こんにちは！
データサイエンティストのウマたん(@statistics1012)です。
消費者にとって、商品のどんな機能が響くのか知りたい場合に用いられる「コンジョイント分析」
マーケティングにおいて非常に重要な役割を果たします。
この記事では、そんな「コンジョイント分析」について見ていきたいと思います！
コンジョイント分析とは
商品やサービスのどの部分を改善すれば消費者に受け入れやすくなるのか（効用値の大小）を把握するための手法であるコンジョイント分析。
どこまでのスペックが欲しいのか・価格はどこまで許容できるのかに対して消費者は明確に意識しているわけではなく、なんとなく潜在的に感覚を持っています。
そんな消費者の潜在的な効用を把握するために、直接的に機能の良し悪しを聞くのではなく様々なスペックの商品に点数を付けてもらうことにより機能の効用値を算出するのがコンジョイント分析になります。
コンジョイント分析を行うことで、消費者にとって最適なスペックを把握することができます。
それにより、ムダな機能拡張をすることなく消費者に受け入れやすい機能・価格の商品・サービスを提供することができるのです。
コンジョイント分析で気を付けなくてはいけないこと
コンジョイント分析で気を付けなくてはいけないのは、商品プロファイルの作成方法。
商品プロファイルを適当に作成してしまうと、要因が交絡してしまい得たい結果が得られません。
実験計画法における直交表の割り当てを行い、商品プロファイルを作成しましょう！
コンジョイント分析をRで実装してみる
それでは、コンジョイント分析をRで実装していきましょう！
パッケージ「conjoint」を用います。
teaというデータセットに入っている、プロファイルデータを使ってコンジョイント分析を行います。
tprofは以下のようなプロファイルデータ。
tlevnにはそれぞれの水準データが入っています。
分かりにくいのですが、この商品プロファイルは3水準×3水準×3水準×2水準になっており、
priceの水準が「low/medium/high」
varietyの水準が「black/green/red」
kindの水準が「bags/granulated/leafty」
aromaの水準が「yes/no」
最後にそれらに対する効用値が100人分入ったデータがtprefm。
これらのデータをコンジョイント分析にかけると、自動的にグラフをプロットしてくれます。
これにより要因ごとの寄与率が分かります。varietyの寄与率が若干高いですねー。
価格の部分効用値が分かります。
lowが効用値高いのは感覚と一致しますが、highとmediumを比較した時にmediumの方が効用値が低いのは面白いですねー！
コンジョイント分析 まとめ
コンジョイント分析について見てきました。
最後に簡単にまとめておきましょう！
■コンジョイント分析は商品やサービスの機能・特徴の受容度を測る分析手法
■マーケティング・商品開発においてよく用いられる
■Rで簡単に実装可能
コンジョイント分析について詳しく知りたい方は以下の書籍を読んでみるとよいでしょう！
多変量解析にはコンジョイント分析以外にも様々な手法があります。
多変量解析手法については以下の記事でより詳しくまとめていますので見てみてください！
マーケティングでよく使われるデータ分析手法は以下でまとめています！
また、統計学や機械学習やPythonやデータサイエンスについてより深く学びたい方は以下の記事で詳しくまとめています！
スタビジのコンテンツをさらに深堀りしたコンテンツが動画と一緒に学べるスクールです。
プレミアムプランでは私がマンツーマンで伴走させていただきます！ご受講お待ちしております！
