名寄せのマッチングロジックとは？決定論的・確率論的の違いとハイブリッド設計を解説！

顧客データ統合における「決定論的マッチング」

一般的に「決定論的マッチング」とは、あらかじめ定義したキー項目の値が完全に一致するかどうかで、2件のレコードが同一の対象を指すかを判定する手法を指します。「ルールベースマッチング」と呼ばれることもあります。

B2Bの顧客データでは、法人番号、企業ドメイン、代表電話番号などが判定キーの候補となります。完全一致を前提とする性質上、前段には「正規化」の処理が欠かせません。「株式会社」「(株)」「㈱」といった法人格表記の揺れや、全角と半角の混在を統一した上で突合します。

決定論的マッチングの主な特徴は以下の通りです。

• 判定根拠の説明可能性と再現性
  どのキーが一致したから統合されたのか、という因果関係が明快です。同じ入力に対しては常に同じ結果が返るため、請求や与信のようにデータの誤りが直接的な損失に繋がる領域や、監査への対応が求められる場面に適していると言えます。
• 表記ゆれと欠損への脆弱性
  キー項目が空欄であったり、1文字でも異なっていたりすると、同一企業であっても別のレコードとして残ります。名刺データやWebフォームからの流入のように入力品質が揃わないデータでは、統合漏れが積み上がりやすくなります。
• 識別単位の制約
  キーが何を識別しているかによって、統合できる粒度が決まります。例えば法人番号は国税庁が指定する13桁の番号ですが、公表されるのは商号・所在地・番号の基本3情報に限られ、法人の支店・支部・事業所等には指定されません※1。法人番号を軸にした突合だけでは、拠点単位で商談が発生する多拠点企業の実態を捉えきれない場合があります。

顧客データ統合における「確率論的マッチング」

一般的に「確率論的マッチング」とは、企業名・住所・電話番号といった複数の項目について一致の度合いを評価する手法を指します。項目ごとに重み付けしたスコアを合算し、同一性を判断します。「ファジーマッチング」と呼ばれることもあります。

この手法は決して新しいものではなく、理論的な基盤は Fellegi と Sunter が1969年に発表したレコードリンケージ理論に置かれています。同理論の要点は、判定結果を「一致」「判断保留」「非一致」の3区分に分け、判断保留となったペアを人が確認する運用まで含めて定式化した点にあります。この考え方は現在も実務の基盤とされており、英国司法省が公開しているオープンソースのレコードリンケージ基盤も同理論に基づいています。

確率論的マッチングの主な特徴は以下の通りです。

• 統合漏れの抑制
  完全一致に至らないレコードも類似度に応じて拾い上げるため、決定論的マッチングでは分断されていた情報を繋ぐことができます。表記の統一が難しい社名や住所を扱う日本語のデータでは、この効果が大きいと言われています。
• 計算量への対処としての「ブロッキング」
  総当たりの比較件数はレコード数の二乗に比例し、100万件のデータでは約5,000億通りの組み合わせとなります。郵便番号や社名の先頭数文字などで比較対象を絞り込む「ブロッキング」の設計が、精度と処理時間の双方を左右します。
• 閾値設計とチューニングの負荷
  どのスコアから上を同一とみなすかという閾値は、データの性質と用途によって適切な水準が変わります。閾値を下げれば統合漏れは減りますが、別法人を誤って統合する「過剰統合」のリスクが高まります。
• 説明可能性の相対的な低さ
  スコアの内訳を示すことはできますが、なぜこの2件が統合されたのかを非専門家に説明する難易度は高くなります。統合結果に対する現場の納得感をどう得るかという運用設計が、別途必要になります。

文字列の類似度を測る指標としては、人名には Jaro-Winkler 距離、入力誤りの吸収にはレーベンシュタイン距離が用いられます。複数の語で構成される社名や住所では、語をトークンに分割して重なりを測る Jaccard 係数などが併用されることもあります。ただし、英語の発音を前提とした音声照合の手法は日本語の社名にほとんど機能しません。日本語のデータでは、指標の選択よりも前段の正規化の設計が精度を左右すると言われています。

データ品質が問われる時代において重要となる第3のロジック「ハイブリッド型ID解決」

「ハイブリッド型ID解決」とは、決定論的マッチングと確率論的マッチングを対立する選択肢として扱わない設計思想を指します。確実性の高いキーで確定できる部分を土台に据えた上で、残った不確実な領域を確率論的な評価や機械学習で補完していく多層的な考え方です。一方の手法の弱点をもう一方が補う関係にあるため、実務では両者を組み合わせた構成が採られることが増えていると言われています。

背景にあるのは、突合すべきデータソースの広がりと、データ整備そのものの課題化です。IPA（情報処理推進機構）が2026年7月に公表した調査でも、データの整備・管理・流通における課題が挙げられています。「データの標準化が難しい」は36.8%と、「人材の確保が難しい」（51.2%）に次ぐ2番目に多い回答となっています※2。

ハイブリッド型ID解決は、以下のプロセスを経るとされています。

1. 正規化と決定論的キーの確定
   表記の揺れを統一した上で、法人番号やドメインなど確実性の高いキーで統合できるレコードを先に確定させます。ここで確定した結果は、後続の確率論的な処理を評価する基準としても機能します。
2. ブロッキングによる比較候補の生成
   残ったレコードについて、比較すべきペアの候補を絞り込みます。社名によるブロックと住所によるブロックというように、複数の条件を補完的に組み合わせる方が有効とされています。
3. 重み付けスコアリングと閾値の設計
   候補ペアの各項目を比較し、項目ごとの重みを踏まえたスコアを算出します。「判断保留」の帯を明示的に確保し、すべてを機械的に二分しない設計にすることが要点となります。
4. 統合ルールの適用と例外レビュー
   統合するレコード群について、どのデータソースの値を代表値とするかを定めます。判断保留となったペアは人が確認し、その判断結果をロジックの改善に還元する運用を組み込みます。

このプロセスで特に意識したいのが、「過剰統合」と「統合漏れ」の性質の違いです。統合漏れが機会損失にとどまるのに対し、別法人を誤って統合してしまう過剰統合は元の状態に戻すことが難しく、誤った与信判断や不適切な情報の閲覧に繋がる可能性があります。この非対称性を踏まえ、請求や与信では厳格に、広告配信のセグメント作成では緩やかにというように、用途ごとに閾値を変える設計が取られるようになっています。

データを活用した「ハイブリッド型ID解決」とは

「ハイブリッド型ID解決」は、単なるデータ整備の技術にとどまらず、営業・マーケティング施策の精度を支える基盤として活用されています。B2B領域における具体例としては、以下のような活用が期待できます。

1. ABM（アカウント・ベースド・マーケティング）における企業単位の統合
   ABMでは企業を単位として施策を設計するため、部署や拠点ごとに分散したリード情報を束ねる処理が前提となります。法人格単位のキーだけに依存すると支店や事業所ごとの取引実態が見えなくなるため、拠点を識別できるコード体系との併用が有効とされています。
2. 重複リードの排除と営業活動の効率化
   展示会やWebフォームから流入するリードには、同一企業・同一人物の重複が一定割合で含まれます。放置すると、同じ相手に複数の担当者が接触する事態や、案件の重複計上による売上予測の歪みに繋がります。確実な重複は自動で統合し、判断が割れるものだけを人が確認する運用に切り替えることが可能です。
3. 外部データベースとの突合による属性の補完
   自社データ（ファーストパーティーデータ）は、業種、従業員規模、系列関係といった属性情報が欠けることが少なくありません。外部の企業データベースと突合して属性を補完することで、セグメンテーションやターゲティングの精度を高めることができます。
4. 統合データを用いたスコアリングと優先度の付与
   取引実績・行動履歴・企業属性が一つのIDに集約されると、機械学習を用いて自社との親和性を推定する土台が整います。優先度の付与の精度は、統合されたデータの品質にそのまま依存すると言われています。

近年は、LLM（大規模言語モデル）をエンティティマッチングに用いる研究が進んでいます。少数の事例のみで、大量の学習データを用いた従来手法と同等の判定精度を報告する検証結果も公表されています。ただし、すべてのペアをLLMに判定させる設計はコスト面の負担が大きく、判定が不確実な領域に絞って問い合わせる方式が現実的な進め方として提案されています。既存のロジックを置き換える技術ではなく、判断保留の帯を狭める補完的な手段として位置づけることが現実的だと考えられます。

なお、確率論的な判定はあくまで推定に基づくものです。法人番号のような公的な識別子や、第三者が継続的に更新する企業情報データベースといった事実データと組み合わせることで、より高い精度が期待できます。

おわりに

本記事のポイントを3点にまとめます。

①名寄せのマッチングロジックは決定論的な完全一致と確率論的なスコア判定に大別される

②前者は統合漏れ、後者は過剰統合と説明可能性の低下という課題を抱える

③両者を多層的に組み合わせ判断保留の帯を設ける設計が有効となる

です。

本記事でご紹介したアプローチはいずれも有用です。決定論的なアプローチは、判定根拠が明快で監査にも耐えられる一方、表記ゆれや欠損によって統合漏れが生じやすいという性質を持ちます。確率論的なアプローチは、統合漏れを抑えて広く候補を拾える一方、閾値の設計次第では過剰統合を招きます。

両方を用途に応じて使い分け、時には組み合わせることで、精度と運用負荷のバランスが取れた設計を行うことが重要です。

弊社が提供する顧客データ統合ソリューション「ユーソナー」では、企業データベース「LBC」が持っている独自のコード体系により顧客情報を一元的に管理できます。法人単位だけでなく、事業所などの拠点単位でも企業情報を識別できる点が特徴です。法人番号では捉えきれない多拠点企業の実態を拠点コードを軸に整理できるため、確実性の高いキーを土台に据えるハイブリッドな名寄せ設計と親和性が高いと考えております。日本最大の企業データベースであり、自社データとLBCコード体系で突合いただくことが可能です。

詳細についてはぜひこちらのページから、お気軽にお問い合わせください。

※1: 国税庁「法人番号について」（令和8年6月版）
https://www.houjin-bangou.nta.go.jp/setsumei/pamphlet/images/houjinbangou_gaiyou.pdf

※2: 独立行政法人情報処理推進機構（IPA）「DX動向2026」（2026年7月30日公表、有効回答1,799社）
https://www.ipa.go.jp/digital/chousa/dx-trend/dx-trend-2026.html