データに潜む原因と結果の関係を見える化causal analysis for Macromill（β版）
因果構造可視化のプロセスを自動化し、複数変数間の高精度な因果構造を明らかにします。
causal analysis for Macromill※の3つの特長
- 特長1 因果構造の可視化
ブランド好意度、購入意向、顧客満足度など、ビジネス指標を取り巻く様々な要因を因果構造図に整理し、可視化することができます。
- 特長2 有効なアクションへの示唆
ブランド好意度など重要なビジネス目標を目的変数に置き、因果分析を実施することで、「どの要素がビジネス目標の向上に強い因果関係があるか」を把握できます。把握によって、施策の優先順位やリソースの最適な配分など有効なアクションへの示唆を受けることができます。
- 特長3 新たな因果構造の発見
従来、因果推論分析ではSEM（共分散構造分析）を行いますが、分析を行うには、事前に仮説となるパス構造図の検討が必要でした。あわせて、分析プロセスにおいてデータの取り扱いや分析そのものの複雑さがあり、統計知識がないと分析ができないという課題がありました。
causal analysis for Macromillは独自のアルゴリズムにより、パス構造図の仮説無しに、多変数を取り込んで因果分析を行えるため、分析者の主観に寄らず、これまで明らかになっていない新たな因果構造を発見することもできます。
※causal analysis for Macromillは、NECとの共同開発サービスです。
https://jpn.nec.com/solution/causalanalysis/index.html
活用事例
事例 シャンプーブランドの購入理由構造を分析
シャンプーブランドのブランド好意度を目的変数に置き、因果構造分析を行いました。
課題
一定のファン層がいることは明確であったが、具体的に何が高い好意度の要因となっているのか明確でなかった。ブランド好意度の因果構造を明らかにし、ブランドイメージ等のコミュニケーション施策につなげたい。
実施概要
アンケートで当該ブランドの好意度と、その要因を聴取しcausal analysis for Macromillで因果分析を実施。
分析結果
当該ブランドは、「美容師・プロの評価の高さ」がブランド好意度に強い因果関係を持っていることが明らかになった。また、この「美容師・プロの評価の高さ」はネット上の評価の高さ、知人・友人からの評価の高さが起因していることも明らかに。
・美容師・プロの評価の高さが、メーカー/ブランド好きへつながる
・広告接触から、インターネットや知人・友人の評価、そして美容師・プロの評価へとつながる構造
※RMSEA (Root Mean Square Error of Approximation)
母集団における分散共分散行列とモデルによって復元された分散共分散行列との距離がどれくらい小さいと推定されるか評価する指標。RMSEA値の範囲は0〜1で、0に近いほど適合が良いとされ、0.05以下であれば当てはまりがよく、0.1以上であれば当てはまりが悪いとされる。
標準的なスケジュール・料金
ご要望により異なります。詳しくはお問い合わせください。
- お客さまの課題・ニーズを伺って
リサーチの企画・提案を行います。 - 各種資料・調査レポートのダウンロードもこちらから
