記事テンプレート

コンジョイント分析とは？

定義

コンジョイント分析は、回答者（顧客）が製品やサービスのさまざまな要素に置く選好度や重要度を測定するための市場調査手法である。ITは、異なる製品オプションや異なる製品構成が与えられたときに人々が行うトレードオフを理解する上で重要な役割を果たすことができる。コンジョイント分析の核心は、製品属性がパッケージ全体が購入される可能性を増減させるという考え方であり、したがって、その嗜好を定量化することができる。

コンジョイント分析はどのように行われるのか？

コンジョイント分析は、参加者にさまざまなパッケージ（バンドル、製品、オプションとも呼ばれる）を示すことによって実施される。参加者はそれらのパッケージを評価し、購入する可能性が最も高いもの、あるいは最も魅力的なものを選ぶように指示される。回答者は、一連のパッケージの中からトレードオフをしながら選択しなければならない。

コンジョイント調査は通常、1つの質問に対して2～4つのパッケージがあります。参加者の選択によって、有利なバンドルではどの機能や機能の組み合わせがより頻繁に現れるのか、また不利なバンドルではどの機能や機能の組み合わせがより一般的なのかが明らかになる。

コンジョイント分析の手順は以下の通りである：

1. コンジョイント分析でテストする属性を決定する。
2. 実験計画を作成する。
3. コンジョイントタスクを実施するアンケートを調査する。
4. 回答を回収
5. コンジョイント結果を分析する。
6. 調査結果をレポートする。

これらの各ステップは、前のステップの上に構築され、最終目標である顧客ベースの好ましいトレードオフと嗜好を理解することに向かって働く。

クアルトリクスは、研究者が大規模な調査を行う際に、コンジョイント分析を迅速かつ簡単に実施し、回答者にトレードオフ演習を実施できるXMソリューションを育成しました。選択肢データの収集には、コンジョイント型と呼ばれるさまざまな方法とアプローチがある。クアトリックスXMソリューションは、現在、選択肢ベース（離散）コンジョイント分析をサポートしています。

コンジョイント分析はどのようなビジネス目標に答えるのか？

コンジョイントは、他の方法論では答えられないような質問に答えることに特化している。そのような質問には次のようなものがある：

• 製品のどのような機能が、嗜好性や訴求力を測る上で最も重要で影響力があるのか。
• 顧客は何を志向して購入を決定するのか？彼らが購入するか否かに最も大きな影響を与えるものは何か？
• 価格は意思決定においてどのような役割を果たすのか、また価格設定のスイートスポットはどこなのか。
• 顧客は価格の変化にどの程度敏感だろうか？
• 私たちが盛り込もうと考えている各機能の市場にとっての金銭的価値、あるいは相対的価値は何か？プレミアム機能に対して、顧客はどれだけの追加料金を支払ってもいいと思うだろうか？
• 顧客はどのようなトレードオフを選択するだろうか？価格を上げる必要があるとわかっているなら、どのような機能や特徴を追加すれば、魅力や市場シェアを失わないだろうか？
• 製品別の市場シェアはどうなっているか？商品構成のシフトや変更は、市場シェアにどのような影響を与えるのか？
• 検討している製品は競合製品と比較してどうか？現在市場に出回っているものに対抗するために、私たちは何ができるのか？
• 既存の製品に変更を加えようとする場合、どのような改良がベストなのだろうか？既存のお客様には何が一番響くのか。
• 購入者を増やすために提供できる最適な商品とは何か？収益を最大化するため？利益を最大化するため？

お分かりのように、コンジョイント分析は多様でダイナミックなビジネス上の疑問に対してインサイトを提供することができます – これらは、製品に関連した問い合わせに答えるだけです。このリストの長さと正当性が、コンジョイント分析を定期的に行う人々がコンジョイント分析を好む主な理由である。コンジョイントは、さまざまなビジネス目標に対するビジョンを提供し、研究者や組織に重要な自信を与えることができる。

コンジョイント属性の定義

機能とレベル

コンジョイント分析に組み入れたい変数の構造は以下のとおりである。 機能と レベル。 機能は、変数の主要なカテゴリである。各機能は、各機能のより具体的な単位であるレベルのセットで構成される。

どの機能とレベルを研究に取り入れるかを決めるには、微妙なバランスが必要だ。ある変数をテストしなければ、その嗜好を知ることはできませんが、あまりに多くの機能やレベルをテストしすぎると、回答者が疲れ、回答が一貫せず、価値のないデータになる可能性があります。

各回答者に提示する質問やパッケージの数に関しては、万能のアプローチはありません。 コンジョイントのタイプによって、変数を多くしたり少なくしたりすることができますが、伝統的に研究者は、1機能あたり2～7レベルで2～8機能を含めることを望んでいます。 この経験は回答者に最も適しているため、これはフルプロファイル コンジョイント分析のスイートスポットと考えられ、一般的に最良の結果が得られます。

機能やレベルが多ければ多いほど、回答者にとってコンジョイントは難しく、圧倒的なものになることを覚えておいてください。機能やレベルが上がるということは、より多くの質問をする必要があるということだ。 製品属性をテストするかしないかのこの綱引きは、見過ごすことのできない重要な決断である。研究者は、何をコンジョイントに挿入し、何を除外すべきかを慎重に検討すべきである。

コンジョイントでテストする属性の数に関係なく、明確で簡潔であることが不可欠です。回答者が評価者を把握できなければ、そのデータは何の意味もなさない。機能とレベルの両方に使用されるテキストは、それらをわかりやすく、しかし正確に記述しなければならない。アンケート調査の作成者は、アンケート調査対象者とその商品の背景を考慮し、さらにそこに焦点を当てるべきである。社外の誰かがこのバンドルを理解するだろうか？

長い文章はページを乱雑にし、選択肢のタスクを難しくし、圧倒してしまうので注意すること。属性を定義するのに適切な言葉を見つけるのが難しいと思われる場合、画像を使用することで素晴らしい強化ができる。「百聞は一見にしかず」は、コンジョイント分析においても当てはまる。

除外＆禁止ペア

チームがテストする製品属性を決定する際、組み合わせる意味がない組み合わせを探すことが重要である。これは必ずしもペアになりそうもない2つのレベルではなく、ペアにすると混乱しそうで不可能な2つのレベルだ。これらは通常、次のように呼ばれる。 除外事項 または禁止されているペア。

禁止されたペアを削除すると、デザインとモデルに穴ができ、変数の独立性が低下するので、可能な限り避けるべきである。

実験デザイン

実験デザインとコンジョイント分析

ほとんどのコンジョイント分析プロジェクトの性質は，すべての組み合わせを回答者に表示できるわけではないということである．すべての組み合わせ、あるいは階乗をすべてリストアップすると、数百、数千のバンドルに簡単に達する。もちろん、回答者一人ひとりに可能な限りの束を見せることはできない。しかし、さまざまな組み合わせの好感度に関するインサイトを得るにはどうすればいいのだろうか？

他の実験的なアプローチと同様に、戦略的かつ科学的な原理が、サブセットだけを見せながら組み合わせ空間全体を読み取る方法を解読する上で活用されている。コンジョイントの実験デザインは、データポイントの数と潜在的なパッケージのカバレッジを最大化し、同時に回答者に公開するプロファイリングの数を最小化します。

回答者に提示するカードの決定には、いくつかのアプローチがある。カードとは、評価のために回答者に提示される束やプロフィールのことである。かつて、コンピューターが現在のようにアクセシビリティも性能も高くなかった時代には、あらかじめ定義された設計表が研究者によって作成され、参照されていた。 機能とレベルの数（多くの場合、3×3か4×4）を特定し、対応するデザインテーブルを探し、それをアンケート調査に組み込む。 しかし、これらの表は、多くの研究者が機能属性空間を定義するために必要とする柔軟性を低下させる。

現在、選択肢に基づくコンジョイントと評価に基づくコンジョイントのほとんどは、回答者に提示されるカードのセットを分数化したものである。分数階乗とは、完全階乗の分数を示すことを意味する。

アンケート調査において、どのような戦略的サブセットのプロファイリングを表示するかを決定するには、いくつかの重要な要素があります：

• カードセットは、各レベルで相対的にバランスが取れていなければならない。つまり、1つの機能の中で、各レベルは同程度の数のバンドルに含まれる必要がある。
• あるレベルが6つのバンドルに含まれている一方で、別のレベルが1つのバンドルにしか含まれていないということはあってはならない。他のアンケート調査と同様、ランダム化機能は回答の検証を改善し、心理学的な順序バイアスを抑制します。
• コンジョイント・デザインは、バンドル・サブセットを組み込んだバージョンやブロックが多数存在する場合に最適である。ジョーダン・ルービエール（選択肢モデリングの初期のパイオニアの一人）とSawtooth Softwareの創設者は、全体的なデザインの一部であるバージョンは多ければ多いほど良いという意見で一致している。回答者はいずれかのバージョンに割り当てられ、それによってどのパッケージ構成が提示されるかが決まる。
• コンジョイント・デザインの議論によく含まれる他の原則は、直交性とd効率である。 コンジョイント研究の実験デザインにこれらの概念を組み込む必要性と重要性について議論がある。

ウェルビーイング・コンジョイントの設計生成に入力する必要がある基本質問は、回答者に提示される質問またはタスクの数と、質問ごとの選択肢の数です。伝統的な選択肢ベースのアプローチでは、通常2つの選択肢を用意し、回答者に選択肢Aと選択肢Bのどちらかを選択させる。考え抜かなければならない主要な疑問は、選択肢を増やすことで回答者に圧倒的なエクスペリエンスを与えることにならないかということである。2つのバンドルで好みを評価するだけでも大変なタスクになることがある。さらに、「どれにも当てはまらない」選択肢を研究に含めるのであれば、スクリーンのスペースは、2つの選択肢と「どれにも当てはまらない」選択肢で、より良いエクスペリエンスになるかもしれない。

アンケートのコンジョイント部分を構成する質問の数は、タスクごとの選択肢の数とテストされるコンジョイント属性のサイズに基づいて計算する必要があります。表示されるべきカードの数を決定するための一般的な公式は次のとおりである

：カードの数＝レベルの合計数-機能の数＋1

レベルの合計数は、単純にすべての機能のレベル数の合計である。カードの総数と質問の選択肢数から、質問の数を逆算するのは簡単である。

ただし、被評価者が多いコールもある。例えば、質問数を減らし、質問ごとのバンドル数を増やすことでアンケート調査を短くすべきか、データの質を損なうかどうかを判断する必要があるかもしれません。設問と設問ごとの選択肢のバランスを解決する最善の方法は、単純にテストすることである。アンケートを作成し、アンケートにご協力ください。同僚に配信し、質問の密度とアンケート調査の長さについて意見を聞く。

クアルトリクス・コンジョイントが実験計画を生成する方法

クアルトリクスは、ランダム化バランス設計のアプローチを採用し、レベルとの重複をある程度は促しますが、あまり多くならないようにしています。このアプローチは、Sawtoothのバランスド・オーバーラップ・デザインに似ている。このアプローチは、階層ベイズ推定技法と組み合わせると非常に効果的である。 設計手法の基本は、異なる回答者に異なるパッケージを提示して評価させることである。さまざまなレベルを適切に表現して評価できるようにしたい。デザインは、質問のセットであるバージョンで定式化される。各バージョンには同じ量のタスクがあり、各タスクには同じ数の選択肢がある。

バージョン数は以下の式で計算される：

バージョン数= (基本数 * 機能の最大レベル数) / (質問の選択肢数 * 質問数)

この式の結果は、10で割り切れる最も近い丸数字に四捨五入される。

全機能のレベル数の合計が10以下の場合、ベースナンバーは750となり、全機能のレベル数の合計が10を超える場合、ベースナンバーは1,000となる。

このアルゴリズムでは、まずタスクと選択肢のそれぞれについてバンドルがランダムに生成される。そして、各バージョンをチェックし、各レベルの表示回数に相対的なバランスがあることを確認する。このアルゴリズムは、各レベルをまったく同じ回数見せることを強制はしないが、そのバージョンで最も多く見られたレベルと、最も少なく見られたレベルの差が、偏差2以下であることを保証する。これらの条件を満たさないバージョンは、バランスルールに適合するまでリファクタリングされる。このアルゴリズムは、希望する数のバージョンが生成されるまで続けられる。

アンケート調査；サンプルサイズ

アンケート調査プログラミング

コンジョイント分析は、アンケート調査で収集された回答をもとに行われる。アンケートは、デザインを提示し、トレードオフの選択を行う、回答者とのタッチポイントである。

コンジョイント調査が実施される場合、通常はそれがアンケート調査の焦点となるが、アンケート調査のすべてではない。アンケート調査におけるコンジョイントは、簡潔でウェルビーイングであることが重要である。データやインサイトは、パッケージが明確である限り正確である。コンジョイント調査には一般的に、スクリーニング質問（適切なタイプの回答者が通過できるようにするため）、教育リソースの紹介、人口統計学的質問が含まれます。コンジョイント調査に何問他の質問を追加できるか、アンケート調査の流れのどこにコンジョイントを位置づけるかについて、明確なルールはない。コンジョイント以外の質問を回答者にすることは、コンジョイントの練習に費やせる時間と集中力を奪うことに注意すべきである。アンケート調査の長さについては、調査の設計や構築の段階で検討する必要がある。回答者を疲れさせることは、調査の質を低下させる確実な方法である。10～15分以上かかるアンケート調査は、疲労やデータ品質の問題の影響を受けやすい

コンジョイント調査から収集されたデータは、回答者が実際の購買の場面に身を置くことができる場合にのみ正確である。コンジョイント分析では、回答者が選択するパッケージについて十分な情報を得ていることが必須である。多くの研究は、一般大衆によく知られ、親しみやすい概念を検証している。しかし、あなたのプロジェクトがそうでない場合は、コンジョイントの前に、説明やビデオを通して回答者を適切に教育する時間を割く必要があります。パッケージがアンケート調査員にとって明確であればあるほど、結果として得られるユーティリティは真実味を帯びる。

説明文がシンプルでわかりやすいことに加え、カードのレイアウトも理解しやすくわかりやすいものでなければならない。これにより、回答者は比較を行い、明確に答えることができる。

サンプルサイズ

収集すべき回答数とアンケートに参加する個人との関連性は、コンジョイント結果の成功と精度にとって非常に重要です。以下は、Sawtooth Software が回答数を決定するために使用する方程式です：

回答者数 = (倍率*c)/(t*a)

倍率＝750～1000

c = すべての機能で最大のレベル数

t = タスクまたは質問の数

a = 質問ごとの選択肢数

倍率は、大規模プロジェクトでは750倍、小規模プロジェクトでは1000倍を推奨する。Sawtoothは300から500の倍率を推奨しているが、我々はより大きな数字がより決定的な結果とシミュレーションを提供すると感じている。

コンジョイント・エクササイズを実施する個人は、あなたの製品やサービスを購入、注文、オプトインするであろう人々を反映していることが重要である。アンケート調査では、適切な意見を集めるために、アンケートの最初にスクリーニングを行うことがよくあります。 あるいは、アンケート調査を実施できる現在または将来の顧客のリストを持っているグループも多い。

コンジョイント分析のモデル化

概要

コンジョイント分析の分析は、データが予測やモデルに変わるところである。ITは、回答者の選択を嗜好に変換する場所である。分析の結果は、何が価値あるもので、何が価値ないものかを理解し、どのように組み合わせを束ねるべきかを明らかにするものである。

分析の核となるのは、回答者が各レベルに割り当てる効用を推定する統計モデリングである。統計的モデリングのために、コンジョイント分析は「複雑」という評価を受けるが、これはコンジョイントが世界的な研究手法であるという評価を受ける理由でもある。効用選好の計算には、回帰や多項ロジスティック・モデリングなど、いくつかの統計的アプローチが用いられるが、一般的には集計レベルで行われる。

アンケート調査の選択項目のモデル化の方法にかかわらず、出力は、回答者ベースが各機能の明確なレベルに対して持つ価値または選好を表す効用係数でなければならない。個人レベルでの効用スコアの計算が可能なデザインや分析方法の場合、回答者一人ひとりの選好モデルを導き出すことができる。これは、様々なデータの細分化、潜在クラス分析、シミュレーションなど、多くの理由で有利になる。個人ベースの効用モデルを得るために取られる主なアプローチは、階層ベイズ（HB）推定である。この手法は、ベイズ法を用いて、テストされる各変数の相対値を確率的に導き出す。

階層ベイズ推定

階層ベイズ（HB）推定は、テストされた属性に対する個人の相対効用を推定する低レベル・モデルと、選好に対する集団の予測を特定する高次レベル・モデルを包含する反復プロセスである。この2つは、分析が各個人の各属性の値を表す係数に収束するまで一緒に働く。HB推定は、他の回答から情報を借用することで、個人レベルの結果をより良く、より安定させることができる。ITは非常に堅牢で、回答者に提示するタスクが少なくても、顧客の嗜好を実によく読み取ることができる。

この手法は、上位モデルと下位モデルから「階層的」とみなされる。このアプローチでは、平均的な選好を推定し（上位モデル）、次に各回答者がその配信からどの程度異なるかを測定し、具体的な効用を導きます（下位モデル）。このプロセスを何度も繰り返すことで、最終的に特定のコンセプトがその構成に基づいて選ばれる確率に磨きをかけることができる。クアルトリクスでは、特に多項ロジスティック回帰モデルを使用しています。

クアトリクスのコンジョイント分析ソリューションは、STANで記述された階層ベイズ推定を使用して、個人の選好効用を計算します。クアルトリクスは1つのマルコフ連鎖につき1000回の反復を行い、4つの連鎖を実行します。

個人レベルの効用係数

ベイズ・モデルの結果は、個人が各レベルに付与する効用を表す選好スコアである。 これらのスコアは，しばしばパートワース効用と呼ばれ，コンジョイント研究から得られるすべてのスコアリングの概要とシミュレーションの基礎となる． ユーティリティ・ファイルは、コンジョイント分析に含まれる各回答者の行と、調査内の各独自のレベルテストの列を持つ。各回答者の選好をモデル化する際、効用は、異なるバンドルに直面したときに回答者がどのような選択をするかを予測するのに役立つ。ユーティリティは、性質上、順序的であり、パッケージのバンドルユーティリティの合計に対する寄与の大きさでテストされた各レベルのランキングを教えてくれる。

パートワース効用スコアはゼロ中心で、一般的に-5から+5の範囲内である。コンジョイント・ソリューションでは，各個人の生の効用スコアは，スコアリングの概要オプションを使用してCSVにエクスポートできる．

概要レポート & コンジョイントレポート

コンジョイント・サマリー・メトリクス

導き出された効用係数を分析の基礎として、研究結果を示すアウトプットや成果物を準備することができる。これらは、すべてのサマリー指標とシミュレーションのブロックとなる。コンジョイント分析に通常付随する中核的な要約指標を以下に詳述する。

• 機能の重要性：製品構成の中で、その機能が意思決定に与える影響やインパクトの大きさ。機能の重要度が高ければ高いほど、好ましい製品を作る上で、その重み設定は大きくなり、コントロールできるようになる。機能の重要度は、その機能の中で最も良いレベルと最も悪いレベルの間の距離を取ることによって計算される。距離が大きければ大きいほど、その機能は重要である。機能の重要性を考える簡単な方法は、選択肢ベースのコンジョイントモデルにおいて、その機能のレベルがパッケージを選択するかどうかに大きな影響を与えるということである。
• 平均ユーティリティスコアリング：全回答者の各レベルの平均ユーティリティスコア。これらは本来順序的なもので、レベル間の相対的な選好を示す。平均効用は、ある程度の方向性を理解することができるが、コンジョイント分析を要約する単独の指標であってはならない。
• 選択肢スコア：第一選択肢スコア：第一選択肢スコアは、異なるレベルに最も有用性を見出した回答者の割合を示す。各回答者の効用係数の中には、各機能の中でトップレベルまたは最も好ましいレベルがある。第一選択肢のスコアは、その機能がそのレベルが最良の選択肢であると回答した回答者の配信となる。
• 選好シェア：選好度シェアは、他のすべての機能要素を一定に保った状態で、あるレベルが他のレベルよりも選ばれる確率を測定したものである。これは、多項ロジスティック回帰モデルを使用して計算されたユーティリティの積であり、レベルのユーティリティを指数化し、それを機能内の指数化されたすべてのレベルの合計で区切ることによって導出される。
• 支払い意欲：顧客が製品の特定の属性に対して、他の属性と比較して支払ってもよいと考える金額。通常、私たちはベースケースまたは現在のケースレベルを定義し、ベースレベルとの比較でいくら以上、または以下なら支払ってもよいかを判断することをお勧めします。各レベルは、基本ケースと比較した支払い意思額を持つことができる。これは、価格またはコストがコンジョイント分析の機能である場合にのみ使用できる。これは、異なる価格帯間の効用差を求め、その効用あたりのドル比率を他のレベルとその効用スコアに適用することで算出される。私たちは通常、回答者レベルで支払い意思を計算し、それを集計してまとめたい。
• 最適なパッケージ：これは、顧客の嗜好と訴求力を最大化することに関して最適なパッケージである。これは、導入コストが高額になる可能性があるため、必ずしも組織が望む正確なアプローチではないかもしれないが、方向性を示す指針にはなる。

コンジョイント分析インサイトのレポート

コンジョイント分析は、顧客の予測行動に関する様々な驚くべきインサイトを提供することができる。さまざまな指標やグラフによって、回答の推移や共通点を示すことができます。しかし、コンジョイント分析研究の主要なアウトプットは、常にコンジョイント・シミュレーターであるべきです。シミュレーターは、顧客が行うトレードオフや、異なるパッケージ同士の比較といった重要な質問に答えるための選択肢となるべきツールである。上にリストアップしたサマリー指標は有用であり、目的を果たすが、常にシミュレーターに戻るよう指示すべきである。

コンジョイント分析シミュレーション

シミュレーターとは？

コンジョイント分析シミュレータは、もっともらしい製品構成間の嗜好のテストと予測を容易にする対話型ツールである。通常、シミュレータには、コンジョイント・スタディに含まれる属性で構成されるパッケージを作成できる一連のドロップダウンが含まれています。コンジョイント分析の核心は、顧客が異なる選択肢を提示されたときに行うであろうトレードオフを認識するための手法である。選好シミュレータは、2つ以上の選択肢が提示されたときに顧客が行うであろうトレードオフの推定値をレポートすることによって、この目的を具体化する。シミュレーター内の潜在的なシナリオは、製品の構成や含める細分化が可能であるため、天文学的な数字になる可能性がある。

明白なトレードオフ分析に加えて、コンジョイント結果からインサイトを導き出す上で非常に価値のあるさまざまな使い方がある。シミュレーターで最も広く行われているのは、競合状況の分析、製品ベースケースからの改善、製品属性の相対的価値の分析である。

コンジョイント・シミュレータが対象とするビジネス目標

シミュレーターを使った競合状況の分析健全な

企業は、頻繁に肩越しに競合他社との比較を調査する。コンジョイント分析は、ビジネスの潜在的な製品構成が市場の競合オプションとどのように比較されるかを明らかにするための優れたツールである。ただしこれは、競合製品の属性が調査の機能とレベルに含まれていることが条件となる。シミュレーター内では、競合の製品属性を並べ、残りのオプションでさまざまなバンドルを定義し、既存市場との比較をプレビューすることができる。

シミュレーターを使った既存製品のイノベーション

競合他社に打ち勝ち、適切で革新的な製品であり続けるためには、

しばしば

製品の刷新や改良が必要です。これには段階的な調整が必要だ。コンジョイント・スタディーは、企業が新しい見込み客を興奮させ、現在のユーザーを維持するために、どこに最も説得力のある変更を加えることができるかを理解するための素晴らしい方法論である。データが手元にあれば、シミュレーターを活用して、属性に変更を加えた場合のWhat-ifを把握することができる。シミュレーター内の “オプション1 “を現在の製品に設定し、”オプション2 “をコントローラによって反復的に変更することで、最大の利得が得られる場所を発見することができる。

シミュレーターで製品属性の相対的価値を測るどんな

製品も、その核心は複数の機能の組み合わせである。ITは部分の総和である。コンジョイント分析では、これらの部分の嗜好性を把握することが不可欠である。嗜好」を発展させ、各レベルの価値をさらに数値化しようとするのは理にかなっている。もし価格が属性セットに含まれていれば、シミュレーターはその値を推測するための優れたツールとなる。このプロセスは、”オプション1 “と “オプション2 “で同じ製品構成をミラーリングすることになる。1つのレベルまたはグループのレベルを変更することで、優先順位シェアが等しくなくなることがわかります。もう一方のオプションでは、価格レベルを動かして、2つのパッケージが再び等しくなるところを探す。オプション1」と「オプション2」の価格差は、そのレベルまたはレベルグループの相対的価値と解釈できる。

FAQ