ビジネスにおける多変量テクニック

意味のあるものにするために、市場調査の質問はしばしば複雑で多層になっていなければならず、答えはいくつかの条件や要因によって変わることがあります。 ビジネスマンは多変量手法を使用して、回答と調査対​​象の製品またはサービスとの間の関連性を判断するために、さまざまな消費者の回答を意味のあるカテゴリまたは情報のクラスタにグループ化して消費者の回答を分析します。

データ型

消費者の反応は、独立、従属、相互依存として分類することができます。 個人の年齢や性別などの独立した反応は、他の変数や条件による影響を受けません。 依存反応は、あるビデオゲームに対する人の好みがその年齢にどのように直接関連しているかなど、他の何らかの独立した要因によって決まります。 相互依存応答とは、単一の要素または要素のグループを依存または独立として定義することができないものです。 コンピュータに関する個人の嗜好は多層的であり、孤立した要因とは容易に関連しません。 市場調査データの分析に使用される多変量手法は、要因間の関係によって異なります。

グループ化方法

従属応答の分析に使用される3つの最も一般的な多変量手法は、重回帰分析、判別分析およびコンジョイント分析として知られています。 相互依存応答に使用される3つの最も一般的な手法は、クラスター分析、因子分析、および多次元尺度法です。 独立した回答は、すべてのグループの構成要素になることができます。

重回帰分析

重回帰分析は、最も一般的に使用されている多変量手法です。 これは、消費者がアイスクリームのブランドなどの特定の製品を好むかどうかなどの1つの依存する回答と、個人の年齢や収入などの2つ以上の独立した回答との関係を分析するための予測ツールとして使用されます。

判別分析

判別分析を使用して、その人が「屋外」の人なのか、それとも自分でしているのかなど、さまざまな特性に基づいて人の分類を作成し、調査対象の人がどのように分類するかを判断します。マッチする。

コンジョイント分析

コンジョイント分析は、個々の好みを予測するために、製品特性の組み合わせに対する好みを探します。 たとえば、消費者が靴を買うときの優先度が快適さ、スタイル、価格、および入手可能性であると消費者が述べている場合、マーケティング担当者は快適さとスタイルが最も重要であると結論付ける可能性があります。 しかし、価格と可用性の他の要因は、一緒に検討するとランクが上がる可能性があるため、価格と可用性の両方がスタイルよりも重要になる可能性があります。

因子分析

相互に関連付けて分析するための相互依存的な調査回答が多数ある場合は、データを3つから5つの要素からなる小さなセットに減らす必要があります。 例えば、女性のグループを研究するとき、彼らの特徴は身長、体重、趣味、興味、そして活動を含むことができます。 因子分析では、5つの特性を2つに減らすことができます。サイズ、身長と体重、ライフスタイルの組み合わせ、趣味、興味、活動の組み合わせです。

クラスタ分析と多次元スケーリング

クラスター分析はまた、同様の特性に基づいて多数の集団を少数の相互に排他的な集団に減少させる。 例としては、「団塊の世代」、「オタク」、または「ユーピー」などがあります。多次元尺度法では、類似性に従って消費者の反応をグラフにマッピングし、さまざまな反応を他の反応との近さに基づいて分析できます。