コンジョイント分析

コンジョイント分析
コンジョイント分析
コンジョイント分析とは、製品やサービスを構成する属性
の最適な組み合わせを探る手法です。
製品
PC
製品属性
効用
市場シェア
CPU
HD
メモリ
ディスプレイ
価格
U（PC１）
U（PC２）
…
m（PC１）
m（PC２）
…
2
製品属性及び属性水準
•
•
•
•
•
価格：15万円,17万5千円,20万円
CPU：1.7GHz, 2.2GHz, 3.06GHz
ハードディスク：20GB, 40GB, 60GB
メモリ：128MB, 256MB
ディスプレイ:15インチ, 17インチ
3
製品プロファイル
PC１
価格：15万円
CPU: 1.7GHz
HD：40GB
メモリ：128MB
ディスプレイ：17インチ
PC２
価格：17万円
CPU: 2.2GHz
HD：40GB
メモリ：128MB
ディスプレイ：15インチ
4
コンジョイントモデル
価格の部分効用
U(PC1) = UP(15万) + UC(1.7GHz) + UH(40GB)
+ UM(128MB ）+ UD(17インチ）
PC1の効用
5
コンジョイント分析で分かること
1. どの属性がどの程度好まれるかがわかる。
2. 競合との対比で、マーケット・シェアを予測することが
できる。
3. 当該製品の値下げ効果や値上げ影響をシミュレート
できる。
4. 属性の水準を変えて、現行マーケットシェアの変動
をシミュレートできる。
6
コンジョイント分析の手順
• 分析計画
• データ収集
• モデルの推定と製品コンセプトの評価
7
コンジョイント分析の計画
• 利用する属性の決定。
– フォカス・グループ・インタビュー。
– 製品開発チームからの意見。
– 専門家の意見や二次データの使用。
• 各属性の水準の決定。
– 既存製品と対比し、合理的な水準。
– 可能な限り少ない水準数。
– 属性間の水準数のバランス。
• 製品プロファイルの作成。
– プロファイル数の決定（直交配列）。
– 全ての水準において他のプロファイル優越するプロファイ
ルはないかをチェックする。
8
直交配列によるプロファイルの作成
プロファイル
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
価格
150000
150000
200000
150000
150000
150000
200000
150000
200000
175000
175000
175000
150000
150000
175000
200000
cpu
3.06GHz
1.7GHz
3.06GHz
1.7GHz
3.06GHz
2.2GHz
1.7GHz
3.06GHz
2.2GHz
2.2GHz
1.7GHz
3.06GHz
2.2GHz
3.06GHz
3.06GHz
3.06GHz
hard disk
60GB
40GB
20GB
20GB
20GB
60GB
60GB
20GB
20GB
40GB
20GB
60GB
20GB
40GB
20GB
40GB
memory
128MB
128MB
128MB
128MB
128MB
256MB
256MB
256MB
128MB
128MB
256MB
128MB
256MB
256MB
256MB
256MB
display
17inch
17inch
17inch
15inch
15inch
17inch
15inch
15inch
17inch
15inch
17inch
15inch
15inch
17inch
17inch
15inch
9
データの収集
• 一対比較のデータ。
• 選好順序データ。
– 単調回帰分析。
• 選好データ。
– 線形回帰分析
10
プロファイルの選好順序データ
ID
1
2
3
4
5
6
7
8
9
10
SEQ1
11.00
12.00
13.00
12.00
2.00
1.00
3.00
16.00
7.00
8.00
SEQ2
8.00
11.00
7.00
1.00
9.00
10.00
2.00
10.00
15.00
2.00
SEQ3
2.00
3.00
4.00
9.00
6.00
16.00
14.00
15.00
11.00
7.00
SEQ4
6.00
16.00
5.00
11.00
11.00
2.00
8.00
2.00
1.00
11.00
SEQ5
3.00
5.00
3.00
7.00
10.00
11.00
6.00
3.00
10.00
12.00
SEQ6
4.00
8.00
9.00
14.00
14.00
14.00
12.00
11.00
16.00
9.00
SEQ7
5.00
13.00
8.00
2.00
12.00
7.00
9.00
7.00
3.00
5.00
SEQ8
16.00
6.00
11.00
13.00
1.00
4.00
16.00
12.00
9.00
10.00
SEQ9 SEQ10
15.00
9.00
7.00
4.00
6.00
15.00
15.00
8.00
3.00
7.00
6.00
8.00
10.00
7.00
8.00
5.00
8.00
14.00
4.00
16.00
SEQ11
1.00
9.00
1.00
4.00
4.00
12.00
15.00
9.00
6.00
14.00
SEQ12
7.00
10.00
10.00
6.00
16.00
13.00
11.00
6.00
5.00
13.00
SEQ13
13.00
2.00
14.00
10.00
13.00
15.00
5.00
4.00
2.00
3.00
SEQ14
12.00
15.00
12.00
3.00
15.00
5.00
1.00
1.00
13.00
6.00
SEQ15
14.00
1.00
2.00
5.00
5.00
9.00
13.00
14.00
12.00
15.00
11
SEQ16
10.00
14.00
16.00
16.00
8.00
3.00
4.00
13.00
4.00
1.00
モデルの推定（回帰分析）
j
= 製品プロファイル
Uij = 被験者iのプロファイルjの選好度
aikm = 部分効用
Mk = 属性kの水準数
K = 属性数
xjkm = ダミー変数
12
製品プロファイルの選択確率
pij = 被験者iのプロファイルjの選択確率
13
マーケット・シェアの予測
mj = プロファイルjのマーケットシェアの予測値
wi = 被験者iの平均購入量の予測値
14
分析結果の例
Averaged
Importance
Utility
Factor

PRICE
価格
32.29 
.9667
--150000
÷ .3833
-175000

.1833
200000


CPU
cpu
41.15

.6958
1.7GHz
÷
.8792
--2.2GHz

1.2167
---3.06GHz


HD
hard disk
8.85
 
-.2667
-
20GB
÷
.1083

40GB

.1583

60GB


MEMORY
memory
4.17

-.1000

128MB
÷
.1000

256MB


DISPLAY
display
13.54  
-.3250
-
15inch
÷
.3250
17inch

8.9625
CONSTANT
Pearson's R
=
Kendall's tau =
.726
.538
Significance = .0007
Significance = .0019
15
シミュレーション
• U(150000円,3.06Hz,60GB,256MB, 17inch) = 87.500
• U(200000円,3.06Hz,60GB,256MB, 17inch) = 62.204
• U(150000円,3.06Hz,60GB,128MB, 17inch) = 86.667
16

Download Report