SERVICE

結果を予測するのご依頼先をお探しでしたら、お気軽にお問い合わせください。
経験豊富な担当者がフルサポートし、最適なプランをご提案します。

概要

商品の需要予測、購入者と非購入者の判別など、結果に対して様々な要因がどのように影響しているかを分析することができます。

分析で扱うデータ(調査より得られるデータ)

数量データ(定量的データ) <四則演算ができるデータ>

数量データは以下の2つに分かれます。  

  • 間隔尺度:満足度、西暦年など  
  • 比例尺度:年齢、購入金額、来場者数など 

カテゴリーデータ(定性的データ) <四則演算ができないデータ>

カテゴリーデータは以下の2つに分かれます。  

  • 名義尺度:性別、購入商品など  
  • 順序尺度:好きな商品の順番など 

重回帰分析(Multiple Regression Analysis)

手法の内容
複数の要因(データ)から1つの結果を予測する分析手法です。
商品の需要予測や、サービスの満足度に与える影響力の測定などの構造分析ができます。
必要なデータ
要因:数量データ
結果:数量データ
活用場面例
・家族構成や年収、生活パターンなど、複数の個人特性を元に属性別の購入頻度や購入金額を把握し、店舗の売上予測に役立てたい
・顧客満足を向上させるためには、性能、価格、デザイン、色…何を優先的に改善すれば良いのかを知りたい

インプットデータ(要因:数量データ)

アウトプットデータ(結果:数量データ)

判別分析(Discriminant Analysis)

手法の内容
複数の要因(データ)から1つの結果を予測する分析手法です。 ユーザーとノンユーザーの判別、試験の合格・不合格を分ける要因は何か、などの構造分析ができます。
必要なデータ
要因:数量データ
結果:カテゴリーデータ
活用場面例
消費者の行動パターンの違いから自社の商品を購入するタイプか購入しないタイプかを判別し、ターゲットを絞った効果的な営業活動を展開したい

インプットデータ(要因:数量データ)

アウトプットデータ(結果:数量データ)

数量化Ⅰ類(Quantification Method-Ⅰ)

手法の内容
判別分析と同じく、複数の要因(データ)から、結果を判別する分析手法です。 ユーザーとノンユーザーの判別、試験の合格・不合格を分ける要因は何かなどの構造分析ができます。
必要なデータ
要因:カテゴリーデータ
結果:カテゴリーデータ
活用場面例
購入経験者と購入未経験者を区別する特性を探り、購入未経験者に向けた効果的な販売促進策を打ち出したい

インプットデータ(要因:カテゴリーデータ)

アウトプットデータ(結果:数量データ)

閉じる