コンジョイント分析

1. コンジョイント分析 大阪大学人間科学部 行動計量学研究分野　B３ 桑野　泰

2. 今日の流れ • コンジョイント分析とは • 分析の手順 • SASでやるには？ コンジョイント分析

3. コンジョイント分析とは

4. 用途 • マーケティングの分野で活用 • 新製品のコンセプト決定 • マーケットシェアの予測（消費者の行動分析） • 誰かが何かを選ぶ時の選好プロセスを検討する コンジョイント分析

5. 目的 • 購買行動の際に消費者が商品のどの要因に「効用」を感じているのかを知る。 • その商品の価値を決定する要因は何かを知る。 • その要因をどのように設定すべきかを知る。 コンジョイント分析

6. 「効用」とは？ • 消費者が何かを欲しいと感じる時、そのニーズが商品によって充たされる。→充足度＝効用（全体効用） • 部分効用 • 商品を構成する属性ごとの効用。 • 全体効用 • 部分効用の合計として表現できると仮定する。 コンジョイント分析

7. 選好モデル • Uj＝（属性１の部分効用）＋‥‥ ‥‥＋（属性rの部分効用） • Ujは商品jの全体効用 コンジョイント分析

8. 例えばパソコンを買う時 • CPU：1.5GHz、メモリ：128MB、HD：80GB、ディスプレイ：TFT17インチ 価格：￥898,000 買えるか〜い（×_×） • モデル式で表すと Uj＝CPU100点＋メモリ70点＋HD100点 　＋ディスプレイ100点ー価格1000点 コンジョイント分析

9. コンジョイント分析の特徴 • 全体から部分を推測する。 • 消費者の意見を聞くのではなく、選択行動だけを見る。 • 消費者は自分が何を求めているか正確に表現できない。 • 本音を求める。 コンジョイント分析

10. ちなみに • これまでの消費者行動分析 • 多属性態度アプローチ/期待価値モデル • 商品の個々の要因（品質・価格等）について意見を求め、それを集約して製品を開発。 • 本音は聞けない。建前で答える。 • 期待価値モデル Sj：態度得点（好き嫌いの程度） wi：属性iの重要度 bij：ブランドjについての属性iの評価　　点としての消費者の信念 n：重要属性の数 コンジョイント分析

11. コンジョイント分析の手順

12. プロファイルを作ろう • プロファイルとは • 製品の特徴を表すもの。 • これを被験者に提示して評価してもらう。 • 実物であることが望ましいが、カードに製品の特徴を書いたものを使うことが多い。 CPU：800MHz メモリ：64MB HD：20GB ←こんなの コンジョイント分析

13. プロファイルの作り方１ • 属性とその水準を決定する。 • 価格は独立した属性としては扱いにくい。 • プロファイルのスペックによって決まるようにしておいた方がよい。 コンジョイント分析

14. プロファイルの作り方２ • 水準の組み合わせ方（直交計画） • すべての水準を組み合わせると • 3×3×3×2＝54通り • 回答者も調査者も大変。 • 直交計画を使うと • 18通りの組み合わせで済む。 • 分析が楽。 • 回答者の負担減。→信頼できるデータが取れる。 コンジョイント分析

15. プロファイルの作り方３ • 直交配列 • すべての組み合わせについて属性間の相関が０になる。 • 現実的でない組み合わせもできてしまうが、その方が精度の高い分析が可能。[朝野(1979b)等] • 抽出率が高い。 直交配列表の例 コンジョイント分析

16. データを集めよう • すべてのプロファイルを提示し、それを購入したいと思う順に並べてもらう。 • 一対比較法も使える。 • 評定尺度法も使える。 コンジョイント分析

17. データを集める時の注意 • 適切な回答者を集める！ • 調査対象の商品に無関心な人を選定すると、過った結果になる可能性大。 • フェイスシートもつけよう。 • 年齢・職業・所得などによって層別し、セグメントごとに分析することも有効。 コンジョイント分析

18. データの解析１ • ある回答者が1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18 という順位を付けたとする。(数字はプロファイルのNo.) • ということは コンジョイント分析

19. データの解析２ • コンジョイント分析の問題 • Uj：商品jの全体効用 • Ci：CPUが第i水準の時の部分効用 • Mk：メモリが第k水準の時の部分効用 • Hl：HDが第l水準の時の部分効用 • Dm：ディスプレイが第m水準の時の部分効用 • とおいた時、（あくまで感覚的に） コンジョイント分析

20. データの解析３ • コンジョイント分析の問題（続き） • を満たすようなCi〜Dmを求める。 コンジョイント分析

21. データの解析４ • 先ほどの例は個人の中での効用の計算。 • 多くの回答を分析する場合は平均の順位で計算する。 コンジョイント分析

22. SASでやるには？ 個人データの分析

23. PROC TRANSREG • 変数変換、最小２乗法を駆使して先ほどの不等式を解いてくれるプロシージャ コンジョイント分析

24. プロファイル作り１ data profile; input ncpu nmemo nhd ndis; if ncpu = 1 then cpu =‘600MHz’; else if ncpu = 2 then cpu =‘700MHz’; 　　　　　　　： if ndis = 1 then dis =‘TFT’; else if ndis = 2 then dis =‘CRT’; file print; if mod(_n_,4) eq 1 then put _page_; put // ‘profile No. ‘ _n_; // ‘CPU = ‘ cpu; : // ‘Display = ‘ dis; cards; 1 1 1 1 1 2 2 1 : : 3 3 1 2 ; • これは調査前に行う手続き。 コンジョイント分析

25. プロファイル作り２ Profile No. 1 CPU = 600MHz Memory = 64MB HD = 10GB Display = TFT Profile No. 2 CPU = 600MHz Memory = 128MB HD = 20GB Display = TFT • さっきのプロシージャの出力。これをハサミで切ってカードにし、回答者に提示する。 コンジョイント分析

26. 分析１ proc format; value cpuf 1 = ‘600MHz’ 2 = ‘700MHz’ 3 = ‘800MHz’; : : value disf 1 = ‘TFT’ 2 = ‘CRT’; run; • ここからは調査後の手続き。 • 数値で与えられている水準に名前を付けるプロシージャ。 コンジョイント分析

27. 分析２ • データセット • 前ページで付けた変数名をデータセットに割り当てている。 data PC; input cpu memory hd display rank; format cpu cpuf. memory memf. hd hdf. display disf.; cards; 1 1 1 1 2 1 2 2 1 4 1 3 3 2 10 　　： 　　： 3 3 1 2 13 ; proc print; run; コンジョイント分析

28. 分析３ • コンジョイント分析のプロシージャ • monotone(RANK)は順位のデータを最小２乗単調変換することを指定。 • 変換後の順位にフィットするような説明変数を求める。 proc transreg maxiter=50; model monotone(rank)=opscore(cpu memory hd display); output tstandard=center additive; run; proc print; format trank tcpu tmemory thd tdisplay 6.2; run; コンジョイント分析

29. 分析結果１ • データセットの出力 OBS CPU MEMORY HD DISPLAY RANK 1 600MHz 64MB 10GB TFT 2 2 600MHz 128MB 20GB TFT 4 3 600MHz 256MB 40GB CRT 10 : : 16 800MHz 64MB 20GB TFT 3 17 800MHz 128MB 40GB TFT 9 18 800MHz 256MB 10GB CRT 13 コンジョイント分析

30. 分析結果２ • 最小２乗単調変換の過程を出力。 • 変換前と変換後の値の変化が充分小さくなるまで計算する。 • 収束しなかった場合は、fail to convergeと出る。 TRANSREG MORALS Algorithm Iteration History for MONOTONE(RANK) Iteration Average Maximum Squared Criterion Number Change Change Multiple R Change --------------------------------------------------------------- 1 0.32165 1.27613 0.41108 . 2 0.15969 0.68147 0.90536 0.49428 3 0.04996 0.16387 0.98119 0.07583 : 39 0.00002 0.00008 0.99837 0.00000 40 0.00001 0.00005 0.99837 0.00000 41 0.00001 0.00003 0.99837 0.00000 NOTE: Algorithm converged. コンジョイント分析

31. 分析結果３ • 見るべきところはTCPU〜TDISPLAY。 • この値が各水準の部分効用。 • TRANKは全体効用。 • 各属性の部分効用の最大値と最小値の差がその属性の重要度を表す。 I T T N D I T D _ _ T M I N M I T N T E E S T E S Y A R R R M P E T M P O P M A A C C O L R C O T L B E E N N E P R H A C P R H A S _ _ K K P U Y D Y E U Y D Y 1 SCORE ROW1 2 -6.35 1 600MHz 64MB 10GB TFT 0 -3.02 -3.77 -0.07 0.54 2 SCORE ROW2 4 -4.66 1 600MHz 128MB 20GB TFT 0 -3.02 -1.02 -1.16 0.54 3 SCORE ROW3 10 1.73 1 600MHz 256MB 40GB CRT 0 -3.02 4.79 1.23 -1.08 　　　　　　　　　　　　　　　　　　　　： 18 SCORE ROW18 13 1.73 1 800MHz 256MB 10GB CRT 0 -1.97 4.79 -0.07 -1.08 コンジョイント分析

32. 分析結果４ • 分析結果を整理（部分効用） 注）値が低いほど効用値は高い！ コンジョイント分析

33. 分析結果５ • 分析結果を整理（属性の重要度） CPU 8.00=4.98-(-3.02) メモリ 8.56=4.79-(-3.77) HD 2.39=1.23-(-1.16) ディスプレイ 1.62=0.54-(1.08) コンジョイント分析

34. さらに複雑な分析 • 複数の回答者からデータを集める。 • 各プロファイルの平均順位を用いて分析する。 • 回答者を層別し、セグメントごとに傾向をみる。→マーケットシェアの予測 コンジョイント分析

35. ここ２、３日思うこと • コンジョイント分析はSASでやるもんじゃない！ • 個人の分析を超える場合、プログラムが膨大になる。 • 文献ではSPSSやPLANPARTNERを薦めている。 コンジョイント分析

36. 参考文献 • 朝野煕彦『入門 多変量解析の実際』（1996）講談社 • 片平秀貴『マーケティング・サイエンス』（1987）東京大学出版会 • 神田範明編著『ヒットを生む商品企画七つ道具　よくわかる編』（2000）日科技連 コンジョイント分析

37. 参考Webページ • Researcher情報交流街 http://www.geocities.co.jp/WallStreet/7166/index.html • シストラットコーポレーション http://www.systrat.co.jp/ コンジョイント分析