第5回 半沢直樹的なデータ解析

はじめの言葉は、前人未踏の密林に探検隊が足を踏み入れて、現地の略図を作成するのに似ています。錯綜したデータを見通しよく整理することを通じて、マーケティング上興味のある仮説を発見することが主な狙いになります。あくまでも仮説は仮説にすぎないので、それが正しいとは限りません。また、これからどういうマーケティング戦略をとるべきかという疑問にストレートに答えてくれるわけでもありません。これが「はじめの言葉」といわれる所以です。

一方、おわりの言葉は因果関係や影響の強さを明らかにして意思決定につなげることが目的になります。ビジネスで言えば「わが社の製品が売れないのは、この製品のここが悪かったからだ」とか「こうなったのは××部署のせいだ」と責任を明らかにすることになります。もちろん責任を追及するだけではなく、どうすれば事態を改善できるかを知ることが一番大切です。一般的にいえば、「〇〇の製品を作って、△△の方法で販売すれば、ビジネスは成功する」という結論を出そうとするのがおわりの言葉です。

【はじめの言葉】
はじめの言葉は、とかく結論があいまいになりがちです。解釈の余地が大きいので、ああも言えるしこうも言えるで堂々巡りの水掛け論におちいることがあります。たとえば因子分析における因子のネーミングがそうです。

仮説の正当性を実証するためには検証のために二の矢を射ることが必要です。実証が済むまでは仮説が正しいかどうかは何とも言えないはずですが、マーケティングの現場では、仮説が提起されると直ちにそれが正しいという前提で仕事が進行しがちです。この点はビジネスマンの世界とアカデミアンの世界で常識が大きく乖離する部分です。

【おわりの言葉】
おわりの言葉はデータ解析のエンドユーザーに、こうしろと迫ることになりますので、それに対する異論／反論objectionを覚悟しなければなりません。わが社のターゲット市場と対比して標本データに偏りはありませんか？データの収集過程にミスは混入していませんか？分析変数で抜け落ちているものはありませんか？どういうロジックでアウトプットが出てきたのですか？パラメータの推定値に誤差はないのですか？・・・などとエンドユーザーから分析者に突っ込みが入る場合もあります。もちろん何の反論も無い場合もあります。肝心なのはここです！

企業のプランナー（あるいはマネジャー）は調査やデータ解析を実行する以前から何らかの事業構想を持ってプロジェクトをスタートさせているのがふつうです。そして、
A) 事業構想を支持する分析結果が出た場合⇒反論は何もない
B) 事業構想を否定する分析結果が出た場合⇒反論と批判の嵐！

そういう次第ですから、おわりの言葉をいう時はデータ解析の担当者は十分に覚悟して結果の報告に臨まなければならないのです。

2.半沢的な特性とは何なのか

さて、私自身が何を半沢的と呼んでいるかについて、より具体的に説明するべきでしょう。以下に私が考える半沢的特性を３つあげました。そしてそれぞれに対応する具体的な行動例を（　）内に付記しました。（　）内の意味を理解するにはいささか専門的な知識が必要になります。もし半沢直樹のテレビドラマを見ていなければ、WEBサイトなどで「あらすじ」をご覧ください。

 

表1の多変量解析の分類では「おわりの言葉」は「はじめの言葉」よりも半沢性が高いことが察せられるでしょう。私はおわりの言葉の中でもコンジョイント分析が最も半沢的だと考えています。

4.バトルの勃発

コンジョイント分析を実際に使いだすと、ユーザーからいろいろと批判を受けるようになりました。典型的な批判を4タイプ紹介します。

批判1　プランを単純にランキングさせるだけで済むのではないか
コンピュータを使って複雑な解析をしなくても、属性と水準を組み合わせた総組み合わせを示して、選好順序をつけてもらえれば終わりではないか。コンジョイント分析から人気ランキング以上の情報が出てくるのか？

批判2　選好の理由を聞かなくて大丈夫か
コンジョイント分析は図1のようなカードを購入意向順に並べる1問だけで調査は終わります。するとそれで大丈夫なのかが心配になる人が出てくるものです。

批判3　新製品を消費者に聞くこと自体が馬鹿げている
消費者にはまだ市場に存在しない製品など答えようがない。価値ある製品を提供するのは消費者ではなく企業の使命である。

批判4　将来予測
分析結果が、時間の経過に対して不変であると証明できるのか。将来発売される製品についての選好を今聞いても無駄ではないか？

【私の反論】
4つの批判に対して当時私は次のように反論したものです。

批判1には、調査でたまたま提示したプランの中から最終的なプランを提案するつもりはないことを訴えました。分析結果を使って属性水準の総組み合わせをとるとプランが数千通りを超えることもあります。それらを効用値の高い順位に並べて最適プランを探索することができます。さらに部分効用関数を内挿・外挿予測することで、より詳細に可能性を探索することもできます。たとえば幅350ｍｍのコピー機というのが調査で提示したプランだったとしても、360ｍｍならどうか342ｍｍならどうかというように効用値自体を推定して検討することができます。提示プランの人気ランキングをしているだけでは、このようなシミュレーションは不可能です。

批判2には図2のような部分効用関数によって設定した水準の効用値が計量的に明らかにできるし、ボタンサイズとか音声ガイドという属性の重要度も寄与率によって計量できます。それで十分ではないですか？と答えました。そもそも消費者に理由を聞いても意味がないと言っていた本人が、質問しなくて大丈夫かなどと心配することがあって可笑しく思いました。自己矛盾していますね。

批判3は一見もっともらしいのですが、その割にはユーザーニーズが分かっていないプランナーやデザイナーもいました。消費者にとって価値が高いプラ ンを構想していたはずなのに、分析してみるとあてが外れることがあります。そんなに消費者のことはちゃんとわかっている、というのなら、コンジョイント分析を実行する前に部分効用関数を予想して予めグラフに描いておいてください。分析結果が出てから、予想と結果を比べてみたらどうです？などと反論したものです。

批判の4もまことにごもっともな批判です。しかしそうであるならば、この問題はコンジョイント分析固有のものではなく、試飲テストや試食テストを含めて、新製品の発売前にするあらゆる事前評価の調査も同じ問題をかかえていることに注意すべきです。実際に発売しなければ何も分からない、というのは、事前アセスメントは不可能だというのと等しいですね。東京ディズニーリゾートの来場者数の予測、新規空港の利用者数の予測、自動車道路の延伸時の交通量予測など、すべて計画時・建設時には不明のままで構わないのでしょうか。集合住宅や乗用車の開発もそうですが、完成までに時間がかかる点でみな共通していま す。

数十万人、数百万人の利用者の10人、100人まで正確に予測できなければ予測と認めない、などといかにも科学的で厳密な注文をつけることが生産的 だとは思えません。たとえば市営バスのAルートとBルートが競合プランとなっているときに、どちらがより利用者に受け入れられるかを知るだけでも、ユーザーニーズが何も分からないよりはましではないかと思うのです。

まあ、このような奥が深くて含蓄のある議論をかわしつつ、それぞれの開発プロジェクトが進んでいったものとご推察ください。