コンジョイント分析

コンジョイント分析は、市場調査で使用される調査ベースの統計手法であり、個々の製品または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す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、一連の属性のどの組み合わせが回答者の選択や意思決定に最も影響を与えるかを判断することです。コンジョイント実験では、属性別に分類された潜在的な製品またはサービスの管理されたセットが調査回答者に示されます。回答者が製品を選択する方法を分析することで、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、さらには新しいデザインの収益性を推定する市場モデルの作成に使用できます。

コンジョイント分析は数理心理学に端を発し、ペンシルバニア大学ウォートン校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。他の著名なコンジョイント分析の先駆者としては、順位付けされたデータに対する線形計画法(LINMAP) 手順と自己説明型アプローチを開発したスタンフォード大学のV. "Seenu" Srinivasan教授、およびコンジョイント分析に対する選択ベースのアプローチとベスト・ワースト・スケーリングなどの関連技術を発明し開発したジョーダン・ルヴィエール (アイオワ大学) がいます。

今日では、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、多くの社会科学や応用科学で使用されています。新製品デザインに対する顧客の受容度をテストしたり、広告の魅力を評価したり、サービス デザインを行う際に頻繁に使用されています。製品の位置付けにも使用されていますが、コンジョイント分析のこの応用に問題を指摘する人もいます。

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、表明された選好調査とも呼ばれ、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、Simalto、およびAHP、^[1] PAPRIKA、^{[2] [3]} 進化的アルゴリズム、ルール開発実験などの数学的アプローチが含まれます。

製品またはサービス分野は、いくつかの属性の観点から説明されます。たとえば、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。各属性は、いくつかのレベルに細分化できます。たとえば、画面形式のレベルは、LED、LCD、プラズマなどです。^{[引用が必要]}

回答者には、構成属性のすべてまたは一部のレベルの組み合わせから作成された製品、プロトタイプ、モックアップ、または写真のセットが示され、表示された製品から選択、ランク付け、または評価するよう求められます。各例は、消費者が近い代替品と見なすほど類似していますが、回答者が好みを明確に判断できるほどは異なります。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、個別の評価、順位、または代替の組み合わせからの選択で構成される場合があります。^{[引用が必要]}

コンジョイント設計には 4 つの異なるステップが含まれます。

1. 研究の種類を決定する
2. 関連する属性を特定する
3. 属性のレベルを指定する
4. デザインアンケート

設計できる研究にはさまざまな種類があります。

• ランキングベースのコンジョイント
• 評価ベースのコンジョイント
• 選択ベースのコンジョイント

コンジョイント分析における属性は次のようになります。

• 経営上の意思決定に関連する、
• 現実の生活では様々なレベルがあり、
• 嗜好に影響を与えることが予想される、
• 明確に定義され、伝達可能であること
• 強い相関関係を示さないことが望ましい（価格とブランドは例外）。
• 少なくとも 2 つのレベルで構成されます。

属性のレベルは次のようになります。

• 明白な、
• 相互に排他的、
• 現実的。

属性とレベルの組み合わせの数が増えると、潜在的なプロファイルの数は指数関数的に増加します。その結果、評価するプロファイルの数を減らし、統計分析に十分なデータを確保するために、一般的に一部実施要因計画が使用され、回答者が検討する「プロファイル」のセットが慎重に管理されます。^{[引用が必要]}

1970 年代に始まったコンジョイント分析の最も初期の形態は、フル プロファイル調査と呼ばれるもので、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、回答者に個別のカードで示しました。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できました。これらの初期の設計には 2 つの欠点がありました。^{[引用が必要]}

まず、使用される属性の数が大幅に制限されていました。属性の数が多いと、回答者の検討タスクが大きくなりすぎ、部分要因設計を使用しても評価対象の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) 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 タスクを組み合わせたハイブリッド コンジョイント手法が開発されました。1980 年代から、紙ベースのアンケートと適応型コンピューター支援アンケートの両方が選択肢になりました。^{[引用が必要]}

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あり、行動理論に直接結びついていないことです。実際の状況では、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、選択肢の中から選択します。Jordan Louviere 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。この明示された選好研究は計量経済モデリングにリンクされており、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調整される顕示選好にリンクできます。もともと、選択ベースのコンジョイント分析は個人レベルの効用を提供できず、研究者は市場の選好を表す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。新しい階層型ベイズ分析手法を使用すると、個人レベル効用を推定して、個人や市場セグメント間の異質な選好に関するより深い洞察を得ることができます。^{[引用が必要]}

コンジョイント分析のデータは、市場調査アンケートを通じて収集されるのが最も一般的ですが、コンジョイント分析は、慎重に設計されたコンフィギュレータや、適切に設計されたテスト市場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。^{[引用が必要]}

コンジョイント アンケートの長さは、評価する属性の数と選択したコンジョイント分析方法によって異なります。20～25 個の属性を持つ一般的な適応型コンジョイント 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^{[引用が必要]}。選択ベースのコンジョイントは、サンプル全体に分散されたより小さなプロファイル セットを使用することで、15 分未満で完了できます。選択演習は、店舗の正面のようなレイアウトとして、または他の模擬ショッピング環境で表示できます。^{[引用が必要]}

コンジョイント設計は複雑なため、通常は大きな測定誤差（回答者内信頼性が低いことで示される）が生じ、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。^[4] 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、機能の認識価値と、消費者の認識と好みが製品機能の変更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スケール（間隔スケール、順位付け、または離散選択）によって異なります。評価ベースのフル 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が、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大尤度推定が一般的に使用されます。元の効用推定方法は、単調な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。階層的ベイズ手順も最近では比較的人気があります。^{[引用が必要]}

• 消費者が複数の属性を同時に評価する際に行う心理的なトレードオフを推定する
• 個人レベルで好みを測定できる
• 回答者自身には明らかでない可能性のある、実際のまたは隠れた要因を明らかにする
• 現実的な選択や買い物のタスクを模倣する
• 物理的な物体を使用できる
• 適切に設計されていれば、属性間の相互作用をモデル化できる
• 回答者の嗜好の多様性を認識するモデルを適用する場合、ニーズに基づくセグメンテーションを開発するために使用できる。

• コンジョイント研究の設計は複雑になることがある
• 製品の特長や製品プロファイルが多すぎる場合、回答者は簡素化戦略に頼ることが多い。
• 実際の機能に関する認識を、基礎となる機能の縮小されたセットに関する認識に変換する手順がないため、製品の位置付け研究に使用することは困難です。
• 回答者は新しいカテゴリーに対する態度を明確に表現することができず、そうでなければあまり考えなかったであろう問題について考えざるを得ないと感じるかもしれない。
• 適切に設計されていない調査では、感情に訴える製品の特徴を過大評価し、具体的な特徴を過小評価する可能性がある。
• 回答者1人あたりの購入製品数量は考慮されていないが、回答者の自己申告による購入量で重み付けしたり、ボリュームコンジョイント分析などの拡張によってこれを改善できる可能性がある。

ビジネス分析におけるコンジョイント分析の実際の応用例の 1 つを次に示します。不動産開発業者が、都市部のアイビー リーグの大学の近くに高層マンションを建設することを検討しています。プロジェクトの成功を確実にするために、市場調査会社を雇って、在校生を対象にフォーカス グループを実施します。学生は、学年 (新入生、上級生、大学院生) と受け取った奨学金の額で分類されます。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 オプション、間取り、提供されるセキュリティ機能) に基づいて指定されたさまざまなマンション居住オプションを含む一連の選択シナリオが示されます。各マンション オプションに関連付けられた建物の建設にかかる推定費用は同等です。参加者は、各選択シナリオ内で好みのマンション オプションを選択するように求められます。この強制選択演習により、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使用して、コンジョイント実験に含まれる 6 つの属性の各属性レベルの効用スコアを推定できます。これらの効用スコアを使用して、潜在的なマンション居住オプションを表す属性レベルの任意の組み合わせに対する市場の好みを予測できます。^[要出典]

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、消費者の受容性を評価するために実施され、一連の製品属性を提示し、さまざまな属性レベルの効用スコアを推定することで、さまざまな属性の組み合わせに対する消費者の好みを評価します。CAを適用するMGは、意思決定に影響を与える心理的および感情的側面をより深く掘り下げ、消費者にとって最も顕著な属性の初期識別を支援し、研究者がCAで使用する属性を洗練するのに役立ちます。^[5]

米国の連邦裁判所は、特許侵害者が特許権者に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専門家の意見を裏付けるためにコンジョイント分析を使用することを認めている。^[6]しかし、法学者は、特許損害賠償額の計算におけるコンジョイント分析の使用に関する連邦巡回裁判所の判例はまだ形成段階にあると指摘している。^[7]

一例として、Apple 社がコンジョイント分析を使用して、Samsung 社の著作権侵害によって被った損害を証明し、訴訟における賠償額を増額した事例が挙げられます。^{[引用が必要]}

• 広告
• 離散選択（選択モデリング）
• マーケティング
• マーケティング調査
• 新製品開発
• 定量的マーケティング調査
• TURF分析
• 価値に基づく価格設定

• Green, P. および Srinivasan, V. (1978) 消費者調査におけるコンジョイント分析: 課題と展望、Journal of Consumer Research、第 5 巻、1978 年 9 月、pp 103-123。
• Green, P. Carroll, J. および Goldberg, S. (1981) コンジョイント分析による製品設計最適化への一般的なアプローチ、Journal of Marketing、vol 43、1981 年夏、pp 17–35。
• Srinivasan, V. (1988) 「多重属性選好の自己説明に対する結合補償アプローチ」、Decision Sciences、第19巻、1998年春、295-305。
• Green, PE および Srinivasan V. (1990)「マーケティングにおけるコンジョイント分析：研究と実践への影響を伴う新たな展開」、Journal of Marketing、第 54 巻、1990 年 10 月、3 ～ 19 ページ。
• マーダー、E. (1999) 選択モデリングの仮定
• コンジョイント分析、関連モデリングとアプリケーション
• コンジョイント分析: 完璧な製品を開発する方法
• コンジョイント分析: 市場調査における離散選択モデリングの使用