潜在クラス分析

潜在クラス分析は、個人の様々な特徴の違いから、統計情報に基づきセグメント(クラス)を決定する手法です。また、連続変数だけでなく、カテゴリカル変数も含めて解析することができます。従来の手法によるセグメンテーションと比べ、より煩雑で膨大なデータを機械的に分類することができる手法とも言えます。

特長

分析に用いる変数の自由度が高い

尺度法で聴取したSAデータだけでなく、MAやLA、順位データ、購入量などの数量FAなど様々な回答形式のデータを用いることが可能です。さらに、それぞれの変数を混ぜて分析することも可能です。

統計的基準で最適なセグメント数が決まる

事前の仮説が曖昧であっても、統計的基準(BICなど)によって最適なセグメント数を推奨してくれます。

回答者毎の各セグメントへの所属確率が算出される

回答者のセグメントは一義的に決まるのではなく、各クラスへの「所属確率」として求められます。「一人十色」を前提とした分析となっています。

活用事例

消費者購買データを活用したセグメンテーション

消費者購買データのうち、清涼飲料の購入有無と属性情報を活用したセグメンテーションを例に、潜在クラス分析をご説明します。

1. 解析にかけるデータの準備

清涼飲料に関する購買データ(買った/買わない)と、性別/年代の属性データを準備します。

解析にかけるデータの準備

2. 潜在クラス分析を実行(クラス分け)

解析を実行すると、今回のデータからは9クラスが最適という結果が得られた。

潜在クラス分析を実行(クラス分け)

3. 各セグメントの傾向把握とセグメントの決定

今回のケースでは分析の結果、9つのセグメント(Seg1~Seg9)に分類されました。各サンプルの各クラスへの「所属確率」と、最も所属確率が高い「セグメント番号」が紐づきます。

例えば、サンプル468は、Seg6に所属する確率は47%、 Seg4は22%、Seg7は15%である‥ということが分かります。個人の多面性をあらわしているとも言えます。

各セグメントの傾向把握とセグメントの決定

9つのセグメントを集計します。今回は、各サンプルを最も所属確率が高い「セグメント番号」ごとに振り分け、クロス集計やビジュアル化をおこない、回答傾向を確認します。

セグメント集計

このように、従来の手法では分類不可能なデータ形式でも、対象者を特徴によってセグメント分けすることができます。

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

関連コンテンツ

Myリサーチページログイン

ID

パスワード