市場調査員は調査を使用して、製品やサービスに関するデータを収集します。 データ収集プロセスとしての調査は、回答者に関する質問 (つまり、誰が質問に答えるか) と、製品やサービスに関する質問 (つまり、何を質問するか) の 2 つの次元で構成されます。 通常、尋ねられる質問には次のようなものがあります: 人口統計 (年齢、収入、性別など) (回答者が関心のある母集団にどれだけ似ているかを評価するため)、および研究の目的に答えるのに役立つ情報を収集するための研究の質問.
顧客が製品やサービスをどのように使用しているか、製品に対する顧客の満足度、顧客が望む新機能についての情報を収集します。 結果として得られる洞察により、より良い製品とサービスを作成し、顧客をより満足させ、組織の収益を増やすことができます。行動分析を意思決定の中心に置くことで、市場投入までの時間を短縮し、競争力を維持するのに役立ちます。 消費者調査プラットフォームは、消費者および行動に関する調査データを分析するためのツール一式を提供します。
- カテゴリープラットフォーム
- 選択モデル
- MaxDiff プラットフォーム
- アップリフトプラットフォーム
- 多因子分析
カテゴリープラットフォーム
カテゴリカル プラットフォームを使用すると、複数の応答データを含む、データ内のカテゴリ応答を集計、プロット、および比較できます。 このプラットフォームを使用して、欠陥記録、調査回答などのカテゴリ別回答データを分析し、参加者の人口統計を調査できます。
このグラフは、単純回答アンケートの質問の結果を示しています「好きな色は？」性別ごとにまとめました。 各回答者は、次のリストから 1 つの色を選択するよう求められました。赤、青、緑、オレンジ、黄、ピンク、紫、またはなし。
分析によると、青は男女ともに好きな色です。 男性の場合、青を選択した 43 人の男性回答者の頻度は 19 です。 これは 44.2% のシェアに相当します。 女性の場合、女性回答者 37 人中 11 人 (頻度) または 29.7% (シェア) が青を選択しました。 興味深いことに、11 人の回答者または約 14% が色について「なし」を選択しました。
選択モデル
選択モデリングは、提示された選択肢から個人が特定の選択を行う確率を推定するために使用される強力な分析手法です。 選択実験は市場調査で使用され、潜在的な顧客が好む製品またはサービスの属性を発見するのに役立ちます。 0 または 1 の応答インジケータを使用します。
効果の概要レポートには、効果が重要な順に表示されます。 速度が最も重要な効果であり、価格とディスク サイズがそれに続きます。
ユーティリティ プロファイラーを使用して結果を調査し、属性の最適な設定を見つけることができます。
MaxDiff プラットフォーム
評価対象のアイテムの相対的な重要性を判断するには、標準の好みのスケール (1 ～ 10) の代わりに MaxDiff (最大差スケーリング) を使用します。 MaxDiff は、回答者に最も好まれる (1) および最も好まれない (-1) 選択肢を報告し、その他の選択肢を報告しない (0) ことを回答者に強制します。 これにより、好みの尺度よりも決定的なランキングが得られることがよくあります。
アップリフトプラットフォーム
Uplift プラットフォームを使用すると、好意的に反応する可能性が高い個人にのみオファーを送信することで、マーケティング予算の効果を最大化できます。 これは、大規模なデータ セットがあり、行動または人口統計学的予測因子が多数存在する場合でも実行できます。 上昇モデルを使用して、このような予測を行うことができます。
マーケティング キャンペーンは、両方の性別を対象としたヘア カラー製品の購入を増やすように設計されました。 研究を計画し、購入を追跡する目的で、主要な美容サプライ チェーンの「クラブ カード」メンバーを特定しました。 これらのメンバーの約半数がランダムに選択され、製品のプロモーション オファーが送信されました。 すべてのクラブ カード メンバーによる、その後 3 か月間の製品の購入が追跡されました。
グラフの右側の縦軸は、未購入に比べて購入の割合が少ないことを示しています。 グラフは、黒髪、赤髪、または茶髪の女性と若い女性で購入の上昇が見られることを示しています (年< 42) 金髪。 年配の金髪の女性の場合 (年≥ 42) と男性の場合、プロモーションはマイナスの効果をもたらします。
多因子分析
多因子分析 (MFA) は、主成分分析 (PCA) と密接に関連する分析手法です。 MFA は固有値分解を使用して、同じアイテムの複数の測定値を直交主成分に変換します。 これらのコンポーネントは、項目がどのように類似しており、どのように異なっているかを理解するのに役立ちます。
この例では、ワインの特性に関するシミュレートされた官能パネル研究からのデータを使用します。 参加者は、1 (強度なし) から 10 (顕著な強度) までの多数の特性について 16 のワインを評価しました。 16 種類のワインがどのように類似しているか、またはどのように異なっているかをよりよく理解したいと考えています。
最初の 2 次元の因子スコアのプロットでは、ワインは地域に応じてクラスター化する傾向があることに注意してください。 ローディング プロットでは、左下象限の光線がキャロリンに対応します。 それらは、キャロリンと他の評価者との違いを示しています。
1. JMP 第 1 版を使用した市場データ分析、Walter R. Paczkowski。 eISBN-13: 9781629604855
2. JMPオンラインヘルプメニュー - 消費者調査 - 行動調査の方法
