マーケティングにおいて、市場の分析をおこなうことは大切です。
分析ができなければ、商品開発や設備投資をおこなっても効果がありません。
効率良く効果的なマーケティングをおこなうために、フレームワークを活用した分析が必要不可欠となります。
そこで本記事では、マーケティングに役立つアソシエーション分析について、具体的な事例を交えて解説していきます。
ぜひ、参考にしてみてください。
1.アソシエーション分析とは
アソシエーション分析とは、特定の商品を購入する人々の顧客属性や行動データなどから共起する関係を分析を行うデータマイニング手法です。
ある商品を購入した顧客の他にも、それに関連した他の商品を購入しているかどうかを調べ、関連商品も提案することができます。
そのため、ある商品を購入した顧客に関連商品を効果的かつタイムリーに提案する、あるいはマーケティング活動を見極める際に有効な手法として活用されます。
1.1バスケット分析との違い
アソシエーション分析は、ある商品とその他の商品との間の関連性を特定する技術の一つであり、購買者の決定プロセスでどの商品が関連しているかを分析することができます。
購買者がどのような組み合わせで商品を購入するかの出現確率を求めることができます。 バスケット分析は、特定の購買行動を行う購買者が選択する商品の「バスケット」を把握するためのものです。
複数の商品を組み合わせた購入行動を分析し、購買者がどのような商品を一緒に購入するかを把握します。
複数の商品を一緒に購入する購買行動を解析することで、販売戦略の最適化をおこなうことができます。
アソシエーション分析とバスケット分析の違いは、それぞれが分析する対象が異なることです。
前者は個別の商品とそれらの関連性を分析しますが、後者では複数の商品を組み合わせた購買行動を分析します。
アソシエーション分析は購買者が一つの商品を買うときに他の商品を買うかどうかを分析するのに役立ちますが、バスケット分析では買い物の複数の商品を同時に買う購買行動を分析します。
2.アソシエーション分析のメリット
アソシエーション分析を活用することで、得られるメリットを紹介していきます。
メリットについて理解することで、アソシエーション分析の重要性がわかります。
以下に2つ解説していきますので、ぜひ参考にしてください。
2.1アップセル効果がある
アソシエーション分析のメリットとして、アップセル効果があります。
アップセル効果とは、ある商品の購入や利用で他の商品の購入・利用が増加する効果です。
例えば、コーヒーを買うと、それにあわせてお菓子も買ったり、牛乳を買うと、チーズなどのお肉のトッピングになるなどがあります。
このようにインサイトを得ることで、新しい増収チャンスを活用することが出来るので、アソシエーション分析の大きなメリットとしてアップセル効果を活かす事ができると言えます。
2.2クロスセル効果がある
クロスセル効果とは、単一のカテゴリー（アトリビューション）からある因子間の相関関係を定量化することを可能にします。
この効果を使用すると、大量のデータを持つ変数間の統計的関係性を測定し、アソシエーションを特定することができます。
アソシエーション分析の何に役立つかというと、複数の変数を解析して関連性を評価する手軽な方法を提供してくれることです。
例えば、病気の予測を行う場合、ある診断テストの結果と他の診断テストの結果に関連性があるかどうかを素早く確認することができます。
つまり、クロスセル効果を使用すると、データの量や複雑さといった現実的な時間制限を受けずに、複数の変数からアソシエーションを特定し評価することができます。
3.アソシエーション分析の具体的活用例
アソシエーション分析の活用事例を紹介していきます。
活用事例を参考にすることで、より具体的な活用方法がわかります。
以下に2つ、活用事例を解説していますので、参考にしてみてください。
3.1アンケート調査
アンケート調査を行うときに、関係性の高い項目を探すためにアソシエーション分析が使われます。
例えば、消費者の購買行動を調べるとき、調査者の購買傾向を見るため、食料品店がどのような商品を売るか、それぞれの商品がどのような順番で売れているかがアソシエーション分析で分析されます。
また、複数の商品を一つの商品として購入する傾向を確認する場合、どのような商品を一つとして購入するか、また、それらの商品を何順番で購入するかをアソシエーション分析をおこなうことで調べることが可能です。
その他に、商品データを使用して、企業の製品を提案する場合や顧客の購買行動を分析する場合など、アソシエーション分析を使用したアンケート調査は多くの場面で活用されています。
3.2レコメンデーション
アソシエーション分析は、ある商品の組み合わせにおける顧客の消費行動を把握する手法の1つです。
特に、eコマースサイトなどでは、商品間の組み合わせを解析し、より効率よく売上を高めるレコメンデーション機能を開発するのに重宝されています。
例えば、Webサイトを訪れる顧客には、それぞれの場合に応じた、購入履歴などからアソシエーション分析で抽出された商品のレコメンデーションが提示されることがあります。
また、人気の商品と他商品、売れ筋と他商品を組み合わせた、複合商品のレコメンデーションもおこなうことが可能です。
さらに、人気のある商品をクーポン\カテゴリ\ブランドなどの特定属性にマッチングしたキャンペーンマーケティングなどの分析にも、アソシエーション分析は重宝されます。
顧客の購買行動を学習データとして蓄積してアソシエーション分析をすることにより、より的確なレコメンデーションをおこなうことが可能となります。
4.アソシエーション分析のやり方と3つの指標
アソシエーション分析をおこなう際に、3つの指標を理解しておく必要があります。
指標を理解しておくことで、正しいアソシエーション分析のやり方をおこなうことが可能です。
以下に3つ紹介していますので、参考にしてみてください。
4.1支持度
支持度とは、ある特徴量とあるクラス間の依存関係の強さを使用して、2つの属性の間の強力な関連性を検出するアソシエーション分析のメソッドです。
支持度を計算するには、2つの属性の間で共通の項を検索し、それぞれのクラス内における頻度を計算します。
支持度は、2つの属性が互いに強く関連しているかどうかを確かめる際に重要な指標となります。
支持度を使用して、あるクラスの多数の属性が関連していることを検出し、その属性を使用して、新しいデータを推測することができます。また、クラス間の関連性を検出し、特定のデータポイントがどのクラスに属するかを判断することもできます。
4.2確信度
確信度は、アソシエーションルールに基づいて、特定のアイテムを購入するための決定的な分析指標です。
確信度は、コンフィデンスと呼ばれることもあります。
確信度は、「K個のアイテムAが購入されたとき、M個のアイテムBが購入される確率」を表す簡単な値です。
したがって、アソシエーション分析では、確信度を用いて、ある特定のアイテムを購入するおそれのある顧客を見つけることができます。
確信度の計算式は以下のとおりです。
確信度＝（K A \∧ M B）/K A ここで、K A は、あるアイテムAのデータセット内の購入数を意味し、M B は、アイテムBが購入されたときに取得されたデータセット内の購入数を意味します。
4.3リフト値
リフト値とは、特定の商品を購入したとき、他の商品も併せて購入される確率（リフト）を示すものです。
リフト値を使ってアソシエーション分析をおこなう際は、購買済み商品と組み合わせた場合、他の商品の組み合わせとの相対的な比較をします。
リフト値を使うとアソシエーション分析を行うことで、購入している人ごとに購買組み合わせの特徴を見ることが可能です。
購買済み商品と組み合わせた商品の購入率や購入金額などを調べることで、購買済み商品がある時にお客様が購入する組み合わせの傾向を調査することができます。
また、競合他社の商品との組み合わせを見ることで、自社の商品を宣伝するターゲットを絞り込み、より効果的な宣伝が可能になります。
5.まとめ
アソシエーション分析は、市場の分析をおこなう際にとても役立つ方法です。
ユーザーが何を求めているのか、どのような行動をとっていくのか、ビジネス戦略設計のサポートをしてくれます。
アソシエーション分析を活用できれば、今まで以上に効果の高いアプローチを掛けていくことが可能となり、売上拡大に大きく貢献します。
本記事で紹介したポイントを押さえて、ぜひアソシエーション分析を活用してみてはいかがでしょうか？
コメント