コンジョイント分析のホワイトペーパー

コンジョイント分析とは

定義

コンジョイント分析は、回答者（顧客）が製品やサービスのさまざまな要素に配置する好みと重要性を測定するための市場調査手法です。これは、さまざまな商品オプションやさまざまな商品構成が与えられたときに人々が行うトレードオフを理解する上で重要な役割を果たします。コンジョイント分析の中心は、製品属性がパッケージ全体が購入される可能性を増減させることができるという考え方です。したがって、その好みを定量化することができます。

コンジョイント分析はどのように行われますか。

コンジョイント分析は、さまざまなパッケージ (バンドル、製品、オプションとも呼ばれる) を参加者に表示することによって行われます。参加者は、これらのパッケージを評価し、購入する可能性が最も高いパッケージまたは最も魅力的なパッケージに基づいてパッケージを選択するように指示されます。回答者は一連のパッケージから選び、続行しながらトレードオフを行う必要があります。

コンジョイントアンケートは、通常、質問ごとに2～4個のパッケージで構成されます。参加者が行う選択では、有利なバンドルでどの機能および機能の組み合わせがより頻繁に表示されるか、および不利なバンドル間でどの機能と機能の組み合わせがより一般的であるかを把握します。

コンジョイント分析を実行する手順は次のとおりです。

1. コンジョイント分析でテストする属性を決定します。
2. 実験デザインを生成します。
3. コンジョイントタスクをホストするアンケートを設計します。
4. 回答を回収
5. コンジョイントの結果を分析します。
6. 発見事項をレポートします。

これらの各ステップは、前のステップに基づいており、最終目標である、顧客ベースの有利なトレードオフと嗜好を理解することです。

Qualtricsは、研究者がより大規模な調査を行えるXMソリューションを開発しました。これにより、研究者は迅速かつ簡単にコンジョイント分析を行い、トレードオフ演習で回答者を実行できるようになります。選択肢データを収集するには、さまざまな方法およびアプローチがあります。これらはコンジョイント型と呼ばれます。Qualtrics XM Solution は現在、選択ベースの（離散的な）コンジョイント分析をサポートしています。

コンジョイント分析では、どのようなビジネス目標が解決されますか。

コンジョイントは、他の方法論では答えられない質問に答えるのが専門です。これらの質問には、以下が含まれます。

• プリファレンスと訴求の測定に最も重要で影響力があるのは、製品のどの機能ですか。
• 顧客は購入を決定する際に何を重視していますか。顧客が購入するかどうかに最も大きな影響を与えることは何ですか。
• 意思決定において、価格はどのような役割を果たしますか。また、価格設定にはどのようなメリットがありますか。
• 顧客は価格設定の変化にどの程度敏感になりますか？
• SAP が考えている各機能の市場に対する金銭的または相対的な価値は何か？プレミアム機能に対する支払いをどの程度希望しますか？
• SAP の顧客はどのようなトレードオフを行う可能性がありますか。価格を上げる必要があると分かっている場合、アピールと市場シェアを失わないように、どのような機能や機能を製品に追加できますか。
• さまざまな製品の市場シェアはどのようになっていますか。製品選定のシフトと変更は、市場シェアにどのように影響しますか。
• 検討している製品は、競合他社と比較してどうか。現在市場に出ているものに対して最善の競争をするために何ができるでしょうか？
• 既存の製品に変更を加える場合、どのような改善を行うことができますか。既存の顧客に最も共感できるものは何か。
• バイヤー数を増やすために提供できる最適な製品は何ですか。収益を最大化するには？利益を最大化するにはどうしたらよいでしょうか？

ご覧のとおり、コンジョイント分析では、多様で動的なビジネス上の疑問に対する洞察を得ることができます。これらは、製品関連の問い合わせにすぎません。このリストの長さと正当性は、定期的にコンジョイント分析を行う人が非常に好ましい理由である。コンジョイントは、幅広いビジネス目標へのビジョンを提供し、研究者や組織に重要な信頼をもたらします。

コンジョイント属性の定義

機能とレベル

コンジョイント分析に組み込む変数の構造は、以下のとおりです。 機能とレベルきのうとれべる.   機能は、変数の主要なカテゴリです。各機能は、各機能のより具体的な単位であるレベルのセットで構成されます。

どの機能やレベルを研究に組み込むのかを決めるにはトリッキーなバランスがある。変数をテストしないと、その優先事項はゼロビジョンになりますが、テストする機能やレベルが多すぎると、回答者の疲労、一貫性のない回答、価値のないデータにつながる可能性があります。

回答者ごとに提示する質問やパッケージの数に関しては、画一的なアプローチはありません。  異なる種類のコンジョイントは変数を増減させることができるが、従来、研究者は特徴ごとに2-7レベルを持つ2-8個の特徴を持つことを望んでいた。  このエクスペリエンスは回答者に最も適しているため、これは選択ベースのコンジョイント分析のスイートスポットとみなされ、一般に最適な結果をもたらします。

含める機能やレベルが多いほど、コンジョイントが難しくて圧倒的になることが回答者にとってになることに注意してください。機能とレベルが増えるほど、さらに質問する必要があります。  商品属性をテストするかどうかの間のこのタグ付けは、見落とせない重要な決定です。研究者は、コンジョイントに何を挿入し、何を除外するかを慎重に検討する必要があります。

コンジョイントでテストする属性の数に関係なく、明確で簡潔であることが不可欠です。回答者が確認しているバンドルを把握できない場合、データは何も意味がありません。機能とそのレベルの両方に使用されるテキストは、簡潔かつ正確に説明する必要があります。調査作成者は、調査対象製品について検討し、調査対象者のコンテキストにも焦点を当てる必要があります。「社外の人はこれらのバンドルを理解できるでしょうか」と自問してください。

長いテキストがページを乱雑にし、選択タスクが困難で圧倒的になる可能性があることに注意してください。属性を定義する適切な単語を見つけるときに、イメージを使用するのが素晴らしい拡張です。コンジョイント解析では「絵は千語に値する」と真を鳴らすことができる。

除外および禁止ペア

チームがテスト対象の商品属性を決定している場合、組み合わせが意味をなさない組み合わせを探すことが重要です。これらは必ずしも、対になる可能性の低い 2 つのレベルではなく、分かりにくく、ペアにならない 2 つのレベルです。通常、これらは以下と呼ばれます。 除外 または禁止されたペア。

禁止ペアを削除すると、デザインとモデルに穴が開き、変数の独立した性質が低下するため、変数は可能な限り回避する必要があります。

試験的デザイン

試験的デザインおよびコンジョイント分析

ほとんどのコンジョイント分析プロジェクトの性質は、すべての組み合わせを回答者に表示できるわけではないことです。すべての組み合わせまたは完全な階乗の一覧は、数百または数千のバンドルに簡単に到達できます。明らかに、考えられるすべてのバンドルを各回答者に表示することはできませんでした。しかし、さまざまな組み合わせの好ましさに関するインサイトを得るにはどうすればよいでしょうか。

他の実験的アプローチと同様に、戦略と科学の原則は、サブセットのみを示す一方で、組み合わせ空間全体を読み取る方法を解読する際に活用される。  コンジョイントの実験的設計では、回答者に公開するプロファイルの数を最小限に抑えながら、潜在的なパッケージ全体のデータポイントの数と範囲を最大化します。

回答者に表示されるカードの決定には、いくつかのアプローチがあります。カードは、評価のために回答者に提示されるバンドルまたはプロファイルです。従来、コンピュータが今ほどアクセス可能で強力ではなかった時代には、事前定義されたデザインテーブルが生成され、研究者によって参照されていた。  機能とレベル（多くの場合 3×3 または 4×4）の数を特定し、対応するデザインテーブルを見つけてアンケートに組み込みます。  ただし、これらのテーブルにより、ほとんどの研究者が機能属性スペースを必要とし、定義する必要がある柔軟性が削減されます。

現在、ほとんどの選択ベースのコンジョイントと評価ベースのコンジョイントデザインは、回答者に提示される分数階乗カードセットをカプセル化します。分数階乗は、全階乗の分数を表示することを意味します。

アンケート内に表示されるプロファイルの戦略的サブセットを決定する際には、いくつかの重要な要素があります。

• カードセットには、各レベルにわたる相対的な残高が必要です。つまり、機能内で、各レベルを同数のバンドルに含める必要があります。
• 6 つのバンドルで示されるレベルは 1 つではなく、別のレベルは 1 つのバンドルにのみ含まれます。アンケート調査と同様に、ランダム化手法によって回答の有効性が向上し、心理学の順序バイアスが制御されます。
• コンジョイントデザインは、バンドルの一部をすべて組み込むバージョンまたはブロックが多数ある場合に最適です。ジョーダン・ルヴィエール（選択モデリングの初期の先駆者の一人）とソー歯ソフトウエア創始者の両者は、デザイン全体の一部となるバージョンが多いほど良いことに合意している。回答者は、表示されるパッケージコンストラクトを決定するこれらのバージョンの 1 つに割り当てられます。
• その他、コンジョイント設計議論に多く含まれる原則は、直交性とd効率である。  これらの概念をコンジョイント研究の実験的設計に組み込む必要性や重要性についての議論がある。

選択肢ベースのコンジョイントのためにデザイン生成に入力する必要がある基本質問は、回答者に表示される質問またはタスクの数と、質問ごとの選択肢や選択肢の数です。従来の選択肢ベースのアプローチでは通常、2つの選択肢が必要であり、回答者はオプションAとオプションBのどちらかを選択します。とはいえ、1問につき3つ以上のバンドルを表示することは間違いなく適切だ。考え抜く必要がある主な質問は、選択肢が増えれば回答者にとって圧倒的なエクスペリエンスを生み出すかどうかです。場合によっては、2 つのバンドルを好みのために評価するだけで、大変な作業になることがあります。また、「これらのどれも」オプションが調査に含まれない場合、スクリーンスペースは 2 つの選択肢とまったく使用しないより良いエクスペリエンスを提供する可能性があります。

アンケートのコンジョイント部分を構成する質問の数は、タスクごとの選択肢の数と、テストされるコンジョイント属性のサイズに基づいて計算する必要があります。表示されるカードの数を決定する一般的な計算式は、以下のとおりです。

カード数 = 合計レベル数 – 機能数 + 1

レベルの合計数は、単にすべての機能にわたるレベル数の合計です。カードの総数と質問ごとの選択肢数に基づき、質問数をリバースエンジニアリングしやすい。

ただし、他の呼称よりも主観的な呼称もある。たとえば、質問の数を減らして質問ごとのバンドルを増やすか、データ品質を損なうかによって、サーベイを短縮するかどうかを決定する必要がある場合があります。質問と質問ごとの選択肢のバランスを解決するための最善のアプローチは、単にテストすることです。アンケートを作成して回答します。これを同僚に配布し、質問の密度とアンケートの長さに関する意見を得ます。

Qualtricsコンジョイントが実験的なデザインを生み出す方法

Qualtricsでは、ランダム化された残高設計アプローチを採用しています。このアプローチでは、レベルと重複しすぎず、一部を奨励しています。このアプローチは、Sawthose の Balanced Overlap Design に似ています。このアプローチは、階層ベイズ推定手法と組み合わせると非常に効果的です。  設計アプローチの基本は、さまざまな回答者に評価するさまざまなパッケージを提示することです。評価のために、さまざまなレベルが適切に表示されるようにする必要があります。デザインは、一連の質問であるバージョンを使用して定式化されます。各バージョンには同じ量のタスクがあり、各タスクには同じ数の選択肢があります。

バージョンの数は、以下の計算式を使用して計算されます。

バージョン数 = (基本数 * 任意の機能のレベルの最大数) / (質問ごとの選択肢数 * 質問の数)

この式の結果は、10 で割り切れる最も近い丸め数に丸められます。

すべての機能の合計レベル数が 10 以下の場合、基準番号は 750 です。すべての機能の合計レベル数が 10 を超える場合は 1,000 になります。

アルゴリズムでは、まずそれぞれのタスクと選択肢に対してバンドルがランダムに生成されます。次に、各バージョンについて、各レベルが表示される回数にわたって相対的なバランスがあるかどうかがチェックされます。このアルゴリズムでは、各レベルがまったく同じ回数表示されることは強制されませんが、そのバージョンで最も多く見られるレベルと最も低いレベルとの差異が 2 の偏差を超えないようにします。これらの条件を満たさないバージョンは、残高ルールに準拠するまでリファクタリングされます。このアルゴリズムは、必要な数のバージョンが生成されるまで続行されます。

サーベイとサンプルサイズ

アンケートのプログラミング

コンジョイント分析は、アンケートを通じて収集した回答に基づいて行われます。アンケートは、回答者がデザインを提示し、トレードオフ選択を行うタッチポイントです。

コンジョイント研究を実施する場合、通常は調査の焦点となるが、その全体ではない。アンケート内のコンジョイント演習が簡潔でよく構成されていることが重要です。データとインサイトは、パッケージが明確であるのと同じ精度になります。コンジョイントアンケートには、通常、（適切なタイプの回答者がそれを実行できるようにするための）、教育リソースによる紹介、およびデモグラフィックに関する質問が含まれます。コンジョイント調査にほかの質問をいくつ追加できるか、または［アンケートフロー］でコンジョイントがどこに落ちるかについては、難しいルールはありません。なお、コンジョイント以外の回答者に質問された質問は、コンジョイント演習に与えられる時間と焦点を当てる。調査は設計および構築中であるため、アンケートの長さを考慮する必要があります。解答者の死亡は、研究の口径を低下させる確実な方法である。10～15分以上かかるアンケートは、疲労やデータ品質の問題の影響を受けやすくなります。

コンジョイント調査から収集したデータは、回答者が現実的に実際の購入設定に配置できる場合にのみ正確です。回答者が選択対象のパッケージについて完全に情報を得られていることは、コンジョイント分析内の必須事項です。多くの研究は、一般大衆に知られ、関係のあるテスト概念である。ただし、プロジェクトに当てはまらない場合は、説明や動画を通じて回答者を適切に教育するためのコンジョイントの前に時間を費やす必要があります。パッケージが明確になるのは、調査実施者にとってであり、結果として得られるユーティリティの信頼性が高まります。

説明はシンプルで分かりやすいものであるほか、カードのレイアウトも理解と分かりやすさにも役立つはずだ。これにより、回答者は確実に比較して回答することができます。

サンプルサイズ

収集する必要がある回答の数と、調査に回答する個人に対する関連性は、コンジョイント結果の成功と精度にとって重要です。次は、Sawthose Software が応答数を判定するために使用する方程式です。

回答者数 = (乗数*c)/(t*a)

乗数 = 750-1000

c = すべての機能にわたって最大レベル数

t = タスクまたは質問の数

a = 質問ごとの代案または選択肢の数

大きいプロジェクトでは乗数 750、小さいプロジェクトの場合は 1000 をお奨めします。ソー歯は 300 から 500 の乗数を推奨していますが、より多くの数が決定的な結果とシミュレーションを提供していると感じています。

コンジョイント演習を受ける個人が、製品やサービスを購入、発注、および選択する相手を反映していることが重要です。多くの場合、研究者は調査の最初にスクリーニング担当者を定義して、関連する意見を確実に収集します。  また、多くの場合、グループには、調査をデプロイできる現在または見込顧客の一覧があります。

コンジョイント分析のモデリング

概要

コンジョイント分析では、データが予測とモデルに変換されます。回答者の選択肢が好みに変換される場所です。分析の結果は、価値のあるものとそうでないものを理解することになり、組み合わせをどのようにバンドルすべきかを照らし出します。

分析の核となるのは、回答者が各レベルに割り当てるユーティリティを推定する統計モデリングです。統計モデリングのため、コンジョイント解析は「複雑」と評判になるが、これはコンジョイントが世界クラスの研究技術であることに定評を持たせるものでもある。回帰および多項ロジスティクスモデリングなど、公益事業優先の計算には、通常、集約レベルで実施される統計的アプローチがいくつかあります。

サーベイ選択のモデル化方法に関係なく、出力は、回答者の基準が各機能の一意のレベルに対して持つ値または好みを表す効用係数である必要があります。ユーティリティスコアの個別レベル計算を可能にするデザインおよび分析手法では、回答者ごとにプリファレンスモデルを導き出すことができます。これは、さまざまなデータカットや潜在的クラス分析、シミュレーションのセグメンテーションなど、さまざまな理由で役立ちます。個別ベースのユーティリティモデルを生成するために採用される主なアプローチは、階層ベイズ (HB) 推定です。この手法では、ベイズ法を使用して、テスト対象の各変数の相対値を確率的に導出します。

階層ベイズ推定

階層ベイズ (HB) 推定は、テストされた属性について個々の相対ユーティリティを推定する下位レベルモデル、および母集団の予測を好みに合わせて特定する上位レベルモデルを含む反復プロセスです。これらの二つは解析が収束するまで共に働き、各個体のそれぞれの属性の値を表す係数上に収束する。HB の見積では、他の回答から情報を借用し、より良く、より安定した個人レベルの結果を得ます。これは非常に堅牢であり、回答者に提示するタスクが少なくなっても、お客様の好みをよく読み取ることができます。

この手法は、上位モデルと下位レベルモデルのために “階層” とみなされます。このアプローチでは、平均的な好み（上位レベルのモデル）を推定し、回答者がその分布とどの程度異なるかを測定して、特定のユーティリティを導き出します（下位レベルのモデル）。この過程はいくつかの反復を繰り返し、その構成に基づいて特定の概念が選択される確率を究極的に推し進めるのに役立つ。Qualtricsでは多項ロジスティック回帰モデルを特に使用します。

Qualtricsコンジョイント分析ソリューションでは、STANで書かれた階層ベイズ推定を使用して、個別のプリファレンスユーティリティを計算します。Qualtricsではマルコフチェーンごとに1000回反復を実行し、4つのチェーンを実行します。

個別レベル効用係数

ベイズモデルの結果は、個人が各レベルに割り当てられるユーティリティを表す優先スコアです。  これらのスコアはしばしばpartworth utilityと呼ばれ、コンジョイント研究から得られたすべての要約指標とシミュレーションの基礎となる。  ユーティリティファイルには、コンジョイント分析に含まれる回答者ごとに 1 行、調査内の一意のレベルのテストごとに 1 つの列があります。各回答者の選好のモデリングでは、さまざまなバンドルを使用した場合に回答者がどのような選択を行うかを予測できます。ユーティリティは性質上序数であり、パッケージの合計バンドルユーティリティへの貢献度によって、テストされた各レベルのランク順序を教えてくれます。

パートワースユーティリティのスコアはゼロ中心で、通常は -5 から +5 の範囲内です。コンジョイントソリューションでは、概要指標オプションを使用して、各個人のローユーティリティスコアを CSV にエクスポートすることができます。

集計メトリクスおよびコンジョイントレポート

コンジョイントサマリ指標

分析の基礎として導出した効用係数を用いて、成果物や成果物を用意して調査結果を紹介することができる。これらは、すべてのサマリメトリックおよびシミュレーションの構成要素になります。一般的にコンジョイント分析に付随するコアサマリメトリクスを以下に詳述する。

• 機能の重要度：製品選定における意思決定における機能の影響度。特長の重要性が高いほど、有利な製品になるものに重みを持ち、コントロールする度合いも高くなります。特長の重要度は、その特徴の中で最高レベルと最低レベルの距離を取って計算されます。距離が大きいほど、機能の重要性は高くなります。機能の重要性を考える簡単な方法は、その機能のレベルがチョイックベースのコンジョイントモデルでパッケージが選択されているかどうかに大きな影響を与えることです。
• 平均効用スコア：すべての回答者における各レベルの平均効用スコア。これらは本質的に序数であり、レベル間の相対的な優先度を示します。平均的なユーティリティは、いくつかの方向性を理解できますが、コンジョイント分析を要約するスタンドアロンのメトリクスであってはなりません。
• First Choice Preference Score ：最初の選択肢の優先スコアは、さまざまなレベルで最も効用があった回答者の割合を示します。各回答者の効用係数内で、各機能に上位または最も好ましいレベルが設定されます。最初の選択肢スコアは、そのレベルがこの機能に最適な選択肢であると判断した回答者の分布です。
• 好ましさの割合: 好ましさの割合は、あるレベルが他のどの機能コンポーネントよりも選択され、そのレベルが一定である確率を測定したものです。これは、多項ロジスティック回帰モデルを使用して計算されているユーティリティの製品であり、レベル効用を指数化し、それを機能内のすべての指数化されたレベルの合計で除算することによって導出されます。
• 支払意欲：別の属性と比較して、顧客が商品の特定の属性に対して支払う意思がある金額。通常は、基本ケースまたは現在のケースレベルを定義することをお奨めします。定義後、基本レベルと比較して、基本ケースが支払う意思の程度を決定することができます。各レベルには、基本ケースと比較して支払意思がある場合があります。これは、価格またはコストがコンジョイント分析の機能である場合にのみ使用できます。異なるプライスポイント間の効用差の量を見つけて、その1電位あたりのドル比を他のレベルとその効用スコアに適用することで算出される。通常は、回答者レベルで支払意思を計算してから、集計および集計します。
• 最適なパッケージ：これは、顧客の好みとアピールを最大化するために最適なパッケージです。これは常に、組織が移行したいとお考えのアプローチであるとは限りません。これは、導入コストが非常に大きい場合がありますが、方向的に指針を示すことができるためです。

コンジョイント分析インサイトに関するレポート

コンジョイント分析により、顧客の行動予測に関するさまざまな驚異的な洞察を得ることができます。さまざまな指標およびチャートで、回答の傾向と共通性を示すことができます。しかし、コンジョイント解析研究の一次出力は常にコンジョイントシミュレータであるべきである。シミュレータは、顧客が行うトレードオフや、異なるパッケージの相互比較など、重要な質問に回答するためのツールである必要があります。上記のサマリメトリックは有用であり、目的を果たしますが、常にシミュレータを指す必要があります。

コンジョイント分析のシミュレーション

シミュレータとは

コンジョイント分析シミュレータは、妥当な製品選定間の優先度のテストと予測を容易にするインタラクティブなツールです。シミュレータには通常、コンジョイント研究に含まれていた属性で構成されるパッケージの作成を可能にする一連のドロップダウンが含まれている。中心的には、コンジョイント分析は、顧客がさまざまな選択肢を提示した場合に行うトレードオフを認識するための手法です。プリファレンスシミュレータは、2 つ以上のオプションが提示されたときに、顧客が実現する見込みのトレードオフをレポートすることによって、この目的を具体化します。シミュレータ内の潜在的なシナリオは、製品コンストラクトとして天文学的であり、含めるセグメントを変更することができます。

明らかなトレードオフ分析に加えて、コンジョイントの結果からインサイトを引き出すために非常に価値のあるさまざまな用途があります。シミュレータの最も一般的な手法は、競合ランドスケープ分析の実行、製品ベースのケースからの改善、および製品属性の相対的な価値です。

コンジョイントシミュレータによってカバーされるビジネス目標

シミュレータによる競合ランドスケープ分析

健康な企業は、頻繁に肩越しに目を向けて、競合他社との比較を調査します。コンジョイント分析は、ビジネスの潜在的な製品選定が市場での競合オプションと比較してどうであるかを明らかにするための優れたツールです。ただし、これは調査の特長とレベルに含まれる競合製品の属性次第です。シミュレータ内で、競合他社の製品属性をレイアウトし、残りのオプションを使用して、さまざまなバンドルを定義して、既存の市場への積み上げ方法をプレビューすることができます。

シミュレータによる既存製品の改善

多くの場合、製品は、競合他社の一歩先を行き、関連性と革新性を維持するために、改革と改善を行う必要があります。これには段階的な調整が必要です。コンジョイント調査は、企業が新しい見込み客を魅了し、現在のユーザーを維持するための最も説得力のある変更を行うことができる方法を理解するための素晴らしい方法論です。データを手元に置くと、シミュレータを使用して、属性を変更する what-if を取得することができます。シミュレータ内の「オプション1」を現行製品に設定でき、コントローラによって「オプション2」を繰り返し変更し、最大の利得がどこにあるかを発見できる。

シミュレータによる製品属性の相対値の測定

どの製品も、中核的には、複数の機能を組み合わせたものです。これは、その部分の合計です。それらの部分の好みをグラッシングすることは、コンジョイント解析に欠かせない。「好み」に拡大し、各レベルの価値をさらに定量化してみる意味がある。価格が属性セットに含まれている場合、シミュレータはその値を推理するための優れたツールとなります。このプロセスでは、”オプション 1″ と “オプション 2” で同じ製品選定がミラーリングされます。単一レベルまたはレベルのグループを変更すると、同じではない優先設定共有が表示されます。もう 1 つのオプションでは、価格レベルを移動して、2 つのパッケージが再び等しい場所を見つけます。”オプション 1″ と “オプション 2” の価格差異は、そのレベルまたはレベルグループの相対値として解釈することができます。

FAQ