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。

PC

CPUHD

メモリディスプレ

イ価格

U （ PC１）

U （ PC２）

…

m （ PC１）

m （ PC２）

…

製品 製品属性 効用 市場シェア

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

価格： 15 万円CPU: 1.7GHzHD ： 40GBメモリ： 128MBディスプレイ： 17 インチ

PC １

価格： 17 万円CPU: 2.2GHzHD ： 40GBメモリ： 128MBディスプレイ： 15 インチ

PC ２

4

コンジョイントモデル

U(PC1) = UP(15 万 ) + UC(1.7GHz) + UH(40GB)

+ UM(128MB ） + UD(17 インチ） PC1 の効用

価格の部分効用

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

150000 3.06GHz 60GB 128MB 17inch150000 1.7GHz 40GB 128MB 17inch200000 3.06GHz 20GB 128MB 17inch150000 1.7GHz 20GB 128MB 15inch150000 3.06GHz 20GB 128MB 15inch150000 2.2GHz 60GB 256MB 17inch200000 1.7GHz 60GB 256MB 15inch150000 3.06GHz 20GB 256MB 15inch200000 2.2GHz 20GB 128MB 17inch175000 2.2GHz 40GB 128MB 15inch175000 1.7GHz 20GB 256MB 17inch175000 3.06GHz 60GB 128MB 15inch150000 2.2GHz 20GB 256MB 15inch150000 3.06GHz 40GB 256MB 17inch175000 3.06GHz 20GB 256MB 17inch200000 3.06GHz 40GB 256MB 15inch

12345678910111213141516

価格 cpu hard disk memory display

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

1 11.00 8.00 2.00 6.00 3.00 4.00 5.00 16.00 15.00 9.00 1.00 7.00 13.00 12.00 14.00 10.002 12.00 11.00 3.00 16.00 5.00 8.00 13.00 6.00 7.00 4.00 9.00 10.00 2.00 15.00 1.00 14.003 13.00 7.00 4.00 5.00 3.00 9.00 8.00 11.00 6.00 15.00 1.00 10.00 14.00 12.00 2.00 16.004 12.00 1.00 9.00 11.00 7.00 14.00 2.00 13.00 15.00 8.00 4.00 6.00 10.00 3.00 5.00 16.005 2.00 9.00 6.00 11.00 10.00 14.00 12.00 1.00 3.00 7.00 4.00 16.00 13.00 15.00 5.00 8.006 1.00 10.00 16.00 2.00 11.00 14.00 7.00 4.00 6.00 8.00 12.00 13.00 15.00 5.00 9.00 3.007 3.00 2.00 14.00 8.00 6.00 12.00 9.00 16.00 10.00 7.00 15.00 11.00 5.00 1.00 13.00 4.008 16.00 10.00 15.00 2.00 3.00 11.00 7.00 12.00 8.00 5.00 9.00 6.00 4.00 1.00 14.00 13.009 7.00 15.00 11.00 1.00 10.00 16.00 3.00 9.00 8.00 14.00 6.00 5.00 2.00 13.00 12.00 4.0010 8.00 2.00 7.00 11.00 12.00 9.00 5.00 10.00 4.00 16.00 14.00 13.00 3.00 6.00 15.00 1.00

ID SEQ1 SEQ2 SEQ3 SEQ4 SEQ5 SEQ6 SEQ7 SEQ8 SEQ9 SEQ10 SEQ11 SEQ12 SEQ13 SEQ14 SEQ15 SEQ16

11

モデルの推定（回帰分析）

12

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

製品プロファイルの選択確率

13

pij = 被験者 i のプロファイル j の選択確率

マーケット・シェアの予測

14

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

分析結果の例AveragedImportance Utility Factor

PRICE 価格 32.29 .9667 --- 150000 .3833 -- 175000 .1833 - 200000 CPU cpu41.15 .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 display13.54 -.3250 - 15inch .3250 - 17inch 8.9625 CONSTANT

Pearson's R = .726 Significance = .0007Kendall's tau = .538 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