平均への回帰とは、極端な値を示したデータが次の観測では平均値に近づく傾向を持つ現象を指す。
これは統計的な自然のゆらぎにより、偶然に大きく外れた値が、次の測定ではより典型的な値に近づくために生じるものである。
例：
- テストでたまたま高得点を取った生徒は、次回のテストで平均点に近づく可能性が高い。
- スポーツ選手が異常に好調だった翌シーズンは、成績が落ち着く傾向にある。
提唱者
フランシス・ゴルトン
「平均への回帰」の概念は、19世紀イギリスの統計学者 フランシス・ゴルトン（Francis Galton, 1822–1911） によって発見された。
ゴルトンは身長の遺伝研究で、背の高い親の子は平均的にやや低く、背の低い親の子は平均的にやや高くなることを示した。
デザイン上での活用
平均への回帰は、ユーザー行動やA/Bテストの評価に関わる重要な考え方である。短期的な「偶然のピーク」や「一時的な不調」に過度に反応せず、長期的な傾向を見極める必要がある。
- 利用方法：
ユーザー行動データを分析する際には、異常値に基づいてデザインを急に変えるのではなく、十分なサンプルサイズと時間軸で安定した傾向を見ることが必要である。 - 具体的事例：
新しいUIを導入した直後にコンバージョン率が急上昇したとしても、それが「新規性効果」や「偶然のバイアス」である可能性が高い。数週間単位でデータを観測すれば、平均への回帰によって真の効果が明らかになる。
プロダクト・コンテンツデザインでの「この場面に使える」
- A/Bテスト評価：最初の数日のデータに一喜一憂せず、平均への回帰を考慮して十分な期間データを取る。
- ユーザー調査：極端な意見（大絶賛や大批判）だけに基づかず、多数の声を集め平均的な傾向を把握する。
- パフォーマンス評価：従業員やチームの成果を評価する際、短期的な極端な成功・失敗に惑わされない。
