生存者バイアスとは？飛行機の例をわかりやすく・マーケでの見抜き方

最終更新：2026年10月17日

生存者バイアスとは、生き残ったもの・成功したものだけを見て判断し、途中で消えたもの・失敗したものを数に入れないために、結論がゆがむ偏りのことです。この記事は、データの読み方とマーケティングの文脈で生存者バイアスを扱います。有名なのは、戦闘機の弾痕の話です。帰ってきた機体の穴だけを見ると、本当に守るべき場所を見誤ります。マーケティングでも構造は同じで、バズった投稿や成功事例本の共通点を真似しても効かないことが多いのは、同じことをして消えていった例が見えていないからです。この記事では、ウォルドの弾痕の話を出典から確かめ、架空の広告データで誤読と正しい読み方を並べ、「失敗した側のデータはどこにあるか」を問う表まで書きます。

生存者バイアスとは？意味と身近な例の一覧

生存者バイアスは、選ばれて残ったものだけが観察の対象になることで、残った理由と成功の理由を取り違えてしまう誤りです。英語ではsurvivorship biasと呼ばれ、統計では選択バイアス（標本の選ばれ方による偏り）の一種として扱われます。標本の人数を増やしても偏りが直らない理由はアンケートのサンプル数の目安の記事で書きました。

やっかいなのは、見えているデータそのものは正しいことです。帰ってきた機体の弾痕も、成功した会社の習慣も、事実としてはそのとおり記録されています。間違うのはデータではなく、そこに含まれていないものを忘れて結論を出す、読む側の手順のほうです。身近な例を、見えているものと見えていないものに分けて並べました。

投資信託の例は、金融の研究でよく知られた問題です。エドウィン・エルトン（Edwin J. Elton）らの論文「Survivorship Bias and Mutual Fund Performance」（Review of Financial Studies、1996年）は、閉じたファンドは成績が悪かったものが多いので、残ったファンドだけで成績を測ると全体を良く見積もってしまうことを、1976年末に存在したファンドを追いかけて確かめています。

生存者バイアスの由来──ウォルドと戦闘機の弾痕の話を出典で確かめる

生存者バイアスの例としていちばん有名な戦闘機の話は、第二次世界大戦中に数学者エイブラハム・ウォルド（Abraham Wald）が書いたメモが元になっています。ただし、よく語られる劇的な場面の多くは、一次資料では確かめにくい脚色です。

確かめられる部分から書きます。米海軍分析センター（CNA）が1980年に公刊した「A Method of Estimating Plane Vulnerability Based on Damage of Survivors」は、ウォルドが戦時中にコロンビア大学の統計研究グループ（Statistical Research Group）で書いた一連のメモをまとめたもので、CNAの紹介ページには、外部には公刊されてこなかったこと、その方法が朝鮮戦争やベトナム戦争のデータ分析にも使われたことが書かれています。メモは1943年に書かれた8本のシリーズとして知られ、内容は統計学者マーク・マンゲルとフランシスコ・サマニエゴの解説論文「Abraham Wald’s Work on Aircraft Survivability」（Journal of the American Statistical Association、1984年）に詳しくまとめられています。

ウォルドの考え方の骨格は、次のとおりです。被弾は機体のあちこちにほぼ均等に当たると仮定します。それなのに帰ってきた機体で弾痕が少ない部位があるなら、そこに当たった機体は戻ってこられなかった可能性が高い。つまり、帰還機に穴が少ない場所ほど、当たると致命的な場所です。ウォルドは、生き残った機体の損傷から、戻らなかった機体の損傷を数学的に推定する方法を示しました。

でも、確かめにくい部分もあります。「軍が穴の多い場所に装甲を足そうとし、ウォルドが逆だと指摘した」という会話仕立ての場面は、ぼくが調べた範囲では一次資料に見当たりませんでした。誰の依頼だったかも、英国空軍とする話と米海軍とする話が混在しています。よく出回る赤い点だらけの機体の図も、ウォルドのメモの図ではなく、説明用に作られた想像図です（英語版ウィキペディアの図にも、仮想の被弾パターンだと注記があります）。逸話の教訓は確かでも、細部は物語として広まっていると受け取るのが正確だと思います。

「生存者バイアス」という呼び名を最初に使った人や時期は、はっきりしませんでした。少なくとも1990年代の金融の論文では、ファンドの成績評価の問題としてこの言葉がすでに使われています（前の節で挙げたエルトンらの1996年の論文の題名にも入っています）。

選択バイアス・ハロー効果・社会的証明との違い

生存者バイアスは、選択バイアスのうち「消えたものが標本から抜け落ちる」型に絞った呼び名です。似た言葉と混ざりやすいので、何が偏りを生むのかで分けて整理しました。

この4つは、よく組になって働きます。経営学者フィル・ローゼンツワイグ（Phil Rosenzweig）は「なぜビジネス書は間違うのか ハロー効果という妄想」（日経BP社、2008年）で、ビジネス書が陥る誤りの一つとして、成功した会社だけを集めて共通点を探し、うまくいかなかった会社と比べないことを挙げています。成功した会社は業績の良さで何もかもが良く見え（ハロー効果）、その会社だけを集めると失敗した側が抜け落ちます（生存者バイアス）。ハロー効果の原典と例はハロー効果とは？マーケティングの例と原典で書きました。

社会的証明との関係も見ておきたいところです。「この方法で成功しました」という声は、人を動かす強い証拠として働きます。仕組みは社会的証明の原理とは？例と実験、バンドワゴン効果との違いにまとめています。でも、声を上げているのは成功した人だけで、同じ方法でうまくいかなかった人はふつう黙っています。社会的証明として集まった声は、多くの場合、生き残りの標本です。

実務でどう使うか──「失敗した側のデータはどこにあるか」を問う

生存者バイアスを避ける実務の手順は、成功例を見たときに「同じことをして消えた例は、どこにあるか」と一度だけ問うことです。成功例を見ないことではありません。成功例の横に、失敗した側の数を並べられるかどうかが分かれ目になります。

架空の例で計算します。以下は説明のための例で、実在の企業や広告の数字ではありません。あるブランドが半年でSNS広告のクリエイティブを50本作り、成績の良かった10本だけを配信し続けたとします。振り返りの会議で、配信が続いた10本を並べたところ、8本に人物の顔が写っていました。

勝ち残った10本だけを見たときの誤読は、「勝ち組の8割が顔ありだから、顔を入れると勝てる」です。正しい読み方は、「そもそも作った50本の8割が顔ありだった。勝ち残る割合は、顔があってもなくても20%で変わらない」です。停止した40本は管理画面の上位に出てこないので、振り返りの場では自然と視界から消えます。一緒に多いことと効いていることの区別は、相関と因果の違いの話でもあります。顔の効果を本当に確かめたいなら、ほかの条件をそろえて顔ありと顔なしを比べる必要があり、その手順はABテストとは？やり方の手順と有意差の考え方に書いています。

バズった投稿の真似が効かない理由も、同じ構造で説明できます。伸びた投稿の型を分解して同じ骨格で書いても、同じ型で伸びなかった投稿は誰の目にも入らないので、型が勝因だったのかは誰にも分かりません。伸びた投稿が伸びた理由は、型よりも、多くの人が感じていたのに言葉になっていなかったことを言い切った視点や、そのタイミングや、書き手の文脈にあることが多いと思います。型だけを集めて量産すると、視点の新しさが抜け落ち、似た投稿が増えるぶん目新しさも薄れていきます。SNSで発信していると、伸びた投稿だけを並べて共通点を探したくなる気持ちは、ぼくもよく分かります。

組織研究者ジャーカー・デンレル（Jerker Denrell）の論文「Vicarious Learning, Undersampling of Failure, and the Myths of Management」（Organization Science、2003年）は、もう一段深い落とし穴を示しています。失敗した組織が観察から抜け落ちると、全体で見れば成績と無関係なリスクの高いやり方ほど、生き残った組織の中では成績と結びついて見えることがある、とデンレルは指摘しています。極端な打ち手は、当たれば大きく目立ち、外れれば消えます。だから生き残りの中では、それが成功の秘訣に見えやすくなります。

場面ごとに、失敗した側のデータがどこにあるかを表にしました。

顧客アンケートの行は、サブスクや会員サービスでとくに起きやすい誤読です。使い続けている人の満足度が高いのは、満足していない人がすでに抜けているからかもしれません。残った人の割合を時期ごとに追う見方はリテンション率とは？計算方法と目安に、抜けた人の割合の測り方はチャーンレートとは？解約率の計算方法と目安にまとめました。

日本市場・2026年時点での注意点──SNSもAIも「残ったもの」から見せる

2026年時点で気をつけたいのは、情報の入り口そのものが生存者バイアスを強める作りになっていることです。SNSのおすすめ表示では、反応の良かった投稿ほど多くの人に届きます。ぼくたちが日常的に目にする事例は、最初から選び抜かれた生き残りです。

SNSのタイムラインに並ぶのは、反応を集めた投稿が中心で、反応の少なかった投稿はほとんど流れてきません。表示の仕組みはSNSのアルゴリズムの仕組みとは？X・Instagramの公式情報で解説に書きました。「最近こういう投稿がよく伸びている」という感覚は、伸びた投稿しか表示されない場所でつくられた感覚だと知っておくだけで、真似する前に一呼吸おけます。

生成AIに成功事例を尋ねるときも同じです。AIがまとめるのは、ウェブ上に書き残された話で、書き残されるのはたいてい成功した話です。撤退した事業の記録は少ないので、AIの答えも成功例に寄ります。AIに「うまくいかなかった例と、その理由も挙げて」と付け加えると、偏りを少し戻せます。

転職や独立の成功談も、この構造から逃れられません。うまくいった人ほど発信し、合わずに戻った人は語らないことが多いからです。キャリアの判断材料に成功談を使うときは、同じ道を選んだ人全体のうち、何割がその話のようになったのかを考えてみるのが安全です。

生存者バイアスに関するよくある質問

生存者バイアスを簡単に言うと何ですか？

うまくいった例だけを見て、うまくいかなかった例を数え忘れることで生まれる思い込みです。成功例の共通点が、失敗例にも同じように含まれていれば、それは成功の理由になりません。見えているデータが正しくても、見えていないデータを忘れると結論がゆがみます。

飛行機の弾痕の話は実話ですか？

土台は実話です。数学者ウォルドが第二次世界大戦中に、帰還した機体の損傷から各部位の弱さを推定する方法をメモにまとめ、1980年に米海軍分析センターがまとめて公刊しています。ただし、軍とウォルドの会話の場面や、出回っている赤い点の機体の図は、後から語られた物語や説明用の想像図で、一次資料では確かめられません。

生存者バイアスと確証バイアスの違いは何ですか？

生存者バイアスは、データの集まり方に偏りがある問題で、失敗した例が最初から手元にありません。確証バイアスは、手元にあるデータのうち、自分の考えに合うものばかりを選んで見てしまう心理の問題です。前者は「集める段階」、後者は「読む段階」で起きる偏り、と分けると混ざりにくくなります。

成功事例は参考にしないほうがいいのですか？

参考にしてかまいません。成功事例は、何が起こりうるかを知る材料としては役に立ちます。ただ、それを「こうすれば成功する」という法則として読む前に、同じことをしてうまくいかなかった例がどれくらいあるかを確かめる必要があります。成功例の横に失敗例の数を並べられたとき、初めて判断の材料になります。

おわりに──成功事例が嘘をつくのではない、失敗事例が黙っているだけ

帰ってきた機体の弾痕は、何一つ嘘をついていませんでした。成功した会社の習慣も、伸びた投稿の型も、記録としてはそのとおりです。足りないのは、そこに写っていないものを数える手間のほうです。

成功事例が嘘をつくのではない。失敗事例が黙っているだけ。

次に誰かの成功の共通点を見つけたら、真似する前に「同じことをして消えた例は、どこにあるか」と一度だけ問いかけてみてほしいと思います。その問いに答えられないうちは、その共通点はまだ法則ではなく、生き残った側の記録にすぎません。