スライド 1

Transcription

1 マーケティングとデータ解析研究会 朝野熙彦 中央大学 Study Group of Marketing and Data Analysis Hirohiko Asano, Chou University

2 要旨 : マーケティング活動を効果的に実行するために データ解析は貢献できているのだろうか? 困難はどこにあって どうしたら解決できるのかを検討しよう という趣旨で研究会を開いた 昨年度の活動結果を報告する キーワード : 因子分析 コーホート分析 ベイズ推定 2

3 G2: 因子分析とクラスター分析 藤居誠株式会社東急エージェンシー G2: A factor analysis and cluster analysis Makoto Fujii Tokyu Agency Inc.

4 アジェンダ 1. 利用の前提と実務上の対応 実務的前提 因子分析のフロー 実務上行っていること 2. 因子分析の具体的手続き ケース 1 ケース 2 3. 因子の回転 バリマックス回転 プロマックス回転 4

5 1. 利用の前提と実務上の対応 実務的前提 なぜ因子分析なのか 生活者の潜在意識を理解する 生活者自身も意識していない価値観は 変数として直接観測することはできない 生活者にとって回答可能な範囲の質問を設定し その回答結果から 背後にある価値観を推定する必要がある なぜクラスター分析なのか 因子分析だけでは 対象者のボリュームを把握しづらい 分ける ことはしばしば 分かる に通じる 市場を理解し 市場に働きかけるため 管理しやすい数に市場を細分化することが効率的 各クラスターと消費者属性とのクロス集計により市場の理解が促進される 5

6 因子分析のフロー 相関行列 因子の抽出 主因子解 最尤法 因子の回転 バリマックス回転 プロマックス回転 因子得点の推定 アンダーソン ルービン法 バートレット法, 回帰推定 ( 朝野 2012) さらにクラスター分析へ 共分散構造分析 6

7 2. 因子分析の具体的手続き 分析データ概要 ネットリサーチ パネル属性調査 ライフスタイルクラスター ケース 1: ごく普通に 因子分析 ステップ 1: 相関係数行列を分析対象にする ステップ 2: 主因子解で因子抽出 ステップ 3: 因子の数は固有値 >1 で決める ステップ 4: 因子をバリマックス回転する ステップ 5: アンダーソン ルービン法で因子得点を求める クラスター分析 クラスター間の分離評価 ケース 2: 変数をスクリーニングして 因子分析 クラスター分析 7

8 データ概要 ネットリサーチ パネル属性調査 調査地域東名阪エリア 調査対象者主婦 回収標本数 5,629 人 調査方法インターネット調査 調査時期 2012 年 6 月 分析データ ネットリサーチ パネルをライフスタイル別に分類するための質問項目約 80 問 8

9 因子分析 ( ケース 1) 9

10 因子分析 ( ケース 1 主因子解 バリマックス回転 ) a 回転後の因子行列 因子 1 因子 2 因子 3 因子 4 因子 5 因子 6 因子 7 因子 8 因子 9 因子 10 因子 11 因子 12 因子 13 因子 14 因子 15 因子 16 因子 17 共通性 周りの人と色々な商品についてよく話す 新商品について周りからよく訊かれる 周りから新商品の話を聞くことが多い 色々な商品について詳しく知っている方だ 新製品やよい品物があると知人に勧める 口コミや評価を参考にして商品を選ぶ おいしいお店をよく知っている 健康に配慮したものを買う 栄養バランスに気を使っている 食料品の購入時に品質表示に注意する 環境に配慮した商品を買う 意識して摂取しない成分がある 規則正しい生活を送るようにしている 高くてもアフターサービスのある物を選ぶ 万一の際の保障について日頃から考える 色々な分野のことを知るのが好き 新しいことにチャレンジしたい 何事もちょっとした工夫をするのが好き 人と違う個性が重要だ 手がけたことには最善を尽くしたい 変化に富んだ人生を送りたい 色々なタイプの友達と付き合うのが好き 人に従うよりリードする方だ 近い将来 実現可能な目標 ( 夢 ) がある ファッションセンスに自信がある 着るものに気を使う 美意識が高い 美容に関する情報には敏感だ 何が流行るのか予感できる 安定した穏やかな人生を送りたい 社会性や協調性は重要である 家族がまとまっていることは大切だ 気に入った銘柄を繰り返し買う方だ 賞味期限や消費期限を確認して買う 一人でいる時間や空間は好きだ 生活を楽しむためにお金を使う 他人よりも自分や家族のことを優先 通販で商品を買うのに抵抗はない 性能 機能中心で選ぶ 広告でよく見かける商品をよく買う 買物時にクーポン券をよく利用する なるべく安いものを買う 景品や懸賞つきの商品をよく買う 多くの人が使っているブランドを選ぶ 色々な広告をよく見る 人が自分をどう思っているかを気にする 周囲の人々から評価を得たい 使用ブランドで自分に対する目が気になる 人が選んでいるものを見ると欲しくなる 高級ブランドものを多く持ちたい 他人よりもよいものを購入したい ブランド商品は価格相当の価値がある 本物志向が強い 自分へのご褒美に少し贅沢をしたい 日常生活に満足していない 日常生活にストレスを感じている 孤独を感じることがある 何事も手短に済ませたい方だ 無駄な時間や労力は費やしたくない 楽しいことしかしたくない 衝動買いをする 新しい商品はすぐ買ってみる 一気に熱中してすぐに覚めることが多い デザイン 色中心で選ぶ 地域の催し物や会合に積極的に参加する NPOやボランティア活動に関心がある リサイクルや資源回収活動に協力する 英語を学んでみたいと思う 日常会話ぐらいは英語で話せる あちこちの店を見て歩くのが好きだ 必要なときだけ店に行く 休日は外出することが多い 味にはうるさい方 政治 経済 社会の話題に関心がある 株式投資や財テクに興味がある 心の豊かさがあれば物質にこだわらない 物質的にも豊かに暮らしたい 因子寄与 累積寄与率 (%) 因子抽出法 : 主因子法 回転法 : Kaiser の正規化を伴うハ リマックス法 a. 12 回の反復で回転が収束しました 10

11 クラスター分析 ( ケース 1) 最終クラスタ中心 K-means クラスタ1 クラスタ2 クラスタ3 クラスタ4 クラスタ5 第 1 因子 第 2 因子 第 3 因子 第 4 因子 第 5 因子 第 6 因子 第 7 因子 第 8 因子 第 9 因子 第 10 因子 第 11 因子 第 12 因子 第 13 因子 第 14 因子 第 15 因子 第 16 因子 第 17 因子

12 クラスター分析 ( ケース 1) 分散分析表 クラスタ誤差平均平方自由度平均平方自由度 F 値 有意確率 第 1 因子 , 第 2 因子 , 第 3 因子 , 第 4 因子 , 第 5 因子 , 第 6 因子 , 第 7 因子 , 第 8 因子 , 第 9 因子 , 第 10 因子 , 第 11 因子 , 第 12 因子 , 第 13 因子 , 第 14 因子 , 第 15 因子 , 第 16 因子 , 第 17 因子 , 各クラスタのケース数 クラスタ1 1,346 クラスタ2 1,116 クラスタ3 1,183 クラスタ4 953 クラスタ5 1,031 有効 5,629 欠損値 0 12

13 因子分析 ( ケース 2 主因子解 バリマックス回転 ) 13

14 因子分析 ( ケース 2 主因子解 バリマックス回転 ) 回転後の因子行列 a 因子 1 因子 2 因子 3 因子 4 因子 5 因子 6 因子 7 因子 8 因子 9 因子 10 共通性 新商品について周りからよく訊かれる 周りの人と色々な商品についてよく話す 周りから新商品の話を聞くことが多い 色々な商品について詳しく知っている方だ 新製品やよい品物があると知人に勧める 健康に配慮したものを買う 栄養バランスに気を使っている 食料品の購入時に品質表示に注意する 環境に配慮した商品を買う 意識して摂取しない成分がある 規則正しい生活を送るようにしている 色々な分野のことを知るのが好き 手がけたことには最善を尽くしたい 何事もちょっとした工夫をするのが好き 新しいことにチャレンジしたい 人と違う個性が重要だ 英語を学んでみたいと思う 日常会話ぐらいは英語で話せる ファッションセンスに自信がある 着るものに気を使う 美意識が高い 美容に関する情報には敏感だ 買物時にクーポン券をよく利用する 景品や懸賞つきの商品をよく買う なるべく安いものを買う 広告でよく見かける商品をよく買う 日常生活にストレスを感じている 日常生活に満足していない 孤独を感じることがある 人が自分をどう思っているかを気にする 周囲の人々から評価を得たい 使用ブランドで自分に対する目が気になる 安定した穏やかな人生を送りたい 社会性や協調性は重要である 家族がまとまっていることは大切だ 無駄な時間や労力は費やしたくない 何事も手短に済ませたい方だ 新しい商品はすぐ買ってみる 衝動買いをする 因子寄与 累積寄与率 (%) 因子抽出法 : 主因子法 回転法 : Kaiser の正規化を伴うハ リマックス法 a. 23 回の反復で回転が収束しました 14

15 クラスター分析 ( ケース 2) 最終クラスタ中心クラスタ1 K-means クラスタ2 クラスタ3 クラスタ4 クラスタ5 因子 因子 因子 因子 因子 因子 因子 因子 因子 因子

16 クラスター分析 ( ケース 2) 分散分析表クラスタ誤差平均平方自由度平均平方自由度 F 値 有意確率 因子 , 因子 , 因子 , 因子 , 因子 , 因子 , 因子 , 因子 , 因子 , 因子 , 各クラスタのケース数 クラスタ1 1,139 クラスタ2 1,115 クラスタ3 1,212 クラスタ4 1,007 クラスタ5 1,156 有効 5,629 欠損値 0 16

17 因子得点の計算 _ 因子得点平均と分散 A-R factor score REGR factor score BART factor score 度数 平均値 分散 平均値 分散 平均値 分散 因子 1 5, 因子 2 5, 因子 3 5, 因子 4 5, 因子 5 5, 因子 6 5, 因子 7 5, 因子 8 5, 因子 9 5, 因子 10 5,

18 因子得点の計算 _ 因子間の相関 アンダーソン ルービン法 Pearson の相関係数 因子 1 因子 2 因子 3 因子 4 因子 5 因子 6 因子 7 因子 8 因子 9 因子 10 因子 因子 因子 因子 因子 因子 因子 因子 因子 因子 回帰法 Pearson の相関係数 因子 1 因子 2 因子 3 因子 4 因子 5 因子 6 因子 7 因子 8 因子 9 因子 10 因子 **.078 **.080 ** ** ** ** 因子 **.037 ** *.045 ** * 因子 **.074 ** ** **.026 *.003 因子 **.037 **.068 ** ** ** ** 因子 ** ** *.067 **.053 **.047 **.084 ** 因子 * ** **.040 ** 因子 ** * **.067 **.076 ** ** 因子 **.045 **.081 ** ** ** ** 因子 * **.048 ** ** 因子 ** * **.084 **.040 ** バートレット法 Pearson の相関係数 因子 1 因子 2 因子 3 因子 4 因子 5 因子 6 因子 7 因子 8 因子 9 因子 10 因子 ** ** ** **.081 ** ** 因子 ** ** * ** ** 因子 ** ** ** ** ** 因子 ** ** ** ** ** * ** 因子 ** ** ** ** ** ** 因子 ** ** ** 因子 **.034 *.038 ** ** ** ** ** 因子 ** ** ** ** ** **.013 因子 * ** ** ** 因子 **.035 ** ** ** ** **. 相関係数は 1% 水準で有意 ( 両側 ) です *. 相関係数は 5% 水準で有意 ( 両側 ) です 18

19 因子分析のフロー 相関行列 因子の抽出 主因子解 最尤法 因子の回転 バリマックス回転?? プロマックス回転 因子得点の推定 アンダーソン ルービン法 バートレット法, 回帰推定 ( 朝野 2012) を改変 さらにクラスター分析へ 共分散構造分析 19

20 3. 因子の回転 バリマックス回転 相関がゼロという直行条件を付けて回転を行う直交回転 因子負荷量が -1~+1 の間までの値を取り 理解しやすい 縦横 90 度に回転するので グラフの表示が簡単 マーケティング等で使用されやすい プロマックス回転 因子間の相関を許容する斜交回転 因子の解釈度が高くなる 共分散構造分析のために探索的に因子分析をする際は良い 心理学などアカデミックな分野で使用されやすい ( 朝野 2012) 20

21 データ : ネットリサーチ パネル属性調査 因子抽出 : 主因子法 因子数 : 固有値 >1 因子分析の手順 回転 : バリマックス回転とプロマックス回転 (k=4) 因子得点 : 回帰法 Bartlett 法 Anderson-Rubin 法 それぞれの回転と因子得点計算法によって 因子得点毎の相関行列を求める 21

22 バリマックス回転後の因子例 回転後の因子行列 a 共通性 新商品について周りからよく訊かれる 周りの人と色々な商品についてよく話す 周りから新商品の話を聞くことが多い 色々な商品について詳しく知っている方だ 新製品やよい品物があると知人に勧める 健康に配慮したものを買う 栄養バランスに気を使っている 食料品の購入時に品質表示に注意する 環境に配慮した商品を買う 意識して摂取しない成分がある 規則正しい生活を送るようにしている 色々な分野のことを知るのが好き 手がけたことには最善を尽くしたい 何事もちょっとした工夫をするのが好き 人と違う個性が重要だ 新しいことにチャレンジしたい ファッションセンスに自信がある 着るものに気を使う 美意識が高い 美容に関する情報には敏感だ 買物時にクーポン券をよく利用する 景品や懸賞つきの商品をよく買う なるべく安いものを買う 広告でよく見かける商品をよく買う 人が自分をどう思っているかを気にする 周囲の人々から評価を得たい 使用ブランドで自分に対する目が気になる 日常生活に満足していない 日常生活にストレスを感じている 何事も手短に済ませたい方だ 無駄な時間や労力は費やしたくない 英語を学んでみたいと思う 日常会話ぐらいは英語で話せる 新しい商品はすぐ買ってみる 衝動買いをする 因子寄与 累積寄与率 (%) 因子抽出法 : 主因子法回転法 : Kaiser の正規化を伴うハ リマックス法 a. 7 回の反復で回転が収束しました 22

23 バリマックス回転での因子得点の相関行列 回帰法 Bartlett 法 Anderson-Rubin 法 因子 **.079 **.070 ** *.032 *.085 ** **.038 ** * **.078 ** ** **.109 ** **.038 **.055 ** **.043 ** **.036 ** ** ** **.031 *.055 ** *.086 ** **.076 ** ** *.052 ** **.026 *.039 ** * ** ** ** * **.052 ** * * ** * **.086 ** ** 因子 ** ** ** ** ** ** ** ** 3 ** ** 1 ** ** ** ** ** ** ** ** * ** ** ** ** ** **.028 * ** ** ** ** ** ** * ** ** ** * ** ** ** **.028 * * **.036 ** ** ** ** 因子

24 プロマックス回転後の因子例 パターン行列 a 新商品について周りからよく訊かれる 周りの人と色々な商品についてよく話す 周りから新商品の話を聞くことが多い 色々な商品について詳しく知っている方だ 新製品やよい品物があると知人に勧める 健康に配慮したものを買う 栄養バランスに気を使っている 食料品の購入時に品質表示に注意する 環境に配慮した商品を買う 意識して摂取しない成分がある 規則正しい生活を送るようにしている 色々な分野のことを知るのが好き 手がけたことには最善を尽くしたい 何事もちょっとした工夫をするのが好き 人と違う個性が重要だ 新しいことにチャレンジしたい ファッションセンスに自信がある 着るものに気を使う 美意識が高い 美容に関する情報には敏感だ 買物時にクーポン券をよく利用する なるべく安いものを買う 景品や懸賞つきの商品をよく買う 広告でよく見かける商品をよく買う 人が自分をどう思っているかを気にする 周囲の人々から評価を得たい 使用ブランドで自分に対する目が気になる 日常生活に満足していない 日常生活にストレスを感じている 何事も手短に済ませたい方だ 無駄な時間や労力は費やしたくない 英語を学んでみたいと思う 日常会話ぐらいは英語で話せる 衝動買いをする 新しい商品はすぐ買ってみる 因子間相関 因子抽出法 : 主因子法回転法 : Kaiser の正規化を伴うフ ロマックス法 a. 7 回の反復で回転が収束しました 24

25 プロマックス回転での因子得点の相関行列 回帰法 Bartlett 法 Anderson-Rubin 法 因子 **.458 **.600 **.371 **.307 **.028 * **.571 ** ** **.414 **.085 ** ** **.035 ** **.525 ** **.075 **.083 ** **.598 **.216 ** **.414 **.512 ** *.286 ** **.532 **.338 ** **.085 **.075 **.028 * **.208 **.232 **.071 **.428 ** ** **.286 **.417 ** **.241 **.211 **.319 ** * ** **.317 ** **.097 **.240 ** **.120 **.232 **.241 **.240 ** **.032 * **.370 **.598 **.532 **.071 **.211 **.097 **.125 ** ** **.035 **.216 **.338 **.428 **.319 **.240 **.032 *.286 ** 1 因子 **.332 **.469 **.259 **.238 ** **.369 ** ** **.310 **.059 ** ** ** **.372 ** **.041 **.051 ** **.347 **.134 ** **.310 **.354 ** ** **.320 **.195 ** **.059 **.041 ** **.111 **.136 **.034 *.226 ** ** **.216 **.275 ** **.160 **.135 **.184 ** ** **.197 ** **.056 **.149 ** **.083 **.136 **.160 **.130 ** ** **.223 **.347 **.320 **.034 *.135 **.056 **.059 ** ** ** **.195 **.226 **.184 **.149 ** ** 1 因子

26 クラスター分析 K-means 最終クラスター中心 バリマックス回転 プロマックス回転 クラスタ 因子 クラスタ 因子 因子得点はそれぞれ Anderson-Rubin 法 26

27 クラスター分析 K-means 各クラスター間の距離バリマックス回転プロマックス回転 クラスタ クラスタ 各クラスターのケース数 クラスタ クラスタ 有効欠損値 有効欠損値 プロマックスのクラスター 合計 バリマックス のクラスター 合計

28 回転ごとのプロット図 バリマックス回転 プロマックス回転 28

29 重ね合わせ 29

30 G4: コーホート分析 田村玄株式会社ビデオリサーチ G4: Cohort analysis Gen Tamura Video Research Ltd.

31 時代のトレンドをとらえる コーホート分析概要 トレンドを年齢 時代 コーホート ( 世代 ) に分解 トレンドの構造が明らかになる 長期間 年齢別に観測されたデータが必要 コーホート分析アルゴリズム ベイズ型コウホートモデル 簡易推計 重回帰 SAS/IML を用いた簡易推計はベイズ型コウホートモデルと著しく異なるわけではない 重回帰は 多重共線性をどう回避させるかが課題 コーホート分析による将来予測 コーホート分析はフィッティング重視 単純な自己回帰の方が誤差が少ないケースもある 31

32 マーケティング分野におけるベイズ統計の活用事例に関する一考察 中見真也学習院大学経営学研究科博士後期課程松本和宏 ( 株 ) 富士通研究所ナレッジプラットフォーム研究部 A study of the application case of Bayesian statistics in the marketing field. Shinya Nakami, Gakushuin University Kazuhiro Matsumoto, FUJITSU LABORATORIES LTD. KNOWLEDGE PLATFORMS LAB.

33 AGENDA 1. ベイズ統計の概要 1-1. ベイズ統計の基本的な考え方 1-2. 頻度主義とベイズ統計の違い 1-3. ベイズ統計のメリット デメリット 2. ベイズ統計を理解する上で重要なキーワード 2-1. マルコフ連鎖モンテカルロ法 (MCMC 法 ) 2-2. 複雑な統計モデルに対応する階層ベイズ法 3. 分析事例 ~ 階層ベイズと線形回帰の違い 4. 課題と展望 ~ 実務への応用について 33

34 ベイズ統計の基本的な考え方 そもそもベイズって? 18 世紀後半スコットランドの長老派教会の牧師トーマス ベイズが考案した ベイズの定理 が由来. ( つまり アマチュアの数学者 ) 私がベイズです ベイズの定理とは? 事象 A に関するある結果 ( データ ) が得られたとすると それを反映し 尤度 P(A l B) の乗算によって 事象 B の確率は事前確率から事後確率へと更新される 事前確率 新データ 新たな確率得たデータが前の確率に作用して新たな確率が算出される ( ベイズ更新 ) 主観確率と言われる所以.( つまり経験を取り込むことができる ) 34

35 ベイズ統計を使う理由 ( メリット / デメリット ) < メリット > 1 柔軟かつ自然なモデリングが実現できる 2 小サンプルでも, 妥当なパラメータが推定できる 標本数が少ないことに起因する不適解を回避できる場合がある 3 誤差分散が負になるといった 計算上のエラーを避けられる < デメリット > 1 計算が結構大変 2 事前分布の設定により客観性を損なう恐れがある

36 課題と展望 今日 実務上 ベイズ統計の考え方をマーケティング活動に利用している事例は正直少ないのが現状 まずは ベイズ統計と頻度主義を併用してみて どちらが有効かを試してみることが重要!! 製造業 サービス業を中心に 膨大な顧客データを今後どうビジネスに活用すべきか 正にビックデータ時代のマーケティングを考える上で ベイズ統計の考え方は 時代にフィットする可能性を秘めている 消費者視点で購買行動を見た際にも 現在スマホ PC の普及により リアルとネットを自由に行き来する オムニチャネル が今後普及していくことが予測される その際に 個人の購買履歴をベースに 企業側は関連販売 ( リコメンデーション ) を推進していく際にもベイズ統計は有効だと考えられる