分析モデル

コンジョイント分析


通常、一つの製品からはいくつか属性が挙げられます。価格、色、スタイル及び製品の持つ特有な効能、性質などです。そして、どのような属性をもっている製品が消費者から受け入れられているのかを更に細かく見ると、「消費者にとっての製品の具体的な属性の重要度はどの程度なのか。」「同じコストでどんな属性を有している物が消費者に受け入れられるのか」という疑問がでてきます。このような疑問に対し、定性調査のような伝統的な調査の分析からでは実際のところ困難です。コンジョイント分析(Conjoint Analysis)は、このようなニーズに基づいて考え出された市場分析方法です。 コンジョイント分析は、現実生活において、消費者がある方面のニーズを満足する為に、他の属性を犠牲にして選択するプロセスを分析します。ここから得られる分析結果は客観的であり、正確です。

それぞれの商品の相対的重要性及び、それぞれの属性レベルの効用価値を確認
Sawtooth(ソフトウェア)を利用し、 サンプル製品のテストカードを作成
アンケートを通じ、消費者のサンプル製品に対する選択及び評価を把握する。
CBCあるいはACAを利用し、
1、それぞれの商品属性の相対重要性、及びそれぞれの属性レベルの効用価値を把握
2、消費者が購入プロセスで重視する点に基づき、市場を細分化
3、商品属性/価格の理想的な組み合わせを把握
4、各商品属性/価格の組合せの各種競争状況下で得られるであろう市場での割り前を予測


CBRのコンジョイント分析
CBRは現在最も信頼のあるコンジョイント分析ソフト「Sawtooth」のコンジョイント分析パッケージソフトを採用しています。 このソフトはAdaptive conjoint analysis (ACA), Choice based conjoint (CBC) 等の多種類の研究テストを行う事ができます。 ※CBRのコンジョイント分析は、アンケート用紙による実施だけでなく、PC上での実施も可能です。

Dタイプ自動車購入予定者のサンプル
貴方は以下のどのタイプの車を買いたいですか?

Accord

3.0L
AT
¥350,000

Regal

3.0L
MT
¥330,000

Audi A6

2.8L
AT
¥410,000

Passat

2.8L
MT
¥280,000
無い。左記以外

使用評価
コンジョイント分析を通じ、消費者がどのタイプの商品に対する傾向が強いのかを正確に把握する事ができます。 各製品の異なる価格の水準、異なるブランドなどにより、いずれもそれぞれ異なる作用をもたらします。
Attributes Importance
43
23
-2 -5

品牌

价格 排气量 排档
Price Preferences
-14

22

9
-4
 

20k

25k 30k 35k
Brand Preferences
19
8
-3 -9
Regal Passat Accord Audi
Emissions Preferences
-11.3

6.5

2.8L

3.0L

市場模擬
価格変化
正当な理由があると思いますか?
?
-$5000 -$2500 +$2500 +$5000 -$5000 -$2500 +$2500 +$5000
いいえ はい
15%
6%
-7% -22% 20%
11%
-2% -17%
   
 
27%
 
コンジョイント分析を通じ価格を予測/機能属性の変化が引き起こす市場割り前の変化



調査条件に基づき、最適な分析方法を採用
CBRは調査目的に基づき、最も適したコンジョイント分析方法を提案します。
·CBCは消費者の選択に基づく分析モデルです。対象者がシリーズ商品サンプルの中から選択するだけで、消費者の潜在ニーズの分析が可能です。
·CBCはさまざまな調査環境に適応します。主なメリットは、テスト情景が現実的であり、消費者の実際の選択に近いことです。CBCのデメリットは、調査の精度を保証するため、多くのサンプルが必要になることです。

·ACAは多くの属性(6以上の属性)或いは属性レベルを分析する際に使用します。メリットは時間をセーブでき、同時にサンプルが少なくても比較的安定した結果を得られることです。価格テストには適しません


  このページの先頭へ戻る

GAP Model

GAPモデルは、CBRが、消費者ニーズを分析する際に使用するモデルです。基本的な考え方は、現在のニーズと、未来の購買のギャップを分析し、消費者が購入に走る為のキーとなるニーズを探り出し、さらにニーズの大きさを基に、それぞれのニーズ程度での購買率を予測します。
·初めにCBRの経験に基づき、消費者の購入動機となるであろうメリットを羅列する。(商品やサービス特性)
· 続いて消費者がこれらのメリットに対する希望及び現在の満足情況を把握し、因果関係モデルを打ちたてる。 構成プロセスソフト(SEM)を使用し、 これらのニーズと購買意向の間に関係があるかどうかを分析する。
·因果関係が成立した場合、更に各ニーズの購買に対する貢献度を分析し、 Logit等の分析方法を通じ、それぞれのニーズ状況下での消費者の購買確率を導き出す。

現在の商品(サービス)と期待している商品とのギャップ
ギャップの大きさから購入欲求の相違を導き出す

GAPモデルの分析案例- DC製品をエスカレートする原因
現在のデジカメ購入意向者の主な購入要因は、消費者の画素に対する不満とズーム能力の追求によるものです。
Estimation of model coefficients
現在の画素数
理想の画素数
画素数 GPA
0.34

画素数が買いなおす際に最も重要な要素
現在の液晶画面
理想の液晶画面
液晶画面GPA
0.16
現在のバッテリー
理想のバッテリー
バッテリー GPA
買いなおし意向
0.10
現在のズーム
理想のズーム
ズーム GPA
0.17

ズームは2番目に重要視される要素
備考:上記データはサンプルであり、実際のデータではありません。

デジタルカメラは、3百万画素以内では、買い直しの可能性は低く、3百万画素以上でニーズが明らかに増加。5百万画素でニーズが最大になる。
G画素数のギャップ Possibility of re-purchase
Percentage (%)
現在の画素数より下げる 0.0
現在の画素数と同じ 0.8
現在の画素数を1M上げる 2.9
現在の画素数を2M上げる 3.0
現在の画素数を3M上げる 4.0
現在の画素数を4M上げる 15.6
5現在の画素数を5M上げる 30.8
備考:上記データはサンプルであり、実際のデータではありません。

  このページの先頭へ戻る

デシジョンツリー分析モデル

定義--デシジョンツリー分析の特徴
· デシジョンツリー分析(Decision Tree Analysis)は、データマイニング方法のひとつです。総合的に自変数を比較し、自動的に最もターゲットに影響を与える変数量を選出し、最適の分類モードを見つける分析方法です
CBRはこの分析モデルを基に、応用モデルの開発に成功しました:

· 最適な市場細分:デシジョンツリーから導き出された結果から、最適な市場細分方法を選択
· 収益分析(GainAnalyses):各市場細分に対し市場の潜在能力と営業効能を分析し、最も適した細分市場を選び出します。
· 長期応

デシジョンツリー分析フロー
1、可能な細分変量を全て選出/決定の根拠に必要な変量を選出
2、分析の決定事項を選出、システム運用、自動チェック
3、デシジョンツリー図を作成する。ゲインテーブルを作成す
可能な変量を全て入力
人口変量 1

人口変量 2

人口変量 n...

行為変量 1

行為変量 2

行為変量 k...

変量...

ターゲット変量設定
デシジョンツリー分析システム
デシジョンツリー分析方法を選択 (CHAID. C&RT...)
デシジョンツリー結果をアウトプット


調査案例
·あるIT商品の研究中、あるクライアントが多種類の細分方式に直面しました。「地理細分」「収入細分」「性別細分」...。では、いったいどの角度から細分するのが最も効率的に潜在消費者を探し出す事ができるのでしょうか。
目的に基づき、私達は今後6ヶ月以内の購入予定者を目標の変量として選択すると共に、購入予定者をターゲットとしました。
· その変量に対し、CBRは購入予定に影響する人口変量をなるべく多く加えます。「年齢」「収入」「都市」「性別」「婚姻」「教育」…
·整理後の分析結果は以下の通りです。
分析結果:「年齢」は消費者計画区分の最大の変量
 
9つの最終ポイントを選出し、 その中から収益率が最高の4つのポイントを選び出す。

  このページの先頭へ戻る


[戻る]