コレスポンデンス分析とはカテゴリーデータの関係性をマッピングする手法で、主にアンケート調査の分析などで活用されています。
本記事では、コレスポンデンス分析のメリットや注意点、手順についてご紹介します。
コレスポンデンス分析とは？
「コレスポンデンス分析（Correspondence Analysis）」は、カテゴリーデータの関係性を可視化するための多変量解析の手法の一つで、「コレポン」や「対応分析」とも呼ばれています。
主にクロス集計表（カテゴリー変数同士の関係を表す表）にまとめたデータを散布図として視覚的にわかりやすく捉えることができるものです。
アンケート調査などの分析で使われることが多い手法です。
＜コレスポンデンス分析が有効な場面例＞
- 属性（年齢や性別など）別の商品や企業イメージを知りたい
- 自社と競合のブランドイメージを比べて、差別化ポイントを明確にしたい
- ターゲット層の特徴やニーズを把握したい
コレスポンデンス分析のメリット
コレスポンデンス分析の最大のメリットは、カテゴリーデータの関係性を可視化できることです。
クロス集計表は項目が多く複雑なことが多いため、データの傾向を把握するのは難しいでしょう。
そういった場合にコレスポンデンス分析を使うことで、専門知識がなくても一目で解釈しやすくなります。
また、必要なデータはクロス集計表のみで分析が行え、データの制約がないため、適用範囲が広い点もメリットです。
コレスポンデンス分析の注意点
コレスポンデンス分析を活用する際に注意すべき点は、回答数などの値の大小が反映されない点です。
例えばAと答えた人とBと答えた人の人数の差が大きくても、同じ１つの点として散布図に記載されてしまいます。
各データの「強さ」が把握できないため、実際のデータも確認しながら解釈する必要があります。
コレスポンデンス分析の手順
ここからは、コレスポンデンス分析を行うための手順を見ていきましょう。
Step1：分析の目的の明確化
まずは分析によって何を把握したいのか、目的を明確にする必要があります。
分析目的によって、集めるべきデータが変わってくるからです。
例えば、年齢や職業、性別などの属性別にブランドイメージの傾向を分析することが目的の場合、「属性別の購買データ」があると考えやすくなります。
Step2：クロス集計表を作成
アンケート調査などのデータを元にクロス集計表を作ります。
その際に、極端にn数（サンプルサイズ）が少ない項目は予め除外しておきます。これは分析の精度を高めるためです。
また、ポジショニングの把握を目的とした場合は、「その他」「どちらともいえない」「あてはまるものはない」の項目も除外しておいた方が良いでしょう。
Step3：分析を行い、散布図を作成
Step2で用意したクロス集計に対して、実際にコレスポンデンス分析を行います。
分析は一般的に統計ソフトを使い、よく使われるのがフリーソフトの「R」です。
その他に「JMP」「SPSS」「SAS」「MATLAB」といった有料統計ソフトやExcelで専用ソフトをアドインして使う方法もあります。
Step4：分析結果の活用
散布図ができたらそれだけで満足せず、必ず結果を読み取って今後どのような施策を打ち出すのか考え、実行していくことが大切です。
＜コレスポンデンス分析で作成した散布図の特徴＞
- 関連性が強い項目ほど近い距離にプロットされる
- 原点（０）の近くは、特徴がなく平均的な項目がプロットされる
- 特徴が強い項目は原点（０）から離れたところにプロットされる
この結果を元に、競合他社と差別化を図ったプロモーション施策を練っていきましょう。
上記はイメージ図ですが、この図の場合ブランドイメージのポジションが自社は「価格が高い」「本物志向」「50代が好む」であり、競合B社は「デザインが良い」「低価格」「20代に人気」といった特徴が読み取れます。
そのため、価格競争するのではなく、「長い期間使い続けることができる素材」にこだわり開発しようといった風に次の取り組みを考えることができます。
まとめ
コレスポンデンス分析はデータを可視化することで、複雑な関係性を理解しやすくなる手法です。
顧客の属性と購買行動の関係を可視化したり、マーケティング活動において活かせる場面が多くあります。
注意点を踏まえつつ、ぜひ使いこなしていきたいものです。
ソーウェルバーでは、SNSの投稿をAIを使って分析し、ユーザーの潜在的ニーズや関心を抽出・分析できるツール「HAKURAKU」を提供しています。
データの可視化はマーケティングにおける重要なプロセスの１つですので、ご興味がある方はぜひ一度お問い合わせください。
