こんにちは、学びの探求者です。

普段はnoteで活動しています。

2025年のQiitaアドベントカレンダーでは、
「ノーコード／ローコードで、自分のコンテンツ基盤を自動化していく」
をテーマに、25日間の仕組みづくりを記録していきます。
ぜひ、応援してください。

昨日は、LPI をソートしてみると違和感が出てくる問題からスタートし、
「じゃあ、こういう補正を加えればもっと現実的になるよね？」という
パラメータ設計（企画） を行いました。

Day12 は、これを 本当にスプレッドシートで形にする 回です。

今日のゴール

songs シートに以下の列を追加し、
最終的に pred_score（予測スコア） を算出できる状態にする。

songs シートの前提カラム

Day9〜10 で作った songs シートはこの構成でした：

Day12 ではここに 追加の補正カラム を入れていきます。

A面は曲の代表格なので、ライブ採用率が高くなると仮定します。

=IF(E2=1, 1.3, IF(F2=1, 1.05, 1))

デビュー〜3年は “そのグループを象徴する時期” として評価を上げます。

=IF(age <= 3, 1.2, 1)

例：

LPI は age=1 の曲が極端な値になりがちなので、調整します。

=IF(age <= 2, 0.7, 1)

アルバムツアーの場合、アルバム曲が多く採用される傾向があります。

=IF(G2=1, 1.1, 1)

WEST. の場合、単独公演でもソロ曲はリリース年以外は限定的なので、係数を下げます。

=IF(H2=1, 0.8, 1)

ここで各補正をまとめます：

=hit_bonus * classic_bonus * new_song_penalty * album_bonus * unit_penalty

スプシでは：

=I2 * J2 * K2 * L2 * M2

※列名は例なので、適宜調整してください。

= lpi * final_weight

スプシでは：

=H2 * N2

これで、その曲の

「補正後の LIVE 予測指数（Predicted Setlist Score）」

が完成します。

補正がかかることで、

など、より “現実のライブに近い” スコア分布 に変化になったと思います。

今日やったのは：

そしていよいよ Day13 では…

引き続きがんばりますので、応援してください💪