[Palmu] インフレする配信アプリにおける「実力」の判別方法

皆さん、こんにちは。
Matephysiです。

いかがお過ごしでしょうか。

今日は、僕が利用している配信アプリPalmu(パルム)を取り上げ
ちょっとした思考実験をしてみたいと思います。

少し考えてみると今までとは違った面白い世界が見えてくる

そんな経験をしていただければ幸いです。

なお、正確性は保証できませんが、時間がない方は以下のAI要約をご覧ください。

AI要約

🤖 AI要約（約3分で読めます）

この記事で言いたいこと、3行で：

Palmuのランクは「自分の実力」を示す指標として使われているが、実はそうではない。制度の変更以降、ランクは時代や環境によって左右される相対的な指標に変わっている。そこで、環境の影響を取り除いた「本当の配信力」を数値化する方法を提案する。

ランクとは何か

Palmuのランク（D〜SS+の15段階）は、毎日のライブスコアをボーダーと比較して得るデイリーランクポイントの週間合計で決まります。運営も「近い実力同士での競争」と表現しており、ランクは配信者の実力を示す指標として機能することが期待されています。

何が問題なのか

ランクが「実力の絶対指標」であるためには、ボーダーが時間によらず一定でなければなりません。しかし2025年9月のランク制度変更以降、基準となる保証ボーダーが継続的に上昇し続けています。つまり、同じ配信をしても時期によってランクの上がりやすさが違う、という状況が生まれています。

結果として：

ランクが落ちても、実力が下がったとは言えない
ランクをキープしても、実力が伸びているとは言えない
異なる時期のランクを比較することに意味がなくなっている

ランクの構造を分析するとどうなるか

データを分析すると、さらに興味深い事実が浮かびます。

ランクの人数分布はB2に最頻値を持ち、高ランクほど指数的に少なくなる歪んだ分布をしている
ランク間の難易度は均一ではなく、C1〜C2付近とB2〜B3付近に特有の「壁」が存在する
制度変更後、この壁の影響は特に中〜低ランク帯で強くなっている

これらはランクが「実力の平等な物差し」ではなく、運営による人数分布の制御を目的とした制度設計の産物であることを示唆しています。

では「本当の配信力」はどう測るか

この記事では、環境変化の影響を補正した配信力指標を提案しています。考え方はシンプルで、ボーダーの変動を「インフレ分」と「ランク固有の歪み分」に分解し、その影響を差し引いた上でライブスコアを評価します。

著者自身のデータで試算したところ、ランクが上がるほど補正後の配信力は低下していることが判明。これは「ランクが上がれば実力も上がっている」という直感的な理解が必ずしも正しくないことを示しています。

はじめに

配信アプリ「Palmu(パルム)」

僕は去年の5月から、配信アプリ「Palmu(パルム)」にて配信活動を始めました。
誰でも簡単に始めることができ、ユーザーのリテラシーも高いとてもよい配信アプリです。

「心をつなぐ配信アプリ」と謳っているように、
Palmu(パルム)では個性豊かな配信者たちが独自のコミュニティを展開しており
多くの人の居場所になっているはずです。

僕は利用時からずっとPalmu(パルム)での配信活動もリスナー活動も楽しんでいます。
僕が始めたきっかけや活動に込めている思いなど詳細は他の記事で詳しく紹介したいと思います。
(現在執筆中です…)

さて、そんな温かな雰囲気で満たされた配信アプリにも、人々の心をかき乱す存在があります。

それが「ランク」です。

ランクの役割と価値

Palmu(パルム)はランク制度を導入しています。

ここで「ランク」と呼ぶものは、正式名称はユーザーランクで

「それぞれのライバーさんのコミュニティが、自分たちにあった目標作りができる仕組み」として実装した機能

のことです。

現在は

D / C1 / C2 / C3 / B1 / B2 / B3 / A1 / A2 / A3 / A4 / A5 / S / SS / SS+

というランクがあり、配信者のランクは後述のルールに則って絶対的に決定します。

実務上のランクの役割として、大きく分けて
配信者が獲得できる報酬額
配信者が参加できるイベント
を決定する役割があります。

まず、ランクに応じて配信者が報酬をもらえます。
時給制度の詳細は以下の画像が示す通りですが、詳細な説明はせび公式note をご覧ください。

配信ダイヤはリスナーとしてアイテムをギフティングする際に使用できるので、
配信活動とリスナー活動の両方を充実させる助けになります。

また、Palmu(パルム)は毎週イベントを開催しています。

イベントはランクごとに分別されて開催されており、
高ランク配信者が対象のイベントの方がもらえる特典も豪華になる傾向にあります。

システム上の差別化というランクの役割に加えて、
ランクの決定方法は、ランクに対する心理的な価値を生み出しています。

Palmu(パルム)において重要な役割を果たす「ランク」は、
毎日の配信活動で決まるデイリーランクポイントの一週間分の合計値
で決定されます。

簡単な流れは以下の通りです。

毎日0:00 ~ 23:59 までに行われた配信において、ライブスコアを獲得する。
ライブスコアには、ギフティングを主としたリスナーさんの応援度合いが反映されます。
日付が変わった際のランク集計時にライブスコアと変動/保証ボーダーとの比較によって、獲得するデイリーランクポイントが決定する。
デイリーランクポイントには、0、+1、+2、+4、+6があります。
一週間の配信活動において獲得したデイリーランクポイントの合計値によって、ランクのキープ/アップが決定する。
合計値が+12および+18の場合、それぞれランクキープおよびランクアップとなります。

すなわち、ランクは
毎日のライブスコアの結果であり、毎日の配信の盛り上がりの結果を反映している
と言えるのです。

システム上の差別化という実務的な役割と配信の盛り上がりを象徴する役割が
ランクに対する羨望を生み出しているのです。

「実力」とは

Palmu(パルム)運営はランク導入を次のように振り返っています。

「ユーザーランク」は、2024年4月に導入されました。(中略) これにより、イベントもマンスリーランキングからランクベースのクラス分けに変更され、近い実力同士での競争ができる環境が整いました。

したがって、Palmu(パルム)においてランクは、「実力」が反映された指標として導入され利用されているのです。

そして、ランクが毎日のライブスコアの結果である以上、Palmu(パルム)における実力とは、
計画的なライブスコアの獲得力のことであり、それはすなわち、リスナーさんから応援される力のこと
を意味していることになります。

もちろん、ユーザーの一人としては
・ライブスコアだけが盛り上がりを示すのか？
・ギフティングだけが応援なのか？
・配信のおもしろさとギフトの量は果たして対応しているのか？
など、いくつか異議を唱えたいところです。

とは言え、Palmu(パルム)の制度設計上、括弧つきの「実力」がそのように定義されているのだと思えば、理解できないことはありません。

また、「実力」を示すランクを参考にして
配信者が楽しい空間作りができているのか見直すことができ、
リスナーが質の高い配信を探し出すことができるならば、ランクは有益です。

しかしながら、ランクが配信者自身の「実力」のラベルであるという解釈には潜在的な問題があります。
そして、現在のPalmu(パルム)の状況はその問題を露呈させている、と私は考えています。

本記事は、そのような認識の問題を明らかにし、見直すきっかけとなるような分析を共有するためのものです。
また、既存の認識を基にした配信力分析の代替となるような方法を提案することを目指しています。

潜在的な問題

改めて記述すれば
運営側が明確に意思表示をしておりユーザー目線でも理解可能な「実力」とは、
リスナーさんに応援されライブスコアを獲得し、ランクキープ/アップへとつなげる能力
のことであり、ランクは
「実力」が反映された指標として存在
しています。

そして、ときに配信者は自分自身のランクの推移を基に配信の在り方や自身の配信力を見直します。
また、リスナーは高品質の配信を探すために、ランクを参照することがあるかもしれません。

このとき、上述のランク解釈の根拠は
ランクの決定方法 ―ライブスコアの獲得とボーダーとの比較―
にありました。
個々人の配信内で完結する数値によって決定するからこそ、
ランクはその配信者自身の「実力」を示す絶対的パラメータとなり得ています。

すなわち、上述のランク解釈は、
他のライバーのランクなどに依存せず配信者自身の活動で決定すること
ランクとライブスコアとが定常的な対応関係にあること
を前提としていると言えるのです。

では、それらの前提が成り立たず、ランクが「実力」を示す絶対的なパラメータではないとしたら、
どうなるのでしょうか。

例えば、
①各ランクに定員があり、ライブスコアの順位によって上から順にランクが決定する場合や
②ボーダーが時間依存的に変動し、その時々でランクをキープ/アップする難易度が異なる場合は、
ランクはライブスコアの獲得能力、すなわち「実力」を正しく反映するラベルとして機能しなくなるのではないでしょうか。

さて、現在Palmu(パルム)では、①のような順位という他者との相対関係においてランクが決定するシステムは採用していません。

あくまで、一週間に獲得したデイリーランクポイントの合計値と基準値(+12あるいは+18)との大小関係に応じて、それぞれランクキープあるいはランクアップが機械的に決定する仕組みとなっています。

しかしながら、②のように、ボーダーが時間依存的に変化する現象は実際に発生しています。

前提としていた事実の成立していない状況が生じており、
「実力」を示す絶対的指標と認識されていたランクは、実際は相対的指標として振舞っている
のです。

ランクにまつわる制度設計と実態との矛盾が、現在Palmu(パルム)が潜在的に抱えている問題です。

ランクの上下・維持は、必ずしも配信者自身の「実力」だけで決まるわけではないのです。

構造上の欠陥を把握することなく、見かけ上の絶対性を基にしたランクの認識を利用し続ける態度は
配信活動における事実を誤認させ、ひいては配信活動に対する意欲を阻害しかねません。

画面に表示されるランクを「実力」と結び付け、その変化に基づいて配信状況を分析するのではなく、
本質的な配信力を抽出する方法を考える必要があるのではないでしょうか。

現状分析

「実力」の相対性

本題に入る前に、もう少しだけ現状を整理しておきたいと思います。

具体的な状況をデータで振り返ることで、
ランクが決して配信者自身の「実力」そのものを反映しているわけではなく、
周辺環境に応じて決定される相対的なものであることを説明します。

各ランクの人数分布

まず、各ランクに属する配信者の分布についてです。

X (旧Twitter)でPalmu(パルム)のデータ分析を行っている (る)さん(@ru_palmu)のポストによると、
2026年3月29日時点での各ランクごとの人数分布は以下のようになっています。

左図が各ランクごとに人数をプロットしたヒストグラム、右図が各ランクの人数を対数変換して作成したヒストグラムです。

本来、人間の能力や身長など各種データの分布は、平均値付近にピークを持ち、そこから同程度の減少具合で少なくなっていく、左右対称の正規分布を持ちます。

しかしながら、上記の各ランクにおける人数分布のヒストグラム(左図)は、高ランクに行くほど人数が少なくなっており、わずかに左寄りで右に裾が伸びている左右非対称な分布です。
このことは、対数変換を施して階級間の分散を安定化したヒストグラム(右図)が、B2ランクを中心に左右対称な分布に近づいたことからも分かります。

これは、各ランクごとの人数分布が単純な確率的偶然性の結果としてではなく、
制度設計や「実力」の違いなど、なんらかの複合的な作用の結果として生じている
ことを意味しています。

さらに、対数変換後のヒストグラムにて、B2ランク以降の人数が線形的に減少していることが見て取れます。

したがって、B2ランク以上のランク帯にいる人数は指数関数的に減少している状況にあると言えます。

以上のことから、各ランクごとの人数分布には自然な確率分布の他に、分布を歪める要素が混入してることが考えられます。
また、どのような要素が効いているのかは特定することができませんが、特に高ランク帯においては、ランクが上昇するにつれて難易度が乗法的に増加している可能性が高いことが考えられます。

すなわち、各ランクが象徴する「実力」は、ランクというラベルのように一定間隔を持つものではなく、
高ランク帯になるほどランク間の「実力」差が拡大していく構造になっている
と予想できます。

分かりやすく言えば、
ランク間には大きな分断があるため、ランクは一定間隔で段階的な「実力」の向上を示すような絶対的な指標ではない
と考えられるのです。

変動するボーダー

次に、潜在的な問題を引き起こすランクを相対化させる「ボーダーの時間依存性」に焦点を当てます。

Palmu(パルム)における「ランク」決定過程において

日付が変わった際のランク集計時にライブスコアと変動/保証ボーダーとの比較によって、獲得するデイリーランクポイントが決定する。
デイリーランクポイントには、0、+1、+2、+4、+6があります。

という段階があることは、すでに紹介しました。
今回焦点を当てる仕組みは、この変動/保証ボーダーです。

現在Palmu(パルム)では、ランク集計時の基準となるボーダーは一つの値としてではなく、
幅を持った連続的なスペクトラムとして与えられています。
ボーダーには下限と上限があり、当日の同ランクの配信者のライブスコアに依存して変動します。
上限として設定されたボーダーを、特に保証ボーダーと呼びます。

基準となるボーダーが変動することでランクキープ/アップに必要なライブスコアにばらつきが生まれるため、
ランクが示す「実力」も当然、ばらつきを内包することになりますが、
変動域に下限と上限が設定されていることによって、そのばらつきの影響には制限がかけられています。

よって、保証ボーダーは、
ばらつきを最小限に留め、ライブスコアとボーダーの定常的な対応関係を維持する役割
を持つと言えます。

ライブスコアとボーダーとの関係が変わらないからこそ、ランクは相互に比較可能な「実力」の指標となるわけです。

しかしながら、ここ最近のPalmu(パルム)では、保証ボーダーが隔週で上昇しています。

先の紹介した (る)さん(@ru_palmu)の作成したウェブサイト(ぱ(る)むの計算機 for Palmu)では、各ランクにおける保証ボーダーの推移が確認できます。
例えば、B2ランクとA2ランクの保証ボーダーは、次のように推移していました。
(すべてのプロットを表示するわけにはいかないので、他ランクの詳細は上記リンクからウェブサイトをご覧ください。)

全体的な傾向について分析するために、時間変化する保証ボーダーに対し、線形回帰分析を行い、算出した傾きを比較しました。
傾きは、各ランクにおける保証ボーダーの増加率であるため、
負の値をとれば保証ボーダーは低下、0であれば同じ、正の値をとれば増加
を意味します。

ここで、2025年8月29日と2025年9月12日の間の大きな変化は、ランク制度の変更によるものです。
そのため、フィッティングも2025年9月12日の前後で分別して行っています。

下図は、各ランクに対して傾きをプロットしたものです。

上図から、
DからA3においては2025年9月12日以前の保証ボーダーの傾き(青色)が0近傍で横ばいの変化に留まっていること、
2025年9月12日以後の保証ボーダーの傾き(赤色)はそれより高い正の値をとっていること、
そして、A5からSSにおける傾きのデータはばらつきが大きく、特に+6に対して負の値をとっていること
が分かります。

これらのことから、ライブスコアとボーダーの定常的な対応関係を維持する役割を持つという保証ボーダーの在り方は、
ランク制度が変更する前には概ね成立していたものの、変更後は成立していない
と言えます。

言い換えれば、保証ボーダーが変動し上昇し続けているという事実は
ライブスコアとボーダーを不定常な対応関係にし、
ランクが長期的に意味を成し比較可能な絶対的指標ではなくなっている
ことを表しているのです。

繰り返しになりますが、ランクが時間を超えて「実力」を示す絶対的な指標であるためには、ランクを決めるライブスコアと保証ボーダーは時間を超えて不変な定常的な対応関係になければなりません。

つまり、ランクを決定する基準となる値が変化するため、結果として決まるランクが直接的にライブスコアの獲得能力、すなわち「実力」を反映していない状況になっているのです。

Palmu(パルム)での配信も含め配信活動において、数日でランクを数段階上げたり、数日で配信をやめる事態は現実的ではありません。
長期的にランクと向き合っていく制度設計となっているにも関わらず、長期的な目線に立つとランクの意味は全く意味のないものになってしまうのです。

そして、保証ボーダー値が変更されるたびに、ランクをキープ/アップする難易度が上昇しているとすれば、
ランクが落ちたとしても「実力」が下がったことにはならず、
ランクを維持していたとしても「実力」が伸び悩んでいることにはなりません。

やはり、ランクは個々人の「実力」次第で決定する絶対的な指標ではなく、
あくまで同じタイミングに配信を行っている人同士を比較するための相対的な指標でしかないのです。

ランクの構造解析

本記事の本題は、相対化されたランクが示す短絡的な「実力」を、長期的に比較可能な実質の配信力へと還元する方法を模索することです。
そして、現状を正しく認識して配信を見直す目を身に着け、相対化されたランクの上下によって配信に対する思いが揺らぐことのないようにすることです。

ですが、本題に入る前に少しだけ脱線し、相対化されたランク同士を比較して、「実力」差がどの程度のものかを知るためにランクの構造を分析しておこうと思います。

従来のランク間「実力」差

ランクが「実力」を反映した絶対的な指標であるとするこれまでの認識に基づけば、
各ランクの間に潜む「実力」差は同程度なもの
であるはずです。
実際はどのようになっているのでしょうか。

従来、保証ボーダーは月日によらずほぼ一定でした。
これは、ランク制度変更前の保証ボーダーのデータに対する線形近似の傾きが0近傍で横ばいであったことからも確認されました。

そのため、従来のランク間の「実力」差は保証ボーダーの絶対値の違いと一致しているとみなせるはずです。
すなわち、ランク制度変更前の保証ボーダーのデータに対する線形近似の切片が従来のランク間の「実力」差を表現していると考えられるのです。

下図は、2025年09月12日以前の保証ボーダーに対して線形近似を行った結果算出された切片をランクに対してプロットしたものです。

保証ボーダーの値がランクの上昇に伴って緩やかに上昇していることが分かります。
ランク制度変更前の定常的な保証ボーダーの下でのランク間の「実力」差を可視化することができました。

上のプロットに対して定量的な評価を目指してフィッティングしてみましたが、
必ずしも一つの関数でフィッティングできるわけではありませんでした。

しかしながら、
DランクからA3ランクまでは指数関数で(下左図)、A1ランクからSSランクまでは一次関数で(下右図)
それぞれ良い近似を得ることができました。

A1ランクからA3ランクにおいてランク間の「実力」差の増加具合に変化が見られるということは
ランク制度に二つの異なるモードが存在することを意味してます。

すなわち、A1ランクからA3ランクを境界にして、
それ以前は指数関数的に「実力」差が拡大し、それ以降は線形的に「実力」差が拡大する
ランク制度設計になっていると言えるのです。

具体的には、ランクを $r$ として、指数的変化領域(D~A3, $0 \leq r \leq 9$ )においては、

\begin{aligned} f_{+2}(r)\approx 153.5 \, e^{0.750r}\\ f_{+4}(r)\approx 277.6 \, e^{0.752r} \\ f_{+6}(r)\approx 509.4 \, e^{0.782r} \end{aligned}

であり、線形的変化領域(A1~SS, $7 \leq r \leq 13$ )においては、

\begin{aligned} f_{+2}(r)\approx 5.98\times10^4\,r – 4.09\times10^5\\ f_{+4}(r)\approx 9.48\times10^4\,r – 6.10\times10^5\\ f_{+6}(r)\approx 9.55\times10^4\,r – 3.67\times10^5 \end{aligned}

でした。

具体的な数字は置いておくとしても、ランク制度変更前の従来のランクにおいては
A2ランク付近までは「実力」差が指数関数的に拡大しており
A2ランク付近からは「実力」差が等間隔で存在している
ことが分かりました。

ランク間の差はすべて同程度だと考えられていましたが、
その前提が成り立つのは、実は高ランクだけだったのです。

必要な「実力」の増加率

ランク制度が変更される前は保証ボーダーが一定とみなせましたが、それでもランク間の「実力」差は必ずしも均等に設定されていませんでした。

しかしながら、ランク制度変更後は、定常的とみなせた保証ボーダーが上昇しているため、ランク間の「実力」差も拡大していることが予想されます。

ここでは、保証ボーダーの上昇に伴ってランク間の「実力」差がどの程度拡大しているのかについて考えてみます。

下図は各ランクにおける保証ボーダーの増加率を、各ランクに対してプロットしたものです。
なお、A5からSSではばらつきが大きかったため、DからA4までを対象としています。

興味深いことに、各ランクにおける保証ボーダーの増加率は線形近似が可能でした。
近似直線の傾きは、各ランク間で保証ボーダーの増加率がランクが上がるにつれてどの程度増加するのかを示します。

ランク制度変更前後の直線(青色/赤色)の傾きは、それぞれ
+2: 40.9 / 261.5 (約6.4倍増)
+4: 19.5 / 303.4 (約15.5倍増)
+6: 117.2 / 608.7 (約5.2倍増)
であり、青線に比べて赤線は大きな傾きを持っていました。

例えば、+4の保証ボーダーの増加率はランクを一つ上げるだけで、
ランク制度変更前はおよそ20の増加であったにも関わらず、変更後は約303も増加し、
その増加の具合はおよそ16倍となっていたのです。

このことから、ランク制度の変更前後で各ランク間の保証ボーダーの増加率の差が拡大し、特に+4の保証ボーダーにて顕著に増加した
ことが分かります。
そして、各ランク間の保証ボーダーの増加率は一様ではなく、
特にランク制度変更後には、ランクに比例して増加率が高くなる傾向が如実に見受けられました。

元来、各ランク間に潜む「実力」差は同程度のものであると仮定されており、ボーダーが変動する影響はないものとされていました。
つまり、保証ボーダーの近似直線の傾きは0で、ランクが上がっても増加率が変化しないことが前提とされていたのです。

しかしながら、実際はそうではなく、ランクの上昇に比例して保証ボーダーの増加率は増加していました。
よって、各ランク間の「実力」差には大きな隔たりが生じているのです。

以上のことから、各ランク間には等間隔ではない「実力」差が存在し、
ランク制度変更後は各ランク間の「実力」差が大きく拡大しているのです。

なお、これは現在のPalmu(パルム)の歪んだ人数分布からも予想されました。
よって、保証ボーダーが変動する状況が現在の人数分布を生み出している構造的な原因なのかもしれません。

「実力」の壁

さて、各ランク間の横の関係性を捉え増加率を相互比較することで、必要な「実力」の増え方を定量化しました。
それは単純化すれば、ランクが上がるたびに難易度がどの程度上昇するのかという全体的な傾向を示すものでした。

しかしながら、ランクが上がれば上がるほど扱う保証ボーダーの絶対値は大きいため、その増加量もおのずと大きなものとなります。
そのため、高ランクの方が増加量が大きく算出されるのは、ある意味当たり前の現象です。

各ランクの「実力」差を考える際には、全体の増加トレンドより、
あるランクにおける増加分がそのランクの中でどの程度なのか
という局所的な割合に注目した方が有益です。

そこで、元々ランクが持つ保証ボーダーの絶対値の影響を統一するため、時間に対する保証ボーダーの変化を線形回帰し算出した傾きと切片の比を計算しました。

割合を比較することで、元々の保証ボーダーの絶対値の大きさの影響を最小限にし、各ランクにおける体感の増加率を見積もり比較することができます。
それはいわば、保証ボーダーが上昇する状況において、各ランク固有のデイリーランクポイント獲得の難易度を示す指標です。

下図は各ランクの時間に対する保証ボーダーの関係を線形回帰し、得られた傾きと切片の比(k)をプロットしたものです。
ランク制度変更前が黒色で、変更後が色付きで表現されています。
また、ランク制度変更後の各データ点が示す傾向を可視化するため、ガウス関数でフィッティングした結果を実線で描写しています。

まず、ランク制度変更前のデータ(黒色)は、ランクに対してあまり変化していません。
その一方で、ランク制度変更後のデータ(色付き)は、ランクごとに大きな変化を示しています。

このことから、ランク制度変更前は保証ボーダーの変化に伴うデイリーランクポイント獲得の難易度への影響はほぼなかったのに対し、
ランク制度変更後にはランクごとに固有の難易度が発生していると言えます。

また、ランク制度変更後のデータをガウス関数でフィッティングした結果から
+2の保証ボーダーのデータにはC2ランクにピークを持つこと
+4の保証ボーダーのデータにはC1ランクとB3ランクにピークを持つこと
+6の保証ボーダーのデータにはC1ランクとC2ランクにピークを持つこと
が分かります。
さらに、
+2や+4を獲得する難易度は高ランクではほぼ同じである一方で、
+6を獲得する難易度は高ランクになればなるほど低下すること
が分かります。

もちろん、絶対的な値が大きいという意味で物理的な負担が大きいのは高ランクであることは変わりないのですが、保証ボーダー上昇の影響をより強く受けているのは、実はCランクやBランクであると言えるのです。

特に、デイリーランクポイント獲得の難易度のピークが重なりから、
C1~C2ランクに第一の壁が、B2~B3ランクの間に第二の壁が存在している
ことが伺えます。

現状の包括的理解

これまで、Palmu(パルム)の人数分布と上昇する保証ボーダーという実際のデータを分析することで、
ランクは配信者個々人の配信力を表す絶対的な指標ではなく、短期的で相対的な「実力」を示す指標でしかない
ことを主張してきました。

特に、分析結果は、
・B2ランクに最頻値を持ち、ランクが上がるにつれて指数関数的に減少する歪んだ人数分布を持つこと
・ランク制度の変更前後で保証ボーダーの変動の仕方が顕著に異なること
・ランク制度の変更によってライブスコアとボーダーの対応関係が不安定化し、ランクが「実力」を示すための前提が崩れていること
・ランクが上がるにつれて保証ボーダーの増加率も線形的に増加しており、ランク間の差は均一ではなく拡大していること
・デイリーランクポイント獲得の難易度において、C1~C2ランクに第一の壁が、B2~B3ランクに第二の壁が存在すること
ことを明らかにしました。

また、それらの結果はランクが「実力」を表す絶対的な指標ではないという想定を裏付けるとともに、
現在のPalmu(パルム)運営の制度設計指針を推察することを可能にします。

すなわち、ランクの称号が持つ絶対的な優位性を保証するべく上位に行くほど人数が極端に少なくなる人数分布を維持しながら、母数を増やすために
配信を始めればC2ランク付近までは自然と到達するようにし
C2ランク付近とB3ランク付近で段階的に負荷をかけ選別を行い、
さらに、上位ランクへ向かう競争を強めるため特別な負荷をかけることなく、必要な保証ボーダーの絶対値を拡大させていく
という、段階的なフィルタリングによってランクの人数分布を制御しようとする設計指針が存在することが推察されます。

したがって、現在のPalmu(パルム)において、ランクは「実力」そのものを示す絶対的な指標ではなく、
人数分布を制御するために設計された制度の産物にすぎず、競争の中で生まれた相対的な指標でしかない
と結論付けることができます。

配信力の判別方法

ランクが「実力」そのものを示す指標ではなく制度の産物であるとすれば、本来の配信力に相当するパラメータを抽出することは
ランクというラベルに惑わされることなく自分自身の配信力をモニタリングし、配信を見直し配信力を着実に向上させる
上で必要不可欠です。

正しい認識で落ち着いて配信活動を向上させていくことを可能にする「実力」の判別方法確立を目指して、
ここからは配信力をモデル化して評価する方法について考えます。

従来の認識に基づく日次配信力

今回、配信力を「ライブスコアを獲得する能力」として定義しています。
また、ライブスコアとは、
ボーダーとの大小関係によってデイリーランクポイントを左右し、デイリーランクポイントはランクのダウン/キープ/アップを決定する
パラメータのことです。

ここで、現状のPalmu(パルム)運営の理解に則れば、ボーダーは時間に対して大きく変化しないことが前提とされており、
ライブスコアの獲得能力はランクのみによって決まります。

すなわち、とある一日( $i$ )に獲得したライブスコアを $s_i$ ,配信力を $p_i$ ,ランク $r$ におけるボーダー値を $B(r)$ ,誤差を $\epsilon_i$ とすると、
ライブスコア $s_i$ は

s_i = p_i\cdot B(r)\cdot \epsilon_i

と表現できます。
したがって、とある一日( $i$ )の配信力を $p_i$ は、ランク $r$ におけるボーダー値を $B(r)$ ,ノイズ成分を $\epsilon_i$ が固定値として振舞うという前提から

p_i = \frac{s_i}{B(r)\cdot \epsilon_i}\propto s_i

と表現され、ランクによって決まる因子が配信力とほぼ一対一の対応関係を持つと言えるのです。
積を和で表現するため両辺で対数を取ると

\log(p_i)\approx \log(s_i) – \log(B(r))

となります。

このランクに対する認識が従来の配信力理解、すなわち「実力」であり、
ランクが象徴する「実力」は時間を超えて比較可能な絶対的な指標でした。

しかしながら、実際のデータに対する現状分析の結果、
ライブスコアの獲得そのものに時間に依存して変化する周辺環境の強い影響が存在する
ことを明らかにしました。

新たな認識に基づく日次配信力

ランクの称号を単純に配信力と結び付けて認識することができなくなった今、
Palmu(パルム)がランク制度を変更した後に顕著となった、制度設計に由来する人為的な効果を加味したモデルを考えなければなりません。

これまでの分析結果をまとめながら、配信力の判別方法を新たに提案してみようと思います。

従来の認識に基づくと、ボーダー値はランクのみによって決まる固定値として振舞うとされていましたが、
実際は、時間とともに変動する可変な値でした。

さらに、保証ボーダーはランク制度変更後から明確に増加傾向であり、
ランク間には、ボーダー値の線形的な拡大や分布の偏り、増加具合の差を利用した壁が観測されました。

したがって、時間に応じて変動するランク $r$ におけるボーダー値 $B(r,i)$ は、

B(r,i) = B_0(r)\cdot E(i)\cdot W(r,i)

と書き下すことができます。

ここで、 $B_0(r)$ はランク制度変更前に変動のない定常状態とみなせたボーダー値であり、
$E(i)$ はランク制度変更後に全体に顕著に表れたインフレ傾向を示す環境因子であり、
そして、 $W(r,i)$ はランク制度変更後に確認されたランクの歪み―ボーダー値の線形的拡大やランク間の壁―に対する補正因子です。

周辺環境の影響を受け変動するボーダー値 $B(r,i)$ を用いると、とある一日( $i$ )に獲得したライブスコアを $s(r,i)$ は

\begin{align} s(r,i) &= p(r, i)\cdot B(r, t)\cdot\epsilon(r, i) \\ &= p(r, i)\cdot B_0(r)\cdot E(i)\cdot W(r, i)\cdot\epsilon(r, i) \end{align}

と表現できます。
したがって、配信力 $p(r,i)$ は

p(r, i) = \frac{s(r, i)}{B_0(r,i)}\cdot \frac{1}{E(i)\cdot W(r, i)\cdot \epsilon(r, i)}

と表現されます。
つまり配信力を、ライブスコアを基準となるボーダー値で規格化し変動するボーダーの影響を補正する要素を掛け合わせて成り立つと記述するのです。

両辺で対数をとると、

\log(p(r, i))\approx \log(s(r, i))-\log(B_0(r))-\log(E(i))-\log(W(r, i))

となります。

制度整合的な様式

先ほど、配信力がライブスコアを獲得する能力であるとしたうえで、ライブスコアとボーダーとの対応関係に注目して配信力を表現しました。
このとき、競争を促す制度設計によってボーダーが変動する影響を考慮して、配信力 $p(r,i)$ を

\log(p(r, i))\approx \log(s(r, i))-\log(B_0(r))-\log(E(i))-\log(W(r, i))

と記述しました。

しかしながら、これはあくまで一日の配信力をモデル化したものにすぎません。

Palmu(パルム)では、ライブスコアとボーダーとの大小関係で一日ごとに決定するデイリーランクポイントの一週間分の合計値でランクのダウン/キープ/アップが決まることを思い出せば、
これで配信力のすべてを記述できたとみなすのは不十分であり、
ランクに相当する配信力を判定する指標とはなり得ません。

日次配信力を集計し、一週間分の合計値を計算することのできる統合様式を考えることで、
ランクというラベルの代替となる指標を提案します。

さて、単純に上述の日次配信力を足し合わせればよいかというとそうではありません。

なぜなら、日次配信力はライブスコアを基準となるボーダー値で規格化しているため、[0, +1, +2, +4, +6] という5種類のデイリーランクポイントが区別されず、
単純な合計値は制度上の成果を表現しきれないからです。

例えば、単純な合計であれば
[+6, +6, +6, 0, 0, 0, 0] のランクアップと[+4, +2, +2, +1, +1, +1, +1] のランクキープ
が区別されないことになるのです。

そこで、一日のうちにライブスコアを獲得する能力を示す指標である $p(r, i)$ に対して、デイリーランクポイントに相当する重み因子 $d_i$

d_i\in \{0, 1, 2, 4, 6\}

を掛け合わせることで、週次配信力 $P_w$ を

P_w = \sum_{t\in w}d_i\cdot \log(p(r, i))

と定義します。
したがって、一週間分の配信力を表現する様式

P_w = \sum_{t\in w}d_i\cdot \Bigg( \log(s(r, i))-\log(B_0(r))-\log(E(i))-\log(W(r, i))+1 \Bigg)

が、変動するボーダーの影響を補正した日次配信力を、ランク制度に整合的な形式で表現した指標です。

具体的な補正値

制度設計に由来する周辺環境の影響を加味した日々ライブスコアを獲得する能力を示す指標 $p(r, i)$ と、一週間にデイリーランクポイントを獲得する能力を示す指標 $P_w$ の大枠を記述しました。

特に、周辺環境の影響を受け変動するボーダー値 $B(r,i)$ を

B(r,i) = B_0(r)\cdot E(i)\cdot W(r, i)

と定義しました。

以下では、その中身を具体的な数字とともに詰めていきます。

基準ボーダー値 $B_0(r)$

Palmu(パルム)の保証ボーダーが増加していることを既にみてきました。
配信力を算出する際には、インフレ傾向をランク制度がもたらす環境因子として補正する必要があります。

そこで、まずはインフレが生じていなかった場合の保証ボーダー値を基準ボーダー値 $B_0(r)$ として定義します。
そして、基準ボーダー値 $B_0(r)$ として、ランク制度が変更される2025年09月12日以前のデータを線形回帰して得られた値を用います。
なお、ランク制度変更によって新設されたランクに対しては、便宜的に2025年09月12日の保証ボーダーを基準ボーダー値 $B_0(r)$ として採用します。

基準ボーダー値 $B_0(r)$ は、3.2.1 従来のランク間「実力」差で提示したものと同じです。

インフレ補正項 $E(r)$

次に、ランク制度が変更されたあとに上昇傾向のある保証ボーダーに対する補正項を考えます。

保証ボーダーの時系列データから、ランク制度変更後は線形的に増加していると近似することができました。
そのため、ランク ( $r$ ) における比例定数を ( $a_r$ ) とすると

B(r,t)\approx B_0(r)+a_rt

と表現することができます。辺々を基準ボーダー値 $B_0(r)$ で割ることで

\frac{B(r,t)}{B_0(r)}\approx 1+\frac{a_r}{B_0(r)}t

と書くことができます。

先述の通り、周辺環境の影響を受け変動するボーダー値 $B(r,i)$ のモデルとして

\begin{align} B(r,i) &= B_0(r)\cdot E(r)\cdot W(r,i)\\ \Leftrightarrow\frac{B(r,i)}{B_0(r)}&= E(r)\cdot W(r,i) \end{align}

を定義したので、両者を比較することで、

1+\frac{a_r}{B_0(r)}i\approx E(r)\cdot W(r,i)

となります。これは、ランク制度変更後の増加率が、
全体のインフレ傾向を表すパラメータ $E(r)$ とランクごとに固有の難易度を表すパラメータ $W(r,i)$
に分解されていることを意味しています。

ここでは、インフレ傾向を表現する補正項 $E(r)$ について考えるため、 $W(r,i)$ の影響を差し引く必要があります。
$W(r,i)$ はランク固有の難易度―ボーダー値の線形的拡大やランク間の壁―に関する補正項なので、ランク方向に平均をとるとその固有性は失われます。
そのため、辺々で対数平均をとることでインフレ傾向を表現する補正項 $E(r)$ を抽出することができます。

まず辺々で対数をとり、

\log\Bigg(1+\frac{a_r}{B_0(r)}i \Bigg)\approx \log E(r)+\log W(r,i)

全ランク集合 $R$ に対して平均をとると

\frac{1}{|R|}\sum_{r\in R}\log\Bigg(1+\frac{a_r}{B_0(r)}i \Bigg)\approx \log E(r)+\frac{1}{|R|}\sum_{r\in R}\log W(r,i)

となり、

\log E(r)=\frac{1}{|R|}\sum_{r\in R}\log\Bigg(1+\frac{a_r}{B_0(r)}i \Bigg)

すなわち

E(r)=\exp\Bigg(\frac{1}{|R|}\sum_{r\in R}\log\Bigg(1+\frac{a_r}{B_0(r)}i \Bigg)\Bigg)

が導けます。

下図は実際の保証ボーダーの時系列データから各デイリーランクポイントのインフレ補正項 $E_{+2}(r)$ , $E_{+4}(r)$ , $E_{+6}(r)$ を算出した結果をプロットしたものです。

ランク歪み補正項 $W(r,i)$

最後に、局所的なランク制度の歪み、すなわちランク固有の難易度の差を補正する項 $W(r,i)$ について考えます。

局所的なランクの歪みについては、3.2.3. 「実力」の壁にて取り上げた通りですが、
保証ボーダーの上昇による難易度の増加具合いはランクごとに異なっており、そこには壁が存在しているようでした。

改めて説明すると、各ランクが直面するボーダー増加の影響を相対的に評価するため、
保証ボーダーの近似曲線の切片に対する傾きの割合 $k(r)$ を算出し、ランクに対する $k(r)$ のプロットをガウス関数でフィッティングしました。
その結果、+2の保証ボーダーに対しては単峰性のガウス関数

k_{+2}(r)=A\exp\Bigg( -\frac{(r-\mu)^2}{2\sigma^2}\Bigg) +C

が、+4および+6の保証ボーダーに対しては二峰性のガウス関数

k_{+4,6}(r)=A_1\exp\Bigg( -\frac{(r-\mu_1)^2}{2\sigma_1^2}\Bigg) +A_2\exp\Bigg( -\frac{(r-\mu_2)^2}{2\sigma_2^2}\Bigg)+C

で良い近似を得ることができました。
このとき、フィッティングに用いた値は下記の通りでした。
+2： $A=0.071, \mu=2.085, \sigma=0.923, C=0.043$
+4： $A_1=0.104, \mu_1=0.886, \sigma_1=1.306, A_2=0.562, \mu_2=5.430, \sigma_2=1.198, C=0.0258$
+6： $A_1=0.087, \mu_1=0.829, \sigma_1=1.223, A_2=0.101, \mu_2=2.8, \sigma_2=2.5, C=0.002$

下図は以前にも示したランクに対する割合 $k(r)$ とフィッティング曲線です。

配信力試算

ここまで、Palmu(パルム)の現状を分析し、傾向をつかみ印象とは異なる現象が発生していることを明らかにしました。
また、分析結果を補正し、より正確な配信力を計算できるようなモデルを考案しました。

最後に、私の実際のライブスコアなどデータを用いて配信力を計算し、その推移を確かめてみようと思います。

なお、Palmu(パルム)では「ライバーレポート」にて、各日および各月のデータを確認することができます。
ただし、2026日04月05日時点で入手可能なデータが2025年10月07日からのものでした。
そのため、ランク集計のタイミングも考慮して、計算は2025年10月10日から行っています。

下左図は実際のデータを用いて計算した日次配信力のプロット、下右図は週次配信力のプロットです。

詳細の分析は別の記事にて行いたいと思いますが、
ランクが上がればそれとともに「実力」も上がるだろうという単純な対応関係で記述されているわけではないことが分かります。

むしろ、ランクが上がるほど配信力は低下しており、ライブスコアを獲得することに苦戦している様子が見て取れます。

これは、ランクを「実力」と直接結び付けて、ラベルの向上と同様に「実力」が段階的に上昇していると考えていた従来のランク認識に反しています。
その一方で、同じランク内でも配信力にばらつきがあるという新たな認識を示すことができています。

今回は、新たな配信力判定方法を考案することを目的としていました。

今後は計算結果を分析し、どのように配信活動にフィードバックしていけばよいかという点に焦点を当てたいと思います。

注釈と謝辞

最後に注釈として以下の点に触れておかなくてはなりません。

今回は便宜上、ランクと配信力を結び付けて考察しました。

すなわち、配信力はランクのキープ/アップにつながるような能力として扱われているのです。
そしてこれは、配信が盛り上がった結果人が集まり、ギフトがたくさん飛び交う様子を善とする態度に他なりません。

しかしながら、現実には総ギフト数が多くても盛り上がっていなかったり、楽しく居心地も良いのにギフトが飛ばなかったりなど、
ユーザーの満足度とランクが必ずしも一致するとは限りません。

さらにインフレ傾向のある現在のPalmu(パルム)では、過去に高ランクを維持できていたにもかかわらず、
上昇するボーダーの影響でランクを下げざるを得ない場面が増えてきています。

それは、配信者の魅力とは全く関係のない制度設計という環境要因によって生じている現象です。
そうであるにもかかわらず、自分自身の配信活動に限界を感じ、配信をやめていく姿を見る機会が増えているように思います。

データ分析をするという都合上、結局はランクとの関係性の中で記述せざるを得ませんでしたが、
本当に大切なのは、ランクや数値に反映されない良さをいかに見出していけるのか、という観点だと考えています。

冒頭にも述べた通り、配信活動を振り返る中でそのような点も掘り下げる予定ですが、
今回の記事ではその要素を記事やモデル内に落とし込むことができませんでした。

しかしながら、配信力やランクといった定量的指標よりも、
目の前で聞いてくれている人がどう感じているのかに注力した方が良い
という考え方は根底にあり、かつ忘れてはいけないものだと感じているので、最後に注釈として追記しておきます。

本記事のほとんどは、 (る)さん(@ru_palmu) が集めまとめたデータがきっかけとなっています。
分析方法や考察などはすべてオリジナルですが、実際のデータがなければ机上の空論にすぎず、現実味も説得力も欠いたものになっていたでしょう。

最後になりましたが、この場をお借りして日々のデータ収集・発信活動に対して感謝の意を表します。

まとめ

本記事では、ランクが配信の実力を示すわけではないという仮説の基、Palmu(パルム)の現状を分析しました。

その結果、現在のPalmu(パルム)にはランクごとに難易度が異なることが推測されました。
そしてそのような歪んだ構造は、ランク制度の設計指針に由来すると考えられました。

現在の状況では、ランクというラベルの上下だけでは配信力を見積もることができず、
配信活動への適切なフィードバックが難しいと言えます。

そこで、ランクの歪んだ構造を考慮して配信力を抽出するようなモデルを考案しました。

新たに考案した「実力」の判別方法によって、自分自身の配信の余力を正しく認識することができ、
配信活動を反省する明確な指標を得ることができました。

ランクという漠然とした指標だけでなく、そして自分自身の肌感覚だけでなく、
実際にデータから算出された指標を使うことで、
現状に対して正しく冷静な分析が可能となり、配信活動の安定化にもつながるのではと考えています。

今後、算出された配信力が何を意味するのかなど、より詳細の分析も行っていきたいと考えています。
そして、読者の皆さまも自分自身の配信力をチェックできるようなツールを提供できればと思います。

ご覧いただきありがとうございました！
是非、次回の投稿もお楽しみに！