コンジョイント分析とは？製品開発のマーケティングリサーチ手法を解説！

コンジョイント分析とは

コンジョイント分析は、製品やサービスの複数の要素が消費者の選好にどのような影響を与えるかを数値化する手法です。主にフルプロファイル法（直交表）を用いて、各属性の重要度を明確にし、消費者が何を重視するのかを定量的に把握できます。

コンジョイント分析によってわかること

コンジョイント分析では、各属性のユーティリティスコアを算出し、それを元に製品の評価や市場シェアの予測が可能です。

ひとつめは、「各属性の部分効用値（ユーティリティスコア）」です。
ユーティリティスコアとは、消費者が各製品やサービスをどれだけ魅力的に感じるかを数値化したものです。コンジョイント分析におけるユーティリティスコアは、以下のような線形モデルで表現されます。

$$
U = \beta_0 + \sum_{i} \beta_i X_i
$$
\( U \) ：総合ユーティリティスコア
\( \beta_0 \) ：定数項（基準値）
\( \beta_i \) ：各属性の重み（係数）
\( X_i \) ：各属性の値（ダミー変数として表現）

このスコアに基づき、製品の評価を定量的に比較できます。

製品の定量的な評価として、部分効用値があります。部分効用値とは、消費者が特定の属性の水準に対してどれだけの価値を見出しているかを数値化したもので、この値が大きいほど選好され、小さいほど選好されにくいことを意味します。以下のグラフは、携帯電話の各属性の部分効用値を示しています。

グラフの縦軸は部分効用値、横軸は各属性の水準を表しています。線の傾きや水準間の効用差を読み取ることで、異なる水準間の相対的な選好の変化を視覚的に捉えることができます。例えば、バッテリー寿命（凡例：Battery Life）の場合、短いバッテリー寿命は部分効用値が低く、長い寿命になるほど選好が高まる傾向が見られます。一方、価格（凡例：Price） に関しては、価格が上昇するほど部分効用値が低下しており、消費者がコストを重要視していることがわかります。

このように、部分効用値の変化を分析することで、各属性が消費者の選択に与える影響を定量的に評価することができます。これにより、最適な製品設計や価格戦略を策定する上での貴重な指標となります。

ふたつめは、「各属性の寄与率（重要度）」です。
寄与率とは、全体の意思決定に対して各属性が占める割合を示し、数値が高いほど、その要素が消費者の選択に大きく影響していることを意味します。以下のグラフは、各属性が消費者の選択にどの程度影響を与えているかを示した寄与率の棒グラフです。

上図のグラフにおいて価格の寄与率が高い場合（棒グラフが高い場合）、消費者は価格を特に重視していると読み取ることができます。このように、寄与率の比較をおこなうことで、どの要素を強化・調整すべきかの方向性をデータに基づいて判断することが可能になります。

最後に市場シェアの予測です。
コンジョイント分析の結果を活用することで、各製品の市場シェアを予測することが可能です。以下のモデルを使用します。

$$
P_i = \frac{e^{U_i}}{\sum_{j} e^{U_j}}
$$
\( P_i \) ：製品 \( i \) の市場シェアの推定値
\( U_i \) ：製品 \( i \) の総合ユーティリティスコア
\(\sum_{j} e^{U_j}\) ：すべての製品のユーティリティスコアの指数関数の総和

ここで、\( P_i \) は製品 \( i \)の市場シェアの推定値です。この式により、異なる製品のシェアをシミュレーションし、最適な製品設計や価格戦略を決定できます。

例えば、特定の属性（バッテリー寿命を16時間にする、価格を10,000円にするなど）を変更した場合の市場シェアの変化を予測し、最も収益性の高い製品戦略を立案するのに役立ちます。

必要なデータ

コンジョイント分析を行う際は、消費者の選好を反映したデータが必要です。このデータに基づいて、どの属性や水準が選択にどれだけ影響しているかを統計的に推定します。

選択データ

顧客に複数の飲料から最も好ましいものを選んでもらい、その選択から各要素（属性）の影響度を分析します。
例：「この3つの飲料から、最も買いたいと思う商品を選んでください」

プロファイル	価格	容量	味
1	90円	280ml	レモン
2	130円	500ml	オレンジ
3	110円	350ml	グレープ

スコアデータ

各飲料に対して「どれくらい好きか・買いたいか」を点数で評価してもらいます。
5点~10点などのリッカート尺度を用いるのが一般的です。

プロファイル	価格	容量	味	評価（10点満点）
1	90円	280ml	レモン	8/10
2	130円	500ml	オレンジ	6/10
3	110円	350ml	グレープ	7/10

ランキングデータ

提示された選択肢を好みの順に並べてもらいます。

プロファイル	価格	容量	味	順位
1	90円	280ml	レモン	1位
2	130円	500ml	オレンジ	2位
3	110円	350ml	グレープ	3位

過去の購買データ

POSデータや購買履歴から、顧客が実際に購入した商品の特徴を記録します。
どの価格帯・容量・味が選ばれやすいかを定量的に分析できます。

顧客	価格	容量	味	購入有無
A	130円	500ml	オレンジ	購入
B	90円	280ml	レモン	購入
C	150円	500ml	ミネラルウォーター	未購入

売上データ

市場で実際に売れた数量・価格帯を使って、どの属性の組み合わせが売上に寄与しているのかを確認できます。

価格	容量	味	売上本数
90円	280ml	レモン	320本
110円	350ml	グレープ	210本
130円	500ml	オレンジ	150本
150円	500ml	炭酸水	80本

コンジョイント分析の手順

コンジョイント分析を用いて、「水筒の新商品」の市場調査を例に、フルプロファイル法を活用した分析の流れを説明します。

コンジョイント分析の種類

選択ベースコンジョイント分析　

顧客に複数の選択肢を提示し、その中から最も好ましいものを選んでもらう手法です。実際の購買行動に近いデータ収集できる点が特徴であり、消費者の意思決定プロセスをより忠実に再現することが可能です。得られた選択データを基に、ロジットモデルを使用して各属性のレベルの効用値を推定します。

以下は選択されたプロファイルの頻度を示しています。Profile4が最も多く選ばれており、消費者が特定の特徴に強い関心を持っている可能性が示唆されます。

重回帰分析

重回帰分析は、各属性（価格、デザイン、機能など）とその水準が消費者の選好に与える影響を線形モデルで推定する手法です。被験者の評価データをもとに、各属性の「ユーティリティスコア（効用値）」を算出し、どの要素が購買意思決定に大きく影響するかを定量的に把握できます。

階層ベイズ

階層ベイズは、消費者ごとの個別の嗜好を推定するための手法です。グループ全体の傾向と個人ごとの選好を同時に考慮することで、よりパーソナライズされた分析が可能になります。ベイズ統計を用い、MCMC法などのアルゴリズムを使ってパラメータを推定します。

下図は、階層ベイズ法によって推定された個々の顧客の効用スコアを示しています。赤いセルはポジティブな効用（好ましい属性）を、青いセルはネガティブな効用（好ましくない属性）を表しています。この図から、個々の顧客の選好の違いを直感的に理解することができます。

コンジョイント分析のビジネス活用

実際のデータを用いたコンジョイント分析の結果を解説し、ビジネスにどのように活用できるかを紹介します。

要因（属性）と水準（レベル）の設定

今回は「スマートウォッチ」を分析対象とし、ターゲット層を 20〜50代のテクノロジー志向の高い消費者とします。消費者の選好を明らかにするために、コンジョイント分析を用いて、さまざまな製品の組み合わせに対する評価を収集します。

具体的には、以下の6つの要因（属性）とそれぞれの水準（レベル）を設定し、アンケート調査を実施します。

要因	水準
ブランド（3水準）	Apple Watch, Samsung Galaxy Watch, Garmin
ディスプレイタイプ（3水準）	Retina OLED, AMOLED, MIP LCD
バッテリー寿命（4水準）	18時間, 2日, 7日, 14日
防水機能（3水準）	50m防水, 100m防水, 非対応
スマート機能（3水準）	通知機能のみ, ヘルスモニタリング, フル機能
価格（3水準）	29,800円 / 49,800円 / 69,800円

刺激（フルプロファイル）の作成

上記の表は、直行表を用いて設計されたスマートウォッチの刺激（フルプロファイル）のリストです。
直行表を使用することで、全ての組み合わせを網羅しなくても、各属性の影響を適切評価できる実験計画が実現できます。

アンケート調査の実施

コンジョイント分析は多くの場合データ収集のために、市場調査を行います。作成した直交表を用いて、ターゲット層に対して製品の評価を依頼します。今回は、評価方法としてランキング方式を採用し、各回答者が好みの製品を順位付けする形式とします。

このランキングデータを基に、コンジョイント分析を実施します。ランキングデータは、各製品の相対的な選好度を示すため、消費者の選択にどの属性が最も影響を与えているのかを明確にすることができます。

コンジョイント分析の実施

データが準備できたので、次に各属性のユーティリティスコアを算出し、消費者の選好を定量的に評価します。

カテゴリ変数のエンコーディング

コンジョイント分析では、各属性とその水準がどのように選好に影響しているのかを明らかにするため、数値に変換する必要があります。通常、カテゴリ変数を扱う方法としてダミー変数（One-Hot Encoding） を用いることで、回帰分析に適したデータ形式に整えます。特に、測定値が不変尺度として扱える場合は、そのままカテゴリー重回帰分析（分散分析や数量化I類など）が適用可能になります。

また、選好データがランク付けされた順序尺度である場合、ノンパラメトリック法（例：プロビット回帰やロジット回帰）を用いることで、より適切な推定が可能になります。ノンパラメトリック手法では、選択肢間の順序関係を考慮しながらモデル化できるため、実際の消費者行動に近い形で選好を評価することができます。

回帰分析によるユーティリティスコアの算出

各属性が消費者の選択（ランキング）にどれだけ影響を与えているかを算出するため、線形回帰分析 を用いて、各属性がランキングにどれだけ影響を与えているかを求めます。回帰係数（β値）をユーティリティスコアとして解釈し、各要素の重要度を数値で評価します。

属性	水準	ユーティリティスコア	p値
ブランド	Apple Watch（基準）	0.000	–
	Samsung Galaxy Watch	-0.283	0.051
	Garmin	-0.331	0.030
ディスプレイタイプ	AMOLED（基準）	0.000	–
	Retina OLED	-0.103	0.208
	MIP LCD	0.099	0.461
バッテリー寿命	14日（基準）	0.000	–
	18時間	0.755	0.009
	2日	0.067	0.382
	7日	0.167	0.084
防水機能	100m防水（基準）	0.000	–
	50m防水	0.076	0.540
	非対応	-0.078	0.335
価格	数値変数（連続）	-0.030	0.364

値が高いほど選ばれやすい傾向があり、p値が小さいほど統計的に信頼できる差といえます。たとえば、「Garmin」は他ブランドと比較して選好度が有意に低く、「18時間のバッテリー寿命」は高い選好を示すことがわかります。

各属性の影響度（寄与率）の算出と解釈

左の棒グラフは、各属性の水準ごとのスコアを示し、消費者の選好にどの要素が強く影響しているかを視覚的に示します。 例えば、価格が高くなるほど選好されにくい傾向などが明らかになります。

右の円グラフは、各属性が消費者の意思決定にどの程度影響を与えるかを示す寄与率（相対重要度）を可視化しています。 これにより、どの要素に重点を置くべきか、どの属性が競争優位性を生むのかといった戦略的な意思決定が可能になります。

今回の結果では、バッテリー寿命とスマート機能が特に重要視されていることが分かりました。 これは、消費者がブランドよりも実用性や機能性を重視している ことを示しています。

今回のコンジョイント分析の結果を基に、スマートウォッチ市場における消費者の重視する要素が明らかになりました。企業が競争力を高めるためには、以下の点に注力することが重要です。

• バッテリー寿命の延長
• フル機能の搭載（ヘルスモニタリングや通知機能の充実）

さらに、ターゲット層を細分化し、性別やライフスタイルごとの嗜好を分析することで、より精緻なマーケティング戦略の立案が可能となります。

コンジョイント分析の注意点

最後に、コンジョイント分析を行う際の注意点です。

要因が多い場合の測定法

実際の購買行動では多くの要因が影響するため、要因を増やしたくなりますが、線型モデルでは各要因を独立した形で扱うため、要因が多くなると評価刺激の数が指数的に増加し、実験の設計や分析が難しくなります。

要因が多いと、
①回答者がすべての要因を考慮することが難しくなり、一部の要因に偏った評価をしやすくなる
②刺激の数が増えすぎると、各要因の影響を正確に測定することが難しくなる
という問題が生じます。そのため、できるだけバランスの取れた要因配置を行い、不要な要因は削減することが重要です。

要因が多い場合には、主に以下２つの方法で測定を行うことで、多くの要因を考慮しながら、実験の負担を抑えることができます。

• 水準数を揃えて直交表を利用
  すべての要因の水準数を統一し、直交表を用いることで、要因間のバランスを保ちながら少ない刺激数で分析を行います。
• 要因を2分割して2ケースのコンジョイント測定
  要因を2分割し、それぞれコンジョイント分析を行った後に統合することで、刺激数を抑えながら正確な推定をおこないます。基準となる要因（例えば価格）を両群に含めることで、測定結果の単位を比較・調整しやすくし、要因が一定と仮定される中でも安定した分析が可能となります。ただし、要因間の交互作用を測定できない点や、測定結果の単位が揃わない可能性があるため、ブリッジング要因を用いて調整し、統合することでより正確な選好データを取得することができます。

複数の流通経路のシェア

製品が複数の販路を通じて流通し、それぞれ異なる市場構造を持つ場合には、販路ごとにコンジョイント分析を分けて実施する必要があります。各販路における消費者の選好を個別に把握し、それぞれの市場規模に応じて重み付けを行うことで、全体の予測値を適切に算出できます。

例えば、ペットボトルのお茶がコンビニ・スーパー・自動販売機など、異なる販路で販売されています。それぞれの販路では購入のタイミングや目的、重視される要素（価格・容量・ブランドなど）が異なるため、ひとつのモデルにまとめて分析するのではなく、販路ごとに選好を分析することが適切です。それぞれの流通経路によって消費者の購入行動が異なるため、市場ごとの分析が必要になります。また、同じ製品であっても、酒類や医薬品などのように、小売店と専門店での取り扱い方や競合環境が異なるケースや、用途が異なる場合も同様に、それぞれ別に分析する必要があります。

さらに、同一の消費者が複数の販路を使って同じ商品を購入することもあるため、複数のマーケットで購入するケースもあるため、販売量予測時には重複を排除する必要があります。

このように、販路ごとに異なる消費者行動や市場構造を踏まえた分析設計を行うことは、実践的なコンジョイント分析において重要です。

まとめ

コンジョイント分析は、消費者が製品のどの要素を重視しているかを明らかにし、選好を数値として可視化できる手法です。組み合わせ評価を通じて、価格や機能など複数要因が意思決定に与える影響を総合的に把握できます。

製品開発や価格戦略の検討に役立てていただければ幸いです。

こちらもご覧ください