正解: BCorrect: B
売上＝顧客数×顧客単価という定義式に基づく分解は、漏れも重なりもない MECE な分け方です。Splitting by the identity 'revenue = number of customers × revenue per customer' is exhaustive and non-overlapping, hence MECE.
MECE は Mutually Exclusive, Collectively Exhaustive の略で、McKinsey のコンサルタント Barbara Minto が『考える技術・書く技術』で体系化した論理構造の原則です。ロジックツリーの第一階層は、数式的な定義（売上＝顧客数×単価）や、対立する二分法など、構造的に漏れと重なりが生じない切り口から始めるのが定石です。選択肢1は原因の候補を思いつくまま列挙したもので、「競合の値下げが景気悪化に起因する」など重なりがあり、他の原因（為替、供給制約など）の漏れもあります。選択肢3は部門別ですが、部門をまたぐ原因（顧客ニーズの変化）の置き場がありません。選択肢4は「国内」「オンライン」「法人」が異なる軸（地域・チャネル・顧客種別）を混在させており、国内のオンライン法人顧客はすべてに重複します。MECE stands for Mutually Exclusive, Collectively Exhaustive, a principle of logical structure codified by former McKinsey consultant Barbara Minto in The Pyramid Principle. The first level of a logic tree should start from a cut that is structurally free of gaps and overlaps, such as a mathematical identity (revenue = customers × revenue per customer) or a true dichotomy. Option 1 is a brainstormed list of causes that overlap (competitor price cuts may stem from the downturn) and omits others (currency, supply constraints). Option 3 splits by department but leaves no place for cross-departmental causes such as shifting customer needs. Option 4 mixes different axes, geography, channel, and customer type, so a domestic online corporate customer falls into all three buckets.
MECE にこだわりすぎると、分類の美しさに時間を費やして肝心の原因究明が進まない「フレームワーク病」に陥ります。また、定義式で分解しても各要素は互いに影響し合う（単価を上げれば顧客数が減る）ため、独立した原因として扱うと誤った対策につながることがあります。Obsessing over MECE can produce 'framework disease,' where time goes into elegant categorization while the actual diagnosis stalls. And although an identity splits cleanly, its components interact (raising price lowers customer count), so treating them as independent causes can lead to the wrong remedy.
第一階層だけは厳密に MECE にし、下位階層は「おおむね MECE」で十分と割り切りましょう。分解した後は、データで各枝の寄与度を測り、最も影響の大きい枝に深掘りを集中させる「重点化」を必ず行います。分類は目的ではなく、仮説を立てるための足場です。Be rigorous about MECE only at the first level and accept 'roughly MECE' below it. After decomposing, quantify each branch's contribution with data and concentrate deeper analysis on the branch with the largest impact. Classification is scaffolding for hypotheses, not the goal.