製品コンセプトのリサーチ

こんにちは!未来基地の高橋(佑)です!
寒いですねー!明け方、除雪車のチェーンタイヤの音で目が覚めます。
冬だな、と思う瞬間です。
それでも今年の積雪量は、去年の1/2程だとか。
5年前は信じられないほどの豪雪で、果樹農家の皆様など、秋田全域に大きな被害が発生しました。
道路の除雪も間に合わず、雪国にもかかわらず、立ち往生する車があちらこちらにありました。
「除雪さえしっかりやれば、次も当選する」とは、市議から聞いたジョークですが、
妙な説得力があります。

さて、今回は、
サンプル調査後のデータ分析について、少しお話しします。

私たちはケースに応じて、集めたデータをいくつかの塊に再構成したりします。
例えば、質問が10個あった場合、その回答をもとに、3~5個くらいのグループに分けます。

わざわざそんなことをする理由が、いくつかあります。
一つには、統計的に有意な差異を抽出するためです。

前回もお話ししたとおり、サンプル調査の場合、誤差は5%程度あると考えられます。
そのため、誤差を考慮して、「偶然ではない差」が見えるようにします。
例えば、アンケート上位1~3位までの支持率が5%の範囲に収まっているのなら、それは偶然のバラツキが疑われます。
(順位に意味はないのじゃないか?次にやれば、違う結果になるのではないか?)
ですから、上位1~3位までをグループとして考え、同様に、上位4~6位、7位~9位までといった具合にグループ分けをするのです(統計処理を行います)。
こうすることで、本当に大事な差が見えてきます。

集約モデル

また、別の理由として、個別に見ることが必ずしも適当ではない、というケースもあります。
グループで見た方が、より現実に即している、ということです。

顧客満足度を例にとって考えましょう。
この場合、「安い方が良い」「美味しい方が良い」「近い方が良い」等の要素が、各々独立して作用するより、「安い方が良くて、出来れば美味しい方がいい」のように、相互に影響すると考えたほうが自然です。

このように、一個一個を見るよりも、全体感を把握した方が、より現実に即している、というケースがあります。
木を見て森を見ず、にご注意です。

こうした用途の分析には、
因子分析や主成分分析、クラスター分析、決定木分析等を用います。
個人的によく使うのは、因子分析です。
因子分析は、各要素に共通する因子を抽出する分析手法です。

よく使われる例えとして、
「国語、英語、数学、理科、社会の五科目の成績を因子分析すると、
文系と理系のふたつの因子に整理される」というものがあります。
イメージはおわかり頂けるでしょうか?

こうした手法が効果を発揮するのは、
新商品のコンセプトづくりや、顧客像の特定といったシーンです。

自社の狙う商品カテゴリ(例:コーヒー飲料)の顧客ニーズを分析し、
開発コンセプトを策定します(例:休日に飲む甘いミルクコーヒー)。
次はコンセプトに基づき、開発を進めます(例:ストレス軽減成分を含有し、ミルクを多めに)。

顧客像の特定も同様です。
Aを好む顧客、Bを好む顧客、Cを好む顧客というようにグルーピングし、
グループシェアや自社の強みを参考に、攻略する顧客層を決定します。

マーケティングを考える上で、たいへん有効な分析だと思います。

コメントを残す