ビジネスやマーケティングで使える代表的なデータ分析手法

 2020.08.31  マーケティング インテリジェンス チャンネル

数年前まで、データ分析とはデータサイエンティストなど特殊な知識・技術を持った人々の専売特許だと考えられていました。しかし今日ではどうでしょう?「セルフサービスBI」など、データ分析を簡略化するツールが数多く登場し、今では担当者レベルでデータ分析へ積極的に取り組み、日々のビジネスを改善していくことが強く求められています。そのため、例えばマーケティングに特化したDatoramaのような分析プラットフォームも登場してきました。

ただし、ある程度はデータ分析の基本は理解しておいたほうが良いことは言うまでもありません。つまり、それぞれのデータ分析手法がどのようにデータを捉え、どのような情報を示してくれるのかを押さえておく必要があります。

本記事では、これからデータ分析を始めたいという方に向けて、ビジネスやマーケティングで使える代表的なデータ分析手法を紹介しています。それぞれのデータ分析手法の特徴にフォーカスしているので、ビジネスでよく使用されるデータ分析手法を大まかに把握することに役立てていただければと思います。

※これからご紹介する「アトリビューション分析」と「バリューチェーン分析」は厳密に言えばデータ分析ではなくビジネス分析のためのフレームワークですが、昨今のビジネスシーンでの重要度が高いためデータ分析と合わせてご紹介します。

ビジネスやマーケティングで使える代表的なデータ分析手法

ビジネスで使える代表的なデータ分析手法

1.アソシエーション分析

共起しているデータには必ず何かしらの関連性があると考え、そこに隠れている要因を明らかにするのがアソシエーション分析です。この分析手法の一種が「マーケットバスケット分析」であり、POSシステムの登場によって一躍有名になりました。

マーケットバスケット分析では消費者が購入している商品をデータとして分析し、例えば「商品Aを購入した消費者の75%が商品Bも購入している」などの関連性を見つけ出します。そこからある仮説を立て、検証し、実証してビジネスに有用な知見を発掘します。ちなみにアソシエーション分析とマーケットバスケット分析は、「データマイニング(データの発掘)」と呼ばれるデータ活用に分類される分析手法です。

参考記事:バスケット分析とは?マーケティング担当者が知っておきたい具体例も解説

統合的マーケティング・アナリティクス戦略に必要な7つのステップ
事例紹介:DatoramaがIBMの大規模なパフォーマンスの最適化を実現

2.アトリビューション分析

近頃のマーケティング界隈で重視されているデータ分析手法がアトリビューション分析です。デジタルマーケティングでは、ビジネス側が想定した特定の行動をとること(資料請求など)を「コンバージョン」と呼びます。この分析手法では、最終的にコンバージョンに至った行動だけに焦点を当てるのではなく、コンバージョンに至るまでに接触したメディアや経路をその貢献度に応じて評価し、仮設検証の精度を上げるものです。

参考記事:アトリビューション分析の概要と分析手法の具体例

3.バリューチェーン分析

バリューチェーンとは「価値の連鎖」のことで、製造業のサプライチェーン全体において各プロセスごとに製品に与える付加価値に着目し、その分析に務めることで自社ビジネス及び製品の強みと弱み、問題と課題を整理する分析手法です。

原材料の仕入れから顧客へ製品が届くまでのプロセスを主活動(購買・物流、製造、出荷・物流、販売・ マーケティング・サービス)と支援活動(購買・物流、製造、出荷・物流、販売・ マーケティング、サービス)に分けて考えていきます。

4.クラスター分析

性質の異なる複数のデータが混ざり合って存在している状況から、類似性の高いデータをクラスター(集団)として分類し、それらの関係性を分析する手法です。ポイントは「クラスターの分類方法」「分類の形式(階層的か非階層的か)」「分類に用いる対象間の距離」「クラスターの合併方法」です。

中でも重要なのが「分類に用いる対象間の距離」で、つまりはデータ同意の類似性をどうやって定義するかが分析精度を大きく分けることになります。

5.クロス集計分析

アンケート調査において、各設問で得られた回答をシンプルに集計した単純集計に対し、2つ以上の設問の回答を掛け合わせて集計し、回答の実数と比率を見ることでより細かい洞察を得るための分析手法です。

6.ロジスティック回帰分析

ロジスティック回帰分析は回帰分析の一種です。回帰分析は様々な事象の関連性を確認するための統計学であり、例えばアイスクリームの需要を予測するにあたって、気温や天気という要素からアイスクリームの需要を考えます。そして、1つの変数(xやyなどの数量を表す)から予測するものを単回帰分析、複数の変数から予測するものを重回帰分析と呼び、ロジスティック回帰分析はその中で重回帰分析に分類されます。

ロジスティック回帰分析を用いることでゼロから1の間で事象の発生率を予測でき、その確実性を高めることでマーケティング等に活用できるデータ分析手法です。

7.因子分析

複数のデータの中から因子、つまりは共通性を導き出すことでデータごとの相関図を作成し、物事の把握を正確に行うことが可能なデータ分析手法です。もともとは教育心理学の分野において、生徒の学力測定のために開発されたものだとされています。

例えば、各教科における成績(テストの点数)を全体として分析し、その背後にある個人の能力(計算力・読解力など)を共通因子として見出すことで、「生徒はなぜその点数だったのか?」という根拠を生み出すことができます。

8.決定木分析

決定木分析(ディシジョンツリー)ではAI・機械学習の研究分野でもよく使用されるデータ分析手法です。最終的な結果から遡り、「もしも~だったら?」の設問を繰り返すことで結果に至る条件を分類していく「分類木」、連続して変化する可能性のある値を分析する「回帰木」を組み合わせたのが決定木分析です。決定木分析では一般的に機械学習を用いて行われ、これによって正確な予測結果を弾き出すAIなども開発されています。

9.線形回帰分析

複数のデータをクロス集計分析にかけることで得られるグラフは、一般的に曲線で表されます。線形回帰分析はそのグラフに対して、論理的に考え出された直線を描くことで、各データにおける相関関係を分析するための手法です。

10.ABC分析

ABC分析は商品の売上高や販売個数、あるいはコストや在庫などウェイトが大きい順にランク付けを行い分析し、優先的に管理する対象を決めるための分析手法です。「ウェイトが大きい」とはつまり、「会社にとって利益になる」ことを意味します。ウェイトが大きい商品に対して重点的に経営資源を投下することが売上利益を効率的にさせることが可能となります。

さあ、データ分析に取り組もう!

データ分析は一般的なビジネスパーソンにとってもごく身近な存在になりつつあります。日常的な業務プロセスにおいても、マーケティングにおいてもユーザーが能動的にデータ分析を行い、新しい情報を得るための基盤が整っているのです。この機会にぜひ、データ分析に対する積極的な姿勢を持っていただきたいと思います。

導入事例:KDDI株式会社

RECENT POST「マーケティング分析」の最新記事


ビジネスやマーケティングで使える代表的なデータ分析手法
統合的マーケティング・アナリティクス戦略に 必要な7つのステップ

RANKING人気資料ランキング

RECENT POST 最新記事

ブログ購読のお申込み

RANKING人気記事ランキング