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。 製品 製品属性 効用 市場シェア PC CPU HD メモリ ディスプレイ 価格 U（PC１） U（PC２） … m（PC１） m（PC２） …
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
製品プロファイル PC１ PC２ 価格：15万円 CPU: 1.7GHz HD：40GB メモリ：128MB ディスプレイ：17インチ 価格：17万円 CPU: 2.2GHz HD：40GB メモリ：128MB ディスプレイ：15インチ
コンジョイントモデル U(PC1) = UP(15万) + UC(1.7GHz) + UH(40GB) 価格の部分効用 U(PC1) = UP(15万) + UC(1.7GHz) + UH(40GB) + UM(128MB ）+ UD(17インチ） PC1の効用
コンジョイント分析で分かること どの属性がどの程度好まれるかがわかる。 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。 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。 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。
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
コンジョイント分析の計画 利用する属性の決定。 各属性の水準の決定。 製品プロファイルの作成。 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。
直交配列によるプロファイルの作成
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
プロファイルの選好順序データ
モデルの推定（回帰分析） 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 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 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 Averaged Importance Utility Factor öòòòòòòòø PRICE 価格 ó32.29 ó .9667 ó--- 150000 õòòòòòòò÷ .3833 ó-- 175000 ó .1833 ó- 200000 ó öòòòòòòòòòø CPU cpu ó41.15 ó .6958 ó- 1.7GHz õòòòòòòòòò÷ .8792 ó--- 2.2GHz ó 1.2167 ó---- 3.06GHz öòø HD hard disk 8.85 ó ó -.2667 -ó 20GB õò÷ .1083 ó 40GB ó .1583 ó 60GB öø MEMORY memory 4.17 óó -.1000 ó 128MB õ÷ .1000 ó 256MB öòòø DISPLAY display 13.54 ó ó -.3250 -ó 15inch õòò÷ .3250 ó- 17inch 8.9625 CONSTANT Pearson's R = .726 Significance = .0007 Kendall's tau = .538 Significance = .0019
シミュレーション U(150000円,3.06Hz,60GB,256MB, 17inch) = 87.500