データマイニングは通常 POSデータとか顧客データとか膨大なデータを扱います。しかしながら、例えば天然の真珠をむやみに採る（マイニングする）と乱獲になります。そこで、粒揃いの真珠を計画的に作ることを考えます。つまり養殖真珠です。これに相当するのが実験計画法と呼ばれる統計手法です（その中で、特にマーケテイング分野で適用・普及した手法がコンジョイント分析と呼ばれています）。

そこで、今回は実験計画法の事例を紹介します。得られたデータは Excelで解析可能です。読者は事例を理解して、自らも解析できるようになって下さい。

１．はじめに

　まず、人気弁当を探るためにアンケートを作らなければなりません。メインはどんなものがよいのか、価格はいくらぐらいがよいのかなどです。このアンケートは４種類｛メイン、メインの量、おかず、価格｝からなります。そして、それぞれがメイン｛オムライス、そば、ドリア、サンドイッチ、おにぎり｝、メインの量｛普通、少なめ、多め｝、おかず｛サラダ、煮付け、おひたし、炒めもの、なし｝、価格｛３９０円、５００円、６３０円｝に分かれています。実験計画法ではメイン、おかずなどのことを要因と呼びます。そして、オムライス、サラダ、３９０円など要因の中身のことを水準と呼びます。このアンケートでは４要因がそれぞれ５、３、５、３水準で成り立っていることになります（表１参照）。

　アンケートは４要因がそれぞれ５、３、５、３水準で成り立っているわけですから５×３×５×３＝２２５とおりの弁当が考えられます。これをすべてアンケートに盛り込むとなると膨大な量になります。回答する側もいやになってしまいます。そこで、ここでは直交表というものを利用します。直交表については注を参照して下さい。ここではＬ_１５直交表を用います。
 
 

注：直交表とは

直交表とはバランスよく１と２（あるいは１、２、３、４、５）を並べた表と考えたら理解しやすいでしょう。アンケート作成などの際に、効率良く情報を得るために用いられます。表２にＬ８直交表の一部を示します。ここでは４列までしかありませんが、本来は７列あります。１と２が規則正しく並んでいることがわかります。

表２の相関係数を求めてみると表３のようになります。自分自身の相関係数はもちろん１ですが他の列との相関係数は０になっています。これが直交表の性質の１つです。相関係数とは、ある量とある量との線形な関係の度合いを表す指標で、−１と１の間の値をとります。１あるいは−１に近いとき強い相関があり、０に近いときは相関がないといわれます。

この L_８直交表を用いることにより、４要因２水準は本来ならば２の４乗で１６とおりの組み合わせとなりますが、８とおりの組み合わせでよいことになります。具体的に表２に要因及び水準を入れてみましょう（この作業を「割り付け」といいます）。例えばメイン｛オムライス、そば｝、メインの量｛普通、多め｝、おかず｛サラダ、煮付け｝、価格｛３９０円、５００円｝という要因及び水準の場合、１列をメインとし、１にオムライスを、２にそばを割り付けます。同様にして以下３要因も割り付けます。

表４が割り付けた結果です。

本来ならば１６（２の４乗）とおりの組み合わせになるはずのものが表４のように８とおりで済みました。このように直交表を利用して、割り付けることにより、非常に効率良く情報を得ることができるようになるのです。

（注）直交表には他に L_４、L_{１６、Ｌ３２（２水準系）、}L_９、L_{２７（３水準系）などがあります。}
 

２．アンケートの作成と回答結果

直交表を利用して、アンケート用紙を作成します（表５）。

_{表５　アンケート用紙}

直交表を利用したことにより、本来ならば２２５とおりの弁当に回答してもらう必要がありますが、１５とおりで済みました。このように、アンケートを作成する側と回答する側の手間をいかに省くかということも重要なことです。さらに手間を省いたのにもかかわらず、それから得られる情報が多いということも大切です。

このアンケートの見方は、例えば、番号１はメインがオムライスでその量が普通、おかずはサラダで価格は３９０円ということになります。以下番号２から１５までも同じようになります。

このアンケートを女性会社員に回答してもらいました。１から１５までの弁当について、絶対買うなら１０点、絶対買わないなら０点、わからないなら５点を記入してもらいました。今回は１３人の女性会社員の回答結果です。その結果の平均点は表６のようになりました。

平均点を棒グラフにしたものが図１になります。平均点は人気度といってもよいでしょう。以下人気度と呼びます。

　　　　　　　　　図１　アンケートの平均点

グラフからもわかるように弁当１がもっとも平均点が高い、すなわち人気があるようです。しかし、もっと平均点の高い組み合わせは存在しないのでしょうか。このことを調べるために表６を分析してみましょう。

３．人気度を表す式を求める

そのために表６を回帰分析で可能なように表７のように作り直します。作り方は該当する水準があれば１、そうでなければ０と記入します。

　表７を回帰分析にかけます。このとき、このままでは回帰分析はできません。統計学的な理由から各要因ごとに１水準ずつ削除する必要があります。削除したものが表８です。

表８を回帰分析すると表９のような実行結果が得られます。

表９の係数から人気度を表す次の式が求まります（削除した列は係数を０とします）。

メイン　


人気度（ｙ）＝−３.４３＋　　　６.２０（オムライス）

　　　　　　　　　　　　　２.６９（そば）

　　　　　　　　　　　　　２．８６（ドリア）

　　　　　　　　　　　　　０.００（サンドイッチ）

　　　　　　　　　　　　　２．８９（おにぎり）

　　メインの量　　　　　　おかず　　　　　　　　価格　

＋　１.０３（普通）　　＋　１.８３（サラダ）　　＋　２.９３（３９０円）

　　０.００（少なめ）　　　４.９２（煮付け）　　　　０.４０（５００円）

　　３.１５（多め）　　　　３.１３（おひたし）　　　０.００（６３０円）

　　　　　　　　　　　　　２．８８（なし）

　　　　　　　　　　　　　０.００（炒め物）

　　　　　　　・・・（１）
（１）式から最も人気が高い弁当はメインがオムライス、メインの量は多め、おかずは煮付け、価格は３９０円の組み合わせで

　−３.４３＋６.２０＋３.１５＋４.９２＋２.９３＝１３.７７点

であることがわかります。かなりの高得点です。逆に、最悪の組み合わせはメインはサンドイッチ、量は少なめ、おかずは炒め物、価格は６３０円の組み合わせで

−３.４３＋０＋０＋０＋０＝−３.４３点

となります。

４．人気度に効いている要因は何か　〜要因分析〜

この表１０を棒グラフにしたものが図２です。

　図２からメインが大きな比重を占めていることがわかります。次におかずの影響が大きいようです。メインの量、価格は同程度です。女性会社員は自分が食べたいものを重視している、ことがわかります。

　しかし、コンビニにとっては、人気ばかりを考えるわけにはいきません。ほどほど人気があり、しかも売上に貢献する弁当を見つける必要があります。いろいろ組み合わせてみましょう。メインはオムライス、量は多め、おかずはなし、価格は６３０円とすると（１）式より

−３ .４３＋６.２０＋３.１５＋２.８８＋０＝８.８点

また、別の組み合わせを考えると、メインはオムライス、量は普通、おかずは煮付け、価格は５００円とすると（１）式より

−３ .４３＋６.２０＋１.０３＋４.９２＋０.４０＝９.１２点

このように、いろいろな組み合わせが考えられます。アンケートを取ったときに、「必ず買う」は１０点でした。ですから、１０点に近ければ近い程、売れるかつ人気のある弁当であると考えることができます。

５．まとめ

　女性会社員に人気のあるコンビニ弁当はどのようなものか探るための手順をまとめると以下のようになります。

�@弁当を構成する要因（使用したい項目）と水準（項目の中身）をリストアップする

�Aアンケート表を作るために、直交表に要因と水準を割りつける

�Bアンケートを集計し、平均値を人気度とする

�C割り付け表を回帰分析用に作り直す（アンケートを０、１で表す）

�D人気度を被説明変数、割り付け表を説明変数として回帰分析を実行する

（注）要因ごとに１列ずつ削除する

�E回帰分析結果の各水準の回帰係数から、人気度を表す式を作る

（注）削除した水準列の回帰係数は０とする

�F人気度が高くなる要因と水準の組み合わせをとりあげ、１０点に近く、かつ売上に貢献する弁当を探す

�Gどの要因が効いているか要因分析をおこなう（各要因の最高水準 ?最低水準の値をだし、要因ごとに比較する）

　以上御紹介したことは人気のある弁当のコンセプトを開発する方法です。ここでは女性会社員向けコンビニ弁当でしたが、弁当に限りません。色々な商品のコンセプトの開発に適用できます。例えば、ヒットする和定食メニュー、リフレッシュ休暇旅行、学生の海外研修旅行、携帯電話、ゲームソフト、金融商品、等です。コストをかけないで手軽にできる方法です。読者もヒットする商品開発にチャレンジしてみせんか。

1. 上田太一郎　『データマイニング事例集』（１９９８）、共立出版
2. 上田太一郎　『データマイニング実戦集』（１９９９）、共立出版

トップページに戻る