マーケティング戦略を導く「プレファレンス・アナライザー」(分析解説編）
このnoteでは、対象となる市場の主要なブランドのTVCMなどの広告や、アプリやLINEなどのチャネル、口コミやSNSの影響など、
24種類のコミュニケーション要因それぞれがブランドの売上をいくらずつ増やしているか？
どんなターゲット（性別年代）で売上が形成されているか？
エリア、職種、年収、既婚未婚、子供の有無などで購買確率の傾向があるか？
こうしたことを、データを可視化したダッシュボード（以降「DB」）を用いて把握する分析が「プレファレンス・アナライザー」です。
このnoteでは、下記弊社HP内に無料公開したPowerBIの分析の仕方など解説します。
https://www.hakari-corp.com/preference-analyzer/
プレファレンス・アナライザーとは？どう活用するか？などの基本的な紹介は、こちらのnoteをご覧ください。
秤のHPではプレファレンス・アナライザーの公開ダッシュボードや分析体験の録画講義も受講できるストアカ講義をご紹介しています。
YouTube解説
タイパ重視でてっとり早く、概要を知りたい方はYouTubeをご覧ください。
【さらにくわしく解説】
どんな示唆を得ることができるのか？
DBは6枚構成です。それぞれどんなことがわかるのか？紹介します。
DBの1/6枚目は、ターゲット（性別年代）ごとの1年間の回数別浸透率Prを棒グラフにしたものです。
NBDモデルによる性別年代ごとのPr（回数別市場浸透率）
1回～12回以上までのPrを見るとマクドナルドがダントツで浸透率が高いことが分かります。これは調査回答データを元に、NBDモデルで計算した予測式から棒グラフを描画しています。
画面右に表示されているチェックボックスで、7つのブランドを切り替えることができます。
PowerBIでは、こうしたフィルターをかけるオブジェクトを「スライサー」といいます。
次は、PowerBI画面の下部にある「＞」マークを押して画面を切り替えてみてください。
コミュニケーション要因による売上リフト把握
DBの2/6枚目は、TVCMなど、24種類のコミュニケーション要因による1年間の売上リフトを分析するDBです。
画面右側にあるスライサーはターゲットと要因名です。ここではターゲットのスライサーの選択内容を変えることで発見があります。CTRLキーで複数選択することができます。たとえばF20～29からF60～69までの5つのチェックを入れればF20～69を対象とした分析結果が分かります。
「すべて選択」というチェックボックスも入れています。スマホでCTRLキーは使えませんが、全てチェックしてから、ひとつずつ外していくことで、複数選択することができます。
※筆者がMACに詳しくないため、操作解説におけるPCはWindowsを前提とした説明となります。
売上リフトの分析対象となるコミュニケーション要因は、「チャネル・CRM」と「広告・PR・口コミなど」を2問の設問に分けて聴取した24項目です。
チャネル・CRM 9要因
・ブランドの店舗に入店
・ブランドのアプリを利用
・ブランドのLINEアカウントを利用
・ブランドのホームページにアクセス
・デリバリーサービス（ウーバーイーツや出前館など）を利用した時にブランドを見た
・スマホやパソコンやタブレットなどでブランドのことを検索
・アプリのプッシュ通知でブランドの情報を見る
・LINEのプッシュ通知でブランドの情報を見る
・ブランドからのメールマガジンを見る
広告・PR・口コミなど 15要因
・TVCM
・TV番組
・YOUTUBEの広告
・YOUTUBE投稿（ユーチューバーや一般の投稿者など、広告以外）
・TVerやAbemaなどYouTube以外の動画サイトの広告
・SNS投稿（インフルエンサーや著名人、知人友人ご家族など）
・SNS広告
・YOUTUBEなどの動画サイトやSNS以外で表示されるインターネット広告
・ご家族や友人知人との会話やLINEなど（※SNS投稿を除く）
・インターネットの記事
・屋外交通広告
・チラシまたはダイレクトメール
・新聞雑誌の広告
・新聞雑誌の記事
・ラジオ
デフォルトはマクドナルドだけ開かれた状態ですが、各ブランド名の左横にある「＋」マークをクリックすればドリルダウンされます。
TVCMやTV番組などの各項目もCTRLキーを押すことで複数選択が可能です（スマホでは行えない操作です）。
上部に5つ並んだのはPowerBIの「カード」というオブジェクトです。フィルターや項目など分析対象とする選択内容によって表示される値が変更されます。
例として、
スライサーのF20～29だけを選択
マクドナルドの「TVCM」項目だけを選択
上記の状態にしてみてください。そのときに、表示される数値でカードの内容を説明します。
・のべ接触率（％）
【67.5％】分析対象（F20のTVCM）のターゲット接触率（％）です。スライサーなどで選択した対象によって累積されます。消費者調査による回答から得た内容なので、より正確には消費者に「記憶されていた」接触率です。
・リフト率（％）
【12.8％】接触者のうち、何％が態度変容したか？ブランドリフト率（％）です。ここでは、利用意向TOPへのリフトです。「非常に利用したい」「利用したい」「やや利用したい」「どちらともいえない」「利用したくない」の5段階尺度のTOP「非常に利用したい」へのリフトです。リフト率は因果推論の傾向スコア分析で確かな値を導いています。（※のちほど解説します）
・のべ増加金額（億円）
【57.7億円】選択された分析対象によって当該ブランドの1年間の売上。（接触率から導いた）接触人数と（リフト率から導いた）リフト人数と増加する購買回数と購買単価を乗算することで導いています。購買回数はNBDモデルをアレンジしたモデルから導いています。（※のちほど解説します）ここではTVCMによって20代女性の1年間の売上が57.7億円増えたと推定されています。
・接触1名あたり増加金額
【1,373円】のべ増加金額を接触者数で除算した金額です。当該ブランドのコミュニケーション要因（TVCMなど）が「記憶されていた」接触者1名あたり、売上いくら増えるのか？という金額です。
・リフト回数/対象ターゲット全体回数
【8.9％】分析対象のターゲット人数（F20～29）の購買回数を分母として、要因（TVCM）によって増えた購買回数を分子とした割合です。ここでは20代女性の購買回数の8.9％がTVCMによるものだと推定されています。
コミュニケーション要因による売上リフト把握（ターゲットごとに把握）
DBの3/6枚目はターゲットごとにコミュニケーション要因による売上リフトの違いを判別するものです。要因のスライサーを使うことで、たとえば「TVCM」と「TV番組」など、複数の要因による売上リフトを分析することができます。
※以下の画像は要因のスライサーで2種（TVCMとTV番組）を選択した状態です。
プレファレンスMの詳細分析
DBの4/6枚目は、ターゲットの傾向を性別年代より細かな粒度で分析できるものです。上部の表とスライサー群が対になっています。下部の表とスライサー群も対になっていて、上部と下部はそれぞれ独立しています。
たとえば、上部のスライサーで「子供あり」を選択、下部のスライサーで「子供なし」を選択すると、子供の有無によるプレファレンスMの違いを比較することができます。
※以下の画像は上部で「子供あり」、下部で「子供なし」を選択した状態です。
マクドナルドのMが突出しており、若い人のほうがMが高く、20代30代女性と20代男性はお子様がいる方のほうがMが高くなっています。吉野家のMの男女差はかなり大きくなっています。
スライサーはフリージーの基本属性の多くを使用しています。様々な軸で分析することができますが、標本サイズが各性別年代で50を下回るあたりから極端な値になりやすくなるので注意が必要です。スライサーの条件次第で参考にできない、危うい値が出てくるので、くれぐれも標本サイズに注意してください。
※フリージーの基本属性のうち、業種という属性は使っていません。また、世帯年収のカテゴリーをまとめ、粒度を粗く加工しています。都道府県も、7エリア（関東、近畿など）にまとめています。
どうやって効果を推定しているのか？
プレファレンス・アナライザーの分析アルゴリズムの要点を説明します。
ブランドの態度変容TOP（ここでは利用意向TOP「非常に利用したい」）の人達をHOTとして、そうではない人をCOOLとして、ターゲットを2つのグループに分けて、それぞれのMを算出することです。
HOTのMからCOOLのMを減算して「増加M」を算出します。
以下の画像のマクドナルドのF20～29を例にした場合、同ターゲットのHOT（M）は21.09です。COOL（M）は7.07です。差分（増加M）は14.02です。
COOLな人がHOTに変わるブランドリフトによって（女性20～29歳の）HOTな人が1人増えると、購買が1年間に14.02回増えると考えます。増加Mは性別年代によって変わります。
各性別年代ごとに、ブランドリフトした人数を算出して、増加Mを乗算すれば、ブランドリフトによって1年間に増加する売上回数を推定することができます。さらに平均単価を乗算すれば、売上増加金額を推定することができます。
市場構造を単純化してHOTな人とCOOLな人に分けて、TVCMなどのコミュニケーション要因それぞれによって、HOTな人が何人増えたかがわかれば、購買回数の増加数がわかります。平均単価を乗算すれば、購買金額のリフトがわかります。
以上がプレファレンス・アナライザーの分析アルゴリズムの要点です。
効果推定に使用したHOTとCOOLのプレファレンスM
DBの5/6枚目ではTVCMなどの効果把握を行うためのモデルに使用した増加Mにまつわる値を一覧することができます。DB上部の3枚のカードの内容は下記です。
HOTの方の平均単価（購買回数で加重平均）
COOLの方の平均単価（購買回数で加重平均）
全体売上高（選択されたターゲットの年間売上高）
実際の購買回数に合わせるための補正
このモデルが実際の市場を表しているかを確認するために、各ブランドの年間売上の値が大きな乖離がない様に補正しています。
市場浸透率はマクドナルドは100％で、それ以外のブランドは80％に補正。購買単価は丸亀製麺だけ80％に補正しています。
全店売上はマクドナルドが7158.8億円（2022年12月期）に対して、DBの5/6枚目の推計値は4650.4億円。ケンタッキーの全店売上は1535.5億円（2022年3月期）に対して推計値は1641.0億円。丸亀製麺は970億円（2023年3月期）に対して推計値は1256.5億円です。今回調査対象は20歳～69歳であるため、19歳以下と、70歳以上の売上は考慮されていません。
インターネットリサーチは、代表性が担保されていません。以下のマクロミルのレポートでは、モニタのほうが投票率が高くなっています。
今回調査テーマとした飲食に限らず、プレファレンス・アナライザーを構築すると、売上が過大に推定されるケースが多く、調査テーマに興味のある人や利用する人に若干偏っていると考えて、浸透率を100％より少ない値に調整して、実際の市場にあてはめるケースが多いです。
調査タイトルも「飲食チェーンに関する調査」などとはせず、「購買意識に関するアンケート」としています。調査テーマに興味のある方に回答者が偏ることを少しでも防ぐためです。
エラー判定のやり方も重要です。プレファレンス・アナライザーの研究で2021年から累計（執筆時点）で55.5万人に調査を行い、模索してきた結果、各ブランドの直近1年購買の回答者のうち、各ブランドの施策や要因を全て見ていないと回答した人をエラーとしています。
プレファレンス・アナライザーの調査票の場合、若い人のほうがエラー率が高くなります。
市場を推定することを厳格に行うためのエラー判定のため、多少厳しい基準を用いています。エラー削除後の標本を分析するとマクドナルドが別格の浸透率でした。
それによって過少に推定される珍しいケースだと思いました。DBの1/6枚目の回数別市場浸透率Prを見て頂くとわかるよう、マクドナルドを1年間で12回以上利用する方は一番少ない60代女性でも14.9％、一番多い20代女性は39.4％と突出しています。
マクドナルドに月1回以上行く人達は、回数を覚えていない位利用しているので購買回数の回答が過少になったのではないかと考えました。一方で丸亀製麺は、他のうどんチェーンの利用なども回答に入れてしまったのかもしれません。回数で重みをとった平均購買単価も高く感じたため、80％に補正しましたが、それでも推計値は実際の売上を上回っています。
丸亀製麺は森岡さんの刀社が価値を規定し直して、V字回復したことが有名です。森岡さんはこんな調査をしていたのでは？と想像しながら、うどんの需要をTwitter広告でリサーチしていました。
実際のプロジェクトでは、調査回答のバイアスを考えながら、自社の購買データと突合して補正を行い、現実と推定結果を近づけていくのです。
ブランドリフト値を補正する「傾向スコア」分析
以下は、TVCMを見たと答えた人、すなわちTVCMの介入があった人たち（介入）と、そうではない人（非介入）のHOT率（利用意向TOP）と介入から非介入を引き算したリフト値です。
多くのケースで単純比較のリフト値は過大な推定となります。プレファレンス・アナライザーでは、分析によって疑似的に理想的な実験に近い状態を作る傾向スコア分析のうち、ATO（Average treatment effect for the overlap population）という計算方法を使って推定しています。
以下は、マクドナルドのTVCMを見た人の割合をHOTとCOOLで分けて集計したものです。
HOTの人達のほうが明らかにTVCMを見たと回答した人が多くなっています。多くのケースで当該ブランドのロイヤルティが高い人ほどTVCMなどの広告を見たと回答する割合が高くなります。
TVCMを見た人と見ない人を単純比較すると、過大な推定結果になるのはこのためです。専門用語で、原因（TVCM）と結果（利用意向TOPのリフト）、すなわち因果効果の推定にバイアスをかける要因を、「交絡因子」といいます。こうした介入グループと非介入グループの偏りを分析によって疑似的になくす方法が傾向スコア分析です。
フリージーの基本属性データ（年収、職業、居住エリア、既婚か未婚か、子供の有無、持ち家か賃貸か？）と、各ブランドの好意度、あとはそれぞれのメディア接触時間（TVCMの場合はTVの視聴時間）のバランスを取って、リフト値を推定しています。※
※リフト値は、年代性別ごとの介入群の標本サイズが100を下回る場合は、極端な推定になるリスクがあるため、上限を平均値プラス標準偏差にしています。また1%未満の場合はすべて1%に置換しています。
傾向スコア分析について、詳しく知りたい方は、以下のnoteと動画の解説をご覧ください。
ATOという推定は比較的新しい手法です。以下の文献を参考にさせて頂きました。
傾向スコアで補正したリフト値は、単純比較より過小な推定に思われるかもしれませんが、真の値に近いのは傾向スコアで推定したリフト値です。
ブランドリフトの推定において、単純比較をしていた方は過大な推定結果を効果ととらえていた状態だったと思います。
市場浸透率などの把握
確率思考の戦略論で語られている数式なども多く紹介されている「ブランディングの科学」を読むと、「市場浸透率」がいかに重要か分かります。このDBでは市場浸透率にまつわる指標を一覧できます。
Mは購買回数を、買った人だけでなく買わなかった人も含めた人数で除算した値ですが、このDBに記載された平均回数は購買回数を1回以上購入した人の人数で除算した値です。
ブランディングの科学では、アレンバーグ・バス研究所（EBI）で教授を務める著者のバイロン・シャープ氏が一貫してエビデンスに基づいて、マーケティングは（アートではなく）サイエンスであることが示されています。
一般的にマーケティングやブランディングに関連する書籍の多くが、フィリップ・コトラーやデイビッド・アーカーの主張に沿っています。たとえば、消費者をセグメント化し（Segmentation）、その中からターゲットを設定し（Targeting）、差別化されたポジショニング（Positioning）を築く（STP理論）やカスタマーリレーションシップマネジメント（CRM）などです。
本書では、それらの手法はきれいごとでほとんど効果がないと切り捨てています。
その主張の根拠として繰り返し紹介されている法則が、ダブルジョパディの法則です。これは、「市場浸透率と購入頻度には正の相関関係がある」というものです。
ある期間に商品を購入した人の割合が市場浸透率です。購入頻度は一人あたりの平均購買回数です。この2つには正の相関関係がある、これを言い換えると、市場浸透率が低いブランドほど、購入される頻度も少なくなる二重の苦しさ(「ダブルジョパディ」(日本語で二重の不利）)があるという法則です。
浸透率が高いブランドほど、購買頻度も高くなるのです。
今回の分析では、市場浸透率の高いマクドナルドの平均回数が圧倒的に多くなっています。プレファレンス・アナライザーでもダブルジョパディの法則があてはまることを確認できます。
確率思考の戦略論でも、水平展開という言葉を用いて、プレファレンスMを高めるためには、市場浸透率を高めていくことが有効であるという論考が目立ちます。私も2021年に、NBDモデルを用いてダブルジョパディの法則を確認する分析をしていました。
どんな風に活用しているのか？
プレファレンス・アナライザーの活用において、特に重視している指標が、接触者1人あたりの売上リフト金額です。
以下はDBの2/6枚目 マクドナルドでF20～29だけを選択して、「接触者1人あたりの売上リフト金額」を降順で並べたものです。これは（記憶ベースでの）接触者1名あたり、1年間でいくら売上が増えるか？という指標です。
見方を変えると、各要因（TVCMなど）で接触者を獲得するのに、いくら使えるか？という指標になります。利益率まで考慮すれば、より精度の高い判断材料になります。
傾向スコアで推計したリフト値から、NBDモデルの考えかたを応用して購買回数増加を推定することで、ブランドリフトがいくらの売上につながるのかが分かります。
それができれば、売上目標を達成するために利用意向の高い人をあと何%引き上げれば良いのか？目標達成に必要なブランドリフトを知ることができます。
あとはブランドリフトに必要なマーケティングコストを施策ごとに把握する分析の精度を上げていけば良いのです。
私が支援に入るブランドでは、競合ブランドが行っているTVCMなどの効果を推定し、得られたデータから、マーケティング目標に必要なKPIをとらえ、その獲得に必要なマーケティング予算を考えています。
森岡さんが、ハリーポッターの初年度の成功のために、広告を限界まで投資しても足りない認知度15%を埋める必要があるととらえていました。そして、実際にその課題を解決する大成功を収められました。
実際に行われた施策も秀逸ですが、目標を明確にすることで、必要なリソースを全集中させた戦略が見事だと思います。
事業予測のための根拠となる、確かな数式や係数を蓄積していくことで、確かな予測モデルを確立できます。そのレベルを目指すための第一歩として、プレファレンス・アナライザーがみなさんのお役に立てるかもしれません。
ご自身のビジネスで活用したい方は
株式会社秤HP内のプレファレンス・アナライザー特設ページで配布している資料をご覧ください。プロジェクトででどの様に活用しているまで記載しています。
実務では、時系列データ解析によるMMM（マーケティング・ミックス・モデリング）とプレファレンス・アナライザーを併用しています。
分析のアルゴリズムが違いますが、MMMの短期効果とプレファレンス・アナライザーの長期効果を、それぞれ見比べながら確かな予測に使える数式と係数を地道に見出しています。それこそが、データドリブン思考に戦略を導くマーケティング組織になる唯一の近道だと考えています。
株式会社秤HP内MMMプレファレンス・アナライザー紹介ページ
https://www.hakari-corp.com/preference-analyzer/