Apache-2.0 — Marketing-OS エコシステムと同一。詳細は LICENSE / NOTICE。