JMP Background

消費者および市場調査

マーケティングは、もともと複雑なものである上、デジタル時代の到来以降、急速な変化を遂げています。しかし、鍵となる要素は今も変わりません。それは最も収益性の高い成長機会を見出すこと、最良の製品・サービスを開発すること、最善のマーケティング活動を行うこと、そして活動の相乗効果を最大化することです。

顧客、見込み客に継続的に焦点を合わせることに加え、必要不可欠なことの1つは、データ主導であるべきだということです。新しい製品やサービスの導入からポジショニング、ブランディング、広告、セグメンテーション、プロモーションに至るまで、データは消費者を獲得し満足させることのすべての面において普遍です。デジタル革命は、消費者との関係を前向きに変化させますが、企業が新しいデータを活用して特定グループの消費者が求めるものをより深く理解し、それらのニーズを満たし、ニーズを作り出したりして、初めてこの機会が実現するのです。

使用するデータが一次データと二次データのどちらであっても、調査が探索的でも記述的でも因果的でも、JMPに用意されている包括的なツールを使えば、定量的、定性的データの両方からすばやく簡単に価値を得ることができます。

通常、現象の発生には数多くの変数が関係します。外的基準がない手法はすべての変数を同等の条件で扱いますが、外的基準のある手法は入力(X)と出力(Y)変数の関係を特定することを目的としています。

JMPは、操作性と対話性に優れ、探索的な分析に適しています。また、プログラミングも可能なため、ルーチン作業や定期的に行う決まった分析などを迅速に処理できます。

JMPを使用すれば、ユーザーの知識レベルにかかわらず、消費者に関する新しい洞察をすばやく得られます。さらに、発見した内容を関係者間で検討し、迅速な行動に移すことが容易に行えます。

無料トライアル版をダウンロード

探索的調査

消費者に関連する曖昧な問題や好機は、通常はインタビュー、フォーカスグループ、観察調査、および民族学的な調査の組み合わせで、明確にできます。探索的調査は、仮説を立てる場合や、基準の決定にも使用されます。多くの場合、1次データは少なく、2次データは豊富です。

JMPには、「表の作成」、「グラフビルダー」、「カテゴリカル」の各プラットフォームなど、1次データを扱うための数多くのオプションが用意されています。対話的な操作で、変数によって集計表をグループ別に定義したり、地図を含むさまざまな種類のグラフを作成できます。アンケート調査によるカテゴリカルな応答変数のパターン、データをさまざまな形式で処理しながら探索・分析できます。ある水準のデータ数が少ない場合は、「上位カテゴリ」を定義することで、水準を組み合わせてセルの数を増やし、結果をより信頼できるものにします。項目分析は、回答者からの回答が「はい」または「いいえ」である一連の項目があるデータにアプローチする手法です。JMP Proには、正確検定と近似的な検定があり、項目間の関連性が本当にあるかどうかについて、より信頼性の高い指標を得られます。テキストエクスプローラは、単純なもの(アンケート調査への自由回答など)から、複雑なもの(機器のある部分に対する定期的なメンテナンスを行う技術者のコメントなど)まで、文書から潜在的に有用なパターンを抽出します。

これらの分析はすべて2次データにも使用できますが、2次データは異なる目的のために集められているため、効果的に使用することが難しい場合があります。JMPの読み込みウィザードは、SPSS Desktop Reporterをはじめとする数多くのファイル形式に対応しています。Webページに組み込まれるHTMLテーブルから直接データを読みこんだり、クエリービルダーを使って、リレーショナルデータに効率よくアクセスしたりすることができます。

JMPの統計的発見のためのワークフローは、データがどのような情報を持っているか、そして目的の達成にそのデータがいかにして役立つかが不明な場合に最適です。欠測値パターン表示機能により、有益なケースをすばやく切り分けることができます。JMPの動的なグラフのリンク機能によって、データ内の興味深い構造をすばやく見つけ、特異なケースを特定して、それらを適切に処理できます。計画の評価を用いると、データに線形モデルをあてはめた際の、各項目の検出力を予測すると同時に、どの項目を実際にモデルに含めることができるかを示します。

列の数が多く、しかも外れ値も多いような煩雑なデータの場合は、応答スクリーニングやパーティションを利用すれば、どのX変数が、指定したY変数における変動をうまく説明できるかについての有益な洞察が得られます。

記述的調査

通常、記述的調査は、市場・セグメント・競合、そして消費者を説明するために、事前調査に基づいて行われます。また記述的調査は、パフォーマンスを測定する際にも、通常は継続的に使用されます。

ほとんどの消費者調査データには多数の列があるため、より少ない次元で変動のパターンを説明できるように、相関と関連性を探索する多変量の手法が使用されます。理想は(ただし常にではなく)、重要な新しい変数によってわかりやすい解釈の結果が得られ、データにより明白で説明のつくパターンが示されることです。

JMPでは主成分分析や因子分析を行えますが、結果の解釈が困難な場合には、元の変数をクラスター化し、各クラスターの最も代表的なものを特定することによって次元数を減らすことができます。これは、モデルを作成したいときに便利です。クロス表に集計されたカテゴリカルデータの対応分析または多重対応分析を実行することによって得られる知覚的なマッピングは、競合データを理解するのに役立ちます。また、多次元尺度構成を使い、複数の属性や複数のブランドを同時にマッピングすることもできます。これにより、消費者の認識や市場についてより深く理解できるでしょう。

JMPでは、ケースを明確なグループにセグメント化するために、階層的手法またはk-means手法をユーザーが選択した類似度の指標と共に使用します。階層的手法の場合は、保持したいクラスターを樹形図で直接選択できます。JMPでは、潜在クラス分析で同様の目的を実現することもできます。

判別分析を使用すると、グループを最も適切に区別する変数を特定できます。この方法は、ロジスティック回帰の代替法としてよく使用されます。 

JMPではまた、二変量の関係を使って簡単なモデルを作成できます。二変量の関係では、XとYの役割に割り当てた変数の尺度に応じて、自動的にANOVAや分割表分析などの一般的なアプローチが起動します。内容に応じたオプションを指定することで、視覚的な結果を確認しながら以降の分析を行うことができます。

ステップワイズ回帰で重要な変数を選択しながら、より複雑にモデルをあてはめていくこともできます。JMP Proには最新の変数選択手法が含まれ、効率的なモデル作成ができます。制限付き最尤法(REML)も利用可能なため、データのバランスにかかわらず、信頼性のある推定を行えます。 

係数の推定は有用ですが、プロファイルを用いた結果の分析はさらに有用です。Y変数とX変数の関係が把握できます。これは特に、複数の候補モデルを比べる場合や、他の人々と話し合って発見に関する意見をまとめる必要がある場合に便利です。プロファイルを使えば、どのような手法によるモデルでも、一貫した方法でそれを視覚的に理解できます。モンテカルロシミュレーションも実行でき、X変数の変動が実際にYの変動にどのように伝播するかを評価できます。

さらに、POSデータでは、アソシエーション分析(マーケットバスケット分析とも呼ばれる)を使い、買い物客が頻繁に一緒に購入している品目を特定することができます。

因果関係調査

原因を突き止めるには、理論、統計、因果関係、そして無関係と思われるその他のX変数の適切なコントロールが必要です。

X変数のY変数に対する影響を発見するように計画された統計的な実験計画は、因果関係調査の強力な武器です。すべての実験において、計画はその後の分析を決定付けます。JMPは、群間差を検出することから、Y変数の目的を達成する複数のX変数の最適化に至るまで、実験の目的をすべて満たせる包括的な機能を、ユーザーが理解・使用しやすい形で提供します。

JMPでは、従来からある実験計画に加え、ユーザー固有の問題に適応するカスタム計画を利用できます。さらに、JMP固有の新しい決定的スクリーニング計画は、問題の分析に逐次的アプローチが必要な場合に便利です。

またJMPでは、消費者が好みをより明確かつ簡単に示せるように、製品やサービスのいくつかの特徴からなる選択型の計画を作成できます。そのような選択モデルを用いた実験の場合は、効率的な計画を作成するには事前情報が必要です。コストを考慮して提案された製品やサービスについて、初期段階でそのような実験を実施することには、非常に大きなメリットがあります。

選択モデルの実験のほか、JMPでは評点型と順位型のコンジョイントモデルを計画し、分析することもできます。カスタム計画では、リッカート尺度に基づく消費者による得点付けを使った計画がサポートされています。回答者にブランドや製品機能の間でえり好みを示してもらいたい場合は、得点の代わりに順位、または、選択肢の中で「最善」および「最悪」の選択肢のみにフォーカスするMaxDiff計画を使用できます

因子を、変化が困難、あるいは非常に困難と定義することによって、分割計画型の計画を作成できます。これにより、質問の数を減らして回答者の負担を軽減できます。また、JMPで生成されるカスタム計画で許可されない組み合わせを定義することにより、意味のない質問を排除できます。

階層型ベイズ(Bayes)流の方法を用いて、回答者間の違いを明確にモデル化することもできます。

 

官能評価試験

この調査の目的は、人間の感覚が消費に対する経験や製品の使用にどのように寄与するかを理解することです。官能評価パネルは、非常に詳細なフィードバックを提供する、特別なトレーニングを受けた専門家で構成されます。通常、新製品の開発や、既存の製品が変更される場合に品質を維持するために利用されます。消費者パネルも同様ですが、通常はさほど厳密ではなく、嗜好型の調査を行います。どちらも重要ですが、特定の製品カテゴリに対し、官能評価パネルの結果を消費者パネルの結果とうまく結び付けることによって、さらにパワーを発揮します。

どのような分析ワークフローを使用する場合でも、JMPには必要なグラフツールと統計ツールがすべて備わっているため、評価者による順位付け、得点付けの評価が信頼性の高いものになります。そして、官能評価パネルまたは消費者パネルによって、実際に製品を客観的かつ定量的に差別化できるかどうかをチェックできます。変量効果を用いたANOVAや回帰分析が実行されます。また、主成分分析により変数が集約されることもあります。PLS回帰を用いて、消費者と官能評価結果の関係をモデル化することもできます。

アプローチが明確になれば、将来に分析を再実行するためや、主要な発見を確認・提示するためのアプリケーションを簡単に作成できます。アプリケーションには、適切なレベルの自動化、指針と解釈、特定の状況やデータのニュアンスの処理を含めることができます。

行動の予測

Y変数は、通常はすでに入手済みの観測データを使ってX変数から予測されます。たとえ因果関係の解明に至らなくても、信頼できる消費者行動の予測は価値のあるものです。たとえば、優れた予測は、利益をもたらす新しい消費者を呼び込んだり、固定客になる可能性のある消費者の離脱を防ぐのに役立ちます。

データマイニングの分野と関連して、JMP、特にJMP Proでは、消費者の偶然の消費行動ではなく反復的な行動を捉えるため、ニューラルネットワークとツリーベースのモデルをすばやく簡単に作成し比較できます。

回帰およびPLSのモデルは、オーバーフィットを回避するために同じフレームワーク内で処理できます。

さらに、JMP Proにはアップリフトモデルが用意されているので、マーケティングプロモーションの対象となっていたためにそれに反応したにすぎない消費者との関係などを適切に管理できます。消費者に対する行動や処置のインパクトをモデル化して、それらが期待した効果を生み出すかどうかを確認できます。

JMPの計算式デポを使えば、複数のモデルのパフォーマンスを簡単に比較、対比できます。最も優れたモデルを選んだら、新しいケースのスコアリングをするために、別の環境に展開できるC、Python、JavaScript、SASのコードを生成できます。

JMPは、専門的な実務者だけのものと思われがちですが、背後にあるアルゴリズムの威力を弱めることなく、あらゆる研究者が利用できるような一貫した使いやすさで、これらの手法を提供しています。

Back to Top