コンジョイント分析とは？内容・種類・使い方を解説

コンジョイント分析について

コンジョイント分析は、市場調査でよく使われる調査ベースの統計手法です。消費者が製品やサービスの特徴に置く価値を測定するための最適なアプローチと考えられています。このアプローチは、実際の市場の意思決定のシナリオと統計的手法を組み合わせてモデル化したものです。

コンジョイント分析がよく使われる分析の例として、製品テストや従業員福利厚生パッケージが挙げられます。コンジョイント調査では、どの機能が購入の意思決定につながるかを深く理解するために、特徴の変数が異なる一連のパッケージを回答者に見せます。

クアルトリクスが提供する従業員福利厚生パッケージ設計ソリューションの詳細は、こちらからご覧いただけます。

メニュー型コンジョイント分析

メニュー型コンジョイント分析は、マーケティングの世界で急速に普及している分析手法です。各回答者が自分の製品やサービスをパッケージ化できるのが最大の特徴です。

コンジョイント調査は価格、製品の特徴、製品構成、バンドル パッケージなどの決定に最適です。コンジョイント調査は、回答者が選択肢と別の選択肢を交換することが可能で、現実の購買状況をシミュレートできる点に利点があります。

例えば、アンケートでは回答者に機能のリストとそれに付随する価格が表示されます。そして、回答者は価格を考慮しながら、自分の理想とする製品を選びます。市場調査 を実施する側にとっては何が選ばれ、何が外されたかを分析できるため、重要な情報源になります。もし、メニューの質問に100円の機能Aが含まれていて、100円の機能Bが含まれていなければ、この回答者は機能Bよりも機能Aを好んでいると考えることができます。

また、メニュー型コンジョイント分析の結果から、消費者が喜んで行うトレードオフを特定することができます。必需品や高級品といった傾向を明らかにすることも可能です。

さらに、メニュー型コンジョイント分析は調査対象者にとってより魅力的でインタラクティブなプロセスでもあります。機能の有用性を評価する方法としても、メニュー型コンジョイント分析がますます一般的になってきている理由が分かります。

クアルトリクスのソリューションが提供する高度な機能により、良質なコンジョイント調査を実現することができます。ぜひ活用して、より質の高いデータを獲得しましょう。

クアルトリクスで利用できるコンジョイント手法には、以下のものがあります。

• フル プロファイル コンジョイント
• パーシャル プロファイル コンジョイント

この差を理解するために、以下でコンジョイント分析手法のコンセプトについてご紹介します。

二属性トレードオフ分析

最も初期のコンジョイントデータ収集法は一連の属性別（一度に2つの属性）トレードオフを提示したもので、回答者が属性レベルの異なる組み合わせについて自分の好みをランク付けしたものでした。例えば、2つの属性がそれぞれ3つのレベルを持つ場合、表には9つのセルがあり、回答者はトレードオフの優先順位を1〜9の間でランク付けします。

また、一度に2つの要素を持つアプローチ手段は回答者への意識的な要求をほとんどしないため、回答もラクに進みます。しかし、回答に時間がかかったり、退屈だというデメリットは否めません。さらに、回答者はしばしばテーブルの中で自分の居場所を失ったり、ある一定のパターンを用いてことを一早く終わらせようとします。最も重要なのは、現実の代替案が一度に2つの属性を評価するために提示されないという点です。つまり、状況によってはこのタスクは非現実的であるということになります。

パーシャル プロファイル コンジョイント

パーシャル プロファイル コンジョイントでは回答者の嗜好に基づいて提示される選択肢を変えるものです。この分析では回答者が最も好む機能やレベルに絞ることで、コンジョイント分析をより効率的に実施することができます。ここでは、魅力のないレベルに対して無駄な質問をしないようにします。どのパッケージも競争力があり「より賢い」データを得ることができます。

パーシャル プロファイル コンジョイントは調査対象者にとってもより魅力的であり、企業にとってはより適切なデータを生み出すことができる頼もしい分析手段です。コンジョイント分析の測定基準やシミュレーションの能力を低下させることなく、調査を短縮することができるのも魅力でしょう。コンジョイントシナリオを回答者に適合させる方法は複数ありますが、最も一般的なのは、最も重要な機能やレベルに基づいて設計されています。

そのため、各パッケージが提示されると調査内容と選択技が分析され、次に来る質問をより効率的なものにしてくれます。また、完全なプロファイルと特徴の評価方法を組み合わせて利用することができるため、ハイブリッド コンジョイント分析とも呼ばれています。

フル プロファイル コンジョイント

フル プロファイル コンジョイント（離散選択コンジョイントとも呼ばれます）はコンジョイント分析で最も一般的な分析形式です。選択ベースコンジョイントは回答者が最も好ましいフルプロファイルの概念を選択することができます。この選択は3-5個のフル プロファイルのコンセプトの集合から繰り返し行われます。

この分析では実際の購買状況をシミュレートし、それによって実際の購買行動を模倣していきます。ここでは属性における特徴とレベルの重要性と選好に対し、選択肢から1件を選びます。トレードオフから数学的に推測できる選択ベースのコンジョイントデザインは、特徴とレベルの数に影響されるのが特徴です。多くの場合、その数は大きく、回答者の疲労を避けるために実験的なデザインが実施されます。

フル プロファイル コンジョイントの出力は特徴の重要性、特に価格に関する優れた推定値を提供してくれます。結果として、各レベルの価値と最適な製品を構成する組合せを推定することができます。また、シミュレータは選択されたパッケージの嗜好と価値、期待される選択シェア（市場シェアの代替）を報告してくれるため非常に便利です。

自己言及型コンジョイント分析

自己言及型コンジョイント分析は単純でありながら、驚くほど強力なアプローチを提供します。しかも、実装が簡単で，完全なプロファイルの概念を開発する必要もありません。また、自己言及型コンジョイント分析は製品のさまざまな属性の評価に焦点を当てるハイブリッドなアプローチでもあります。このコンジョイント分析モデルは、特徴の束に対する嗜好ではなく、各特徴レベルに対する嗜好をはっきりと問うものです。

アプローチそのものは他と異なりますが、消費者の嗜好に関して「価値のあるもの」と認識する点では似ています。

• まず、ACAと同様に要因とレベルを回答者に提示します。そして、どのような条件下でも製品として受け入れらるかどうかを見ます。受け入れられなければ排除します
• 回答者が最も好む水準と最も好まない水準を選択してもらい、各特徴を見ます。
• 次に、どちらにも属さない各特徴を着目し、最も好ましいレベルと最も好ましくないレベルを見極めます。
• 最後に回答者の好みに沿って、その機能全体がどの程度重要であるかを測定します。各属性の最も好ましいレベルを相対的重要度と呼び、定和尺度（各属性の最も好ましいレベルに100点を割り当てる）を使って測定します。
• そして、各属性レベルの効用値を提供する属性重要度を見て属性レベルのスコアを重ね付けします。

自己言及型コンジョイント分析は他の多くのコンジョイントアプローチで要求される統計解析や発見的論理を必要としないのが特徴です。このアプローチは完全プロファイルアプローチと同等か、またはそれ以上の結果を提供することが示されており、回答者への要求もより少なくなります。しかし、自己言及型コンジョイント分析には価格と他の属性バンドルとのトレードオフができないといった限界もあります。この状況では回答者は常に最安値を好むので、他のコンジョイント分析モデルがより適切であると言えます。

階層ベイズ分析(HB)について

階層ベイズ分析（HB）とは選択データから属性レベルの効用を推定するために使用されるものです。例えば、何らかの原因で結果が発生した時に、先に原因を分析してから結果を推測するというのが一般的な流れです。しかし、ベイズ分析においては、まず結果を分析してから原因を探り突き止めます。つまり、経過した時間を逆行して推定することができる分析方法であるのが特徴です。このアプローチを用いることで、少ないデータ量でも答えとなり得る属性やレベルを推定することが可能になります。

コンジョイントは有効な分析手法

コンジョイント分析手法の一つとして、30年以上にわたり学者やプロの研究者の厳しい目に耐えてきました。消費財、耐久消費財、製薬、運輸、サービス業などで広く利用されており、研究ツールキットの定番となっています。