Loading article…
コンジョイント分析は、市場調査で使用されるアンケート調査に基づく統計的手法であり、個々の製品やサービスを構成するさまざまな属性（特徴、機能、利点）を人々がどのように評価しているかを判断するのに役立ちます。
コンジョイント分析の目的は、一連の属性が回答者の選択や意思決定に及ぼす影響を明らかにすることです。コンジョイント実験では、属性ごとに分類された、統制された一連の潜在的な製品またはサービスが調査対象者に提示されます。回答者が製品の中からどのように選択するかを分析することで、製品またはサービスを構成する属性に対する回答者の評価を判断できます。これらの暗黙の評価（効用または部分価値）は、市場シェア、収益、さらには新製品の収益性を推定する市場モデルを作成するために使用できます。
コンジョイント分析は数理心理学に端を発し、ペンシルベニア大学ウォートン・スクールのマーケティング教授ポール・E・グリーンによって開発されました。コンジョイント分析の著名な先駆者には、順位付けされたデータのための線形計画法（LINMAP）手順と自己説明的なアプローチを開発したスタンフォード大学のV・「シーヌ」・スリニバサン教授、そしてコンジョイント分析に対する選択ベースのアプローチや、ベスト・ワースト・スケーリングなどの関連技術を発明・開発したアイオワ大学のジョーダン・ルヴィエールなどがいます。
現在では、マーケティング、製品管理、オペレーションズリサーチなど、社会科学や応用科学の多くの分野で活用されています。新製品デザインに対する顧客の受容度テスト、広告の魅力度評価、サービスデザインなどに頻繁に用いられています。製品ポジショニングにも活用されていますが、コンジョイント分析のこの応用方法には問題点を指摘する声もあります。
コンジョイント分析手法は、多属性構成モデリング、離散選択モデリング、または表明選好研究とも呼ばれ、意思決定の体系的な分析に使用されるトレードオフ分析ツールのより広範なセットの一部です。これらのツールには、ブランド価格トレードオフ[ 1 ]シマルト、およびAHP [ 2 ] PAPRIKA [ 3 ] [ 4 ]進化アルゴリズムやルール開発実験などの数学的手法が含まれます。
製品やサービスは、複数の属性によって説明されます。例えば、テレビには、画面サイズ、画面形式、ブランド、価格などの属性があります。それぞれの属性は、さらに複数のレベルに細分化できます。例えば、画面形式のレベルは、LED、LCD、プラズマなどです。
回答者には、構成要素となる属性の全部または一部のレベルを組み合わせて作成された一連の製品、プロトタイプ、モックアップ、または画像が提示され、提示された製品の中から選択、順位付け、または評価するように求められます。各例は、消費者が代替品として認識できるほど類似していますが、回答者が明確な好みを判断できるほど十分に異なっています。各例は、製品機能の独自の組み合わせで構成されています。データは、個々の評価、順位付け、または複数の組み合わせの中からの選択で構成される場合があります。
コンジョイントデザインは、以下の4つの異なるステップから構成されます。
設計できる研究には、さまざまな種類のものがあります。
コンジョイント分析における属性は以下のとおりであるべきである。
属性のレベルは以下のとおりであるべきです。
属性とレベルの組み合わせが増えるにつれて、潜在的なプロファイルの数は指数関数的に増加します。そのため、統計分析に十分なデータを確保しつつ、評価対象となるプロファイルの数を減らすために、部分因子設計が一般的に用いられます。これにより、回答者が検討する「プロファイル」のセットを慎重に管理することができます。
1970年代に始まったコンジョイント分析の初期の形態は、フルプロファイル調査として知られており、少数の属性（通常4～5個）を使用してプロファイルを作成し、回答者に提示しました（多くの場合、個別のカードに記載されていました）。回答者はこれらのプロファイルをランク付けまたは評価しました。比較的単純なダミー変数回帰分析を使用して、回答者が指定したランクまたは評価を最もよく再現するレベルの暗黙の効用を計算することができました。これらの初期の設計には2つの欠点が見られました。
まず、使用できる属性の数には大きな制限がありました。属性の数が多いと、回答者の検討作業が膨大になり、部分因子設計を用いた場合でも、評価対象となるプロファイルの数が急速に増加する可能性があります。より多くの属性（最大30個）を使用するために、自己説明（レベルと属性の評価または順位付け）とそれに続くコンジョイント分析タスクを組み合わせたハイブリッドコンジョイント分析手法が開発されました。1980年代以降、紙ベースのアンケートと適応型コンピュータ支援アンケートの両方が選択肢として利用されるようになりました。
2つ目の欠点は、プロファイルの評価やランキングが非現実的で、行動理論に直接結びついていないことでした。現実の状況では、購入者は選択肢をランク付けしたり評価したりするのではなく、選択肢の中から選びます。ジョーダン・ルヴィエールは、選択タスクのみを使用するアプローチを開拓し、これが選択ベースのコンジョイント分析と離散選択分析の基礎となりました。この表明選好研究は計量経済学的モデリングと関連しており、選択モデルが調査データではなく実際のデータに基づいて較正される顕示選好と関連付けることができます。当初、選択ベースのコンジョイント分析では個人レベルの効用を提供できなかったため、研究者は市場の選好を表すために集計モデルを開発しました。そのため、市場セグメンテーション研究には適していませんでした。新しい階層ベイズ分析手法では、個人レベルの効用を推定することができ、個人と市場セグメント間の異質な選好についてより深い洞察が得られます。
コンジョイント分析のデータは、一般的には市場調査アンケートを通じて収集されますが、綿密に設計されたコンフィギュレーターや、適切に設計されたテストマーケティング実験のデータにも適用できます。コンジョイント分析のインタビューを設計する際には、統計的なサンプルサイズと精度に関して、市場調査の経験則が適用されます。
コンジョイント分析アンケートの長さは、評価対象となる属性の数と選択されたコンジョイント分析手法によって異なります。20～25個の属性を含む一般的な適応型コンジョイント分析アンケートは、完了までに30分以上かかる場合があります。一方、サンプル全体に分散されたより小さなプロファイルセットを使用する選択型コンジョイント分析は、15分未満で完了できます。選択演習は、店舗の店頭レイアウトやその他の模擬的なショッピング環境で表示できます。
コンジョイント設計は複雑であるため、通常は測定誤差が大きく（回答者内信頼性が低いことからわかるように）、あらゆる方向にあらゆる量で大きなバイアスが生じる可能性があります。このバイアスは、コンジョイントデータの統計分析で修正する必要があります。[ 5 ] モデルの種類に応じて、さまざまな計量経済学的および統計的手法を使用して効用関数を推定できます。これらの効用関数は、機能の知覚価値と、消費者の認識と好みが製品機能の変化にどれだけ敏感であるかを示します。実際の推定手順は、タスクの設計と回答者のプロファイル、および好みを示すために使用される測定尺度（間隔尺度、ランキング、または離散選択）によって異なります。評価ベースの完全なプロファイルタスクを使用して各属性レベルの効用を推定するには、線形回帰が適切である可能性があります。選択ベースのタスクでは、通常、ロジスティック回帰を使用した最尤推定が一般的に使用されます。元の効用推定方法は、単調分散分析または線形計画法でしたが、現代のマーケティングリサーチの実践は、多項ロジット、このモデルの混合バージョン、およびその他の改良を使用した選択ベースのモデルに移行しています。ベイズ推定法も非常に人気があります。階層ベイズ法も今日では比較的人気があります。[ 6 ]
ビジネス分析におけるコンジョイント分析の実践的な応用例を、次の例で示します。ある不動産開発業者が、都市部の名門大学の近くに高層マンションを建設することに関心を持っています。プロジェクトの成功を確実にするため、市場調査会社が雇われ、在学生を対象としたフォーカスグループ調査を実施します。学生は学年（1年生、上級生、大学院生）と受け取った奨学金の額によって分類されます。調査参加者には、6つの属性（キャンパスへの近さ、費用、通信パッケージ、ランドリー設備、間取り、セキュリティ機能）に基づいて指定されたさまざまなマンションの選択肢を含む一連の選択シナリオが提示されます。各マンションの選択肢に関連する建物の建設費用は同額です。参加者は、各選択シナリオ内で好みのマンションを選択するように求められます。この強制選択方式により、参加者の優先順位と好みが明らかになります。多項ロジスティック回帰を用いて、コンジョイント実験で使用された6つの属性の各属性レベルの効用スコアを推定することができます。これらの効用スコアを用いることで、潜在的なマンションの選択肢を表す属性レベルの任意の組み合わせに対する市場の選好を予測できます。
市場調査手法であるマインドゲノミクス（MG）は、コンジョイント分析（CA）の応用です。CAは、消費者に一連の製品属性を提示し、異なる属性レベルの効用スコアを推定することで、異なる属性の組み合わせに対する消費者の好みを評価し、消費者の受容性を評価するために実施されます。CAを適用したMGは、意思決定に影響を与える心理的および感情的な側面をより深く掘り下げ、消費者に最も顕著な属性の初期特定を支援し、研究者がCAで使用する属性を洗練するのに役立ちます。[ 7 ]
米国に拠点を置くPopulace社による非公開の世論調査では、アメリカ人が成功をどのように定義しているかを理解するために、選択ベースコンジョイント（CBC）分析と呼ばれる手法が用いられた。調査では、人々に成功の定義を直接尋ねるのではなく、回答者にさまざまな選択肢の中から選ばせることで、現実の意思決定をシミュレートした。[ 8 ]
米国の連邦裁判所は、特許侵害者が特許権者の権利侵害に対する賠償として支払うべき損害賠償額に関する意見を裏付けるために、専門家証人がコンジョイント分析を使用することを認めている。[ 9 ]しかしながら、法学者らは、特許損害賠償額の算定におけるコンジョイント分析の使用に関する連邦巡回控訴裁判所の判例法は、まだ形成段階にあると指摘している。[ 10 ]
その一例として、アップルがコンジョイント分析を用いてサムスンの著作権侵害によって被った損害を立証し、訴訟における賠償額を増額させた事例が挙げられる。