消費者の意識・行動変容に対する要因分析

消費者の意識・行動変容に対する要因分析
∼ベイジアンネットを用いた因果的構造モデリング∼
Team:Vitamin
三浦未生 (東京都立産業技術高等専門学校/モデライズ(株)インターン)
竹ノ下陽子 (モデライズ(株))
松野弘樹 (モデライズ(株))
課題設定と分析手法
【映画を選んだきっかけ】
大量にかつ長期間にわたるCMを流す、販促グッズを作る、などのマーケティングに力を入
れた映画でも、必ずしも興行収入につながらないことが起きている。
→ マーケティング戦略の見直しが必要ではないだろうか。
【課題設定】
消費者の属性や日常行動、価値観などから、映画視聴に対する意識、行動の違いを分析し、
今後の映画公開におけるマーケティング活動支援(ターゲティングの明確化、広告宣伝の最
適化等)を行う。
【具体的なアウトプット】
映画視聴態度の違いによる消費者像の差異を明らかにする。
【分析手法】
ベイジアンネットワークを用いた消費者の意識、行動モデルの構築。
【ベイジアンネットワークのメリット】
①目的変数に対する説明変数の抽出
情報量基準(AICを採用)により、映画視聴行動の有無や映画認知の有無に対して影響
を与える変数を決定できる。
②条件付き確率によるネットワークの構築
モデルのネットワーク構造から変数間の関係性を確率として表現できるため、消費者の
意識、行動の違いを数値として捉えられる。
ベイジアンネットワーク(BN)とは
概要
機能
・事象同士の依存関係を有向リンクで表現し、
事象の起こりやすさを条件付確率によって
確率的に表現したモデル
・”因果を持つ可能性”として不確実性を含む
因果関係を体系的に扱える
・ある事象が観測された際、別の事象が
既に起きている確率を推論可能(確率推論)
・コンピュータを用いて統計データから自動的に
モデルを作成可能(機械学習)
ベイジアンネットワークの構造例
事象1
事象2
事象4
事象3
リンクの向きは
条件付確率の向き
P(事象3|事象1)
0
1
0
0.2
0.6
1
0.8
0.4
[事象3]ノードは条件付確率として、事象1が
起きたとき(起こらなかったとき)に、事象3が
起こる(起こらない)確率を情報として持つ
・「∼がある、ない」を事象として扱うことで、様々
な事例をモデルに適応できる。
・「XがあればYがある」確率を条件付確率で表し、
「YであればXがある」確率は確率推論によって
計算できる。
・過去の天気を記録した統計データがあれば、
自動的に上記の計算を行うモデルを構築し、毎
日の天気を追加することで精度を高めたり、温
暖化の影響にも追従することができる。
本コンテストにおけるベイジアンネットワークの利用法
映画に対する認知、興味、行動の結果やユーザーの属性等を全て1つの事象と
して扱い、上記の機能を用いてユーザーへ与える影響とパターンを探す。
映画視聴態度と意識・行動変容
3000人分の映画視聴意向データ→調査期間内に1度のみ調査
認知
興味
行動
行動変容
意識変容
3000人を属性、
価値観で見ると…
年齢
価値観
日常行動
興味
認知
意識変容
解決策:調査対象を個人ではなく属性や
価値観のアンサンブルで表現
し、態度変遷が共通に持つ属性
や価値観を見る!!
行動
行動変容
問題点:コーホート分析(時間経
過に伴った調査対象の
態度変遷を見ること)は
困難!!
価値観の例
・流行に敏感か否か
・趣味は何か
日常行動の例
・週に何回スーパーや
本屋に行くか
仮説
映画視聴に対しては、次の2つの影
響を考えた。
消費者属性
外部からの刺激
内面、固有の価値観等
外部からの刺激については内面の
判断基準などを踏まえて反応すると
考えた。
この考えに基づき、右のような関係
性(スケルトンモデル)および次ペー
ジに示す変数を選定した。
目的変数の設定
認知・興味・行動それぞれについて、映画視聴
の項目から次のように設定した。
認知
興味
行動
Yes
それ以外
見たい、とても
見たい
すでに見た
No
知らない
見たいと思わな
いが知っている
見たい、とても
見たい
価値観・趣味・
日常行動
外部刺激:
TVCMなど
認知・興味・行動
スケルトンモデル
使用データ:消費者属性
消費者属性: 6項目
性別: 男 / 女
性別
3000
100.00%
男性
1544
51.50%
• 子有無: 子あり / 子なし
子有無 子あり 子なし
3000
1557
1443
100.00% 51.90% 48.10%
女性
1456
48.50%
• 年齢: 実年齢(20歳∼59歳)
20代
700
23.30%
30代
857
28.60%
40代
774
25.80%
50代
平均
669
39.174
22.30%
未既婚
3000
100.00%
独身
1007
33.60%
既婚 離婚_死別
1842
151
61.40%
5.00%
• 居住地: 群馬県 / 栃木県 / 茨城県 /
→ 20代 / 30代 / 40代 / 50代
年齢
3000
100.00%
• 未既婚: 未婚 / 既婚 / 離婚・死別
埼玉県 / 千葉県 / 東京都 / 神奈川県
居住地 茨城県 栃木県 群馬県 埼玉県 千葉県 東京都 神奈川県
3000
79
70
63
481
424
1120
763
99.80%
2.60%
2.30%
2.10% 16.00% 14.10% 37.30%
25.40%
• 職業:主婦 → 主婦
自営業 → 自営業
公務員 / 教職員 / 医師・医療 / 会社員 / フリーター / 農林・水産 /
弁護士・税理士 / パート、アルバイト / 派遣 → 給料取得者
無職 / 大学、大学院、専門学校生 / 浪人、予備校生 / 高校生 → 未就労者
会社経営 / 会社役員 → 雇用管理者
その他 → その他
職業
3000
100.00%
主婦
自営業 給与所得者 経営管理者 未就労者 その他
544
177
1911
81
241
46
18.13%
5.90%
63.70%
2.70%
8.03%
1.53%
・認知、興味、行動で5%以上違った
映画数(全6映画)を明記
・この値が0のデータは使用しない
使用データ:価値観・趣味
価値観: 32項目
名の通ったブ
使いやすい テレビやパソ
価格が品質
ランドやメー
無名なメー
周りの人が 多少値段が
多少値段が
(着やすいか コンなどの商
多少値段が
自分のライフ
消費 とにかく安く に見合ってい
カーの商品 いつも買うと
カーの商品よ
使っている人 流行にはこ 持っているも 高くてもアフ 周りの人と違
できるだけ長
高くても品質
どうかよりも 品でも色や
高くても利便
スタイルにこ
価値 て経済的なも るかどうかを
であればそ 決めているブ
りは有名な
の評判が気 だわるほうで のを持ってい ターサービス う個性的なも
く使えるもの
の良いものを
色やデザイン デザインを重
性の高いも
だわって商品
観
のを買う よく検討して
のぶん多少 ランドがある
メーカーの商
になる
ある
ないと気にな が充実してい のを選ぶ
を買う
買う
を重視して商 視して商品を
のを買う
を選ぶ
から買う
値段が高くて
品を買う
る
る方がよい
品を買う
買う
も良い
3000
965
2122
1262
514
658
524
565
1124
1056
799
300
92
604
549
1291
1595
32.17%
70.73%
42.07%
17.13%
21.93%
17.47%
18.83%
37.47%
35.20%
26.63%
3
3
2
0
1
4
1
2
2
3
10.00%
3.07%
20.13%
18.30%
43.03%
53.17%
20.87%
28.27%
3.90%
13.40%
4.17%
12.87%
2.20%
47.53%
8.43%
15.60%
24.33%
23.63%
33.90%
2.70%
13.20%
25.33%
2
5
3
4
0
4
0
5
1
5
2
4
5
0
5
4
6
0
4
3
5
3
すぐに使える
プライベート
現金や預貯
探している商
よい情報を 商品や店舗
自分の好き 同じ機能_値
ブランド_小 自分のため 商品を買う前
金がないとき
有名な人が 周りの人が 品が見つか
消費 環境保護に 安全性に配 レンタルや 中古製品や
得るために に関する情
なものは、た 段であるなら
使い捨て商 売店が独自 にオーダーメ にいろいろ情
に、クレジット
良いと言って 良いと言って らない場合
価値 配慮して商 慮して商品を リースをよく リサイクル品
はお金を払う 報をよく人に
とえ高価でも ば外国製品
品をよく買う に販売してい イドされた商 報を集めて
カードで高額
いるものを選 いるものを選 はすぐに店
観
品を買う
買う
利用する
をよく買う
のが当然で 教える方であ
お金を貯め よりも日本製
るブランドを 品をよく買う
から買う
の買い物を
ぶことが多い ぶことが多い 員に聞く方で
ある
る
て買う
品を買う
よく買う
することがよ
ある
くある
3000
626
848
117
402
125
386
66
1426
253
468
730
709
1017
81
396
760
変遷
変遷
趣味: 31項目
趣味
3000
スポーツ・
フィットネス
3000
変遷
スキー
書道、茶道、
日曜大工、
アウトドア、 スポーツ観 音楽鑑賞(コ 映画・演劇・ ビデオ、DV 写真・ビデオ 楽器演奏、
編み物、料
園芸、庭いじ
華道、絵画、
機械・模型い
キャンプ
戦
ンサート含) 美術鑑賞
D鑑賞
撮影
合唱
理
り
俳句など
じり
釣り
読書
549
213
253
136
232
614
1187
1180
1446
363
257
73
345
163
314
1133
18.30%
7.10%
8.43%
4.53%
7.73%
20.47%
39.57%
39.33%
48.20%
12.10%
8.57%
2.43%
11.50%
5.43%
10.47%
37.77%
4
1
6
0
2
3
5
6
6
4
0
1
5
0
3
4
変遷
趣味
ゴルフ
テレビゲー マッサージ、
ム・ファミコン
エステ
パソコン
外食・グル 囲碁・将棋・
メ・食べ歩き 麻雀など
カラオケ
競馬
パチンコ
宝くじ
国内旅行
海外旅行
遊園地、テー ボランティア
マパーク
活動
ドライブ
その他
2235
760
345
389
961
57
232
243
367
1119
402
862
523
100
139
74.50%
25.33%
11.50%
12.97%
32.03%
1.90%
7.73%
8.10%
12.23%
37.30%
13.40%
28.73%
17.43%
3.33%
4.63%
2
5
3
4
5
0
3
1
3
4
5
6
5
2
0
使用データ:日常行動
日常行動: 20項目
1か月以内に訪問したことがある施設:78項目
プレイスポット
喫茶チェーン
東京ディズニーランド
よこはまコスモワールド 東京ミッドタウン
カレッタ汐留
神宮球場
味の素スタジアム
横浜中華街
東京ディズニーシー
サンリオピューロランド
東京ドームシティ
としまえん
パレットタウン
東京ジョイポリス
ナムコ・ナンジャタウン
キッザニア東京
表参道ヒルズ
ヴィーナスフォート
恵比寿ガーデンプレイス
丸ビル
横浜ランドマークタワー
横浜赤レンガ倉庫
ららぽーと横浜
ラゾーナ川崎プラザ
横浜スタジアム
千葉マリンスタジアム
西武ドーム
国立霞ヶ関競技場
大井競馬場
日本武道館
有明テニスの森
羽田空港
横浜アリーナ
ドトールコーヒー
Lemonホール
東京ビックサイト
国際フォーラム
エプソン 品川アクアスタジアム
大江戸温泉物語
新・丸ビル
ららぽーとTOKYO-BAY(船橋)
埼玉スタジアム
お台場海浜公園
幕張メッセ
ららぽーと豊洲
ファミレス
すかいらーく
デニーズ
ジョナサン
牛角
サイゼリヤ
東京ドーム
雑貨チェーン
無印良品
東急ハンズ
日産スタジアム
ホームセンター
ダイクマ
カインズ
コーナン
ニトリ
東京タワー
パシフィコ横浜
ディスカウントストア 子供向け店
ドン・キホーテ
赤ちゃん本舗
西松屋
トイザらス
横浜八景島シーパラダイス
六本木ヒルズ
ファーストフード
カレーハウスCoCo壱番屋
吉野家
マクドナルド
松屋(牛丼)
モスバーガー
ミスタードーナツ
ケンタッキーフライドチキン
1ヶ月以内に訪問し
たことのある施設
プレイスポット
3000
喫茶チェーン
ファーストフード
ファミレス
雑貨チェーン
ホームセンター
ディスカウントス
トア
子供向け店
衣服専門店
スターバックスコーヒー
衣服専門店
ユニクロ
しまむら
アオヤマ
アオキ
コナカ
家電量販店
1418
1331
2208
1156
1028
680
648
474
1421
2254
1748
47.30%
44.40%
73.60%
38.50%
34.30%
22.70%
21.60%
15.80%
47.40%
75.10%
58.30%
• 週別利用チャネル頻度
コンビニ
GMS
SM
ドラッグストア
百貨店
ショッピングセ
ンター
百貨店
ほとんど 週に2∼3
月に1∼2 半年に1
ほとんど利用な
週に1回
年に1回
毎日
回
回
∼2回
し
651
1068
681
495
43
7
25
本屋
0.80%
166 大型家庭電器
店
5.50%
116
通信販売
3.90%
75 テレビショッピ
ング
2.50%
337 インターネット
11.20% ショッピング
21.70%
73
2.40%
248
35.60%
431
14.40%
841
22.70%
768
25.60%
986
16.50%
1091
36.40%
622
1.40%
366
12.20%
131
0.20%
75
2.50%
26
8.30%
17
0.60%
10
28.00%
247
8.20%
71
32.90%
900
30.00%
258
20.70%
1386
46.20%
1056
4.40%
292
9.70%
893
0.90%
53
1.80%
345
0.30%
2.40%
8.60%
35.20%
29.80%
11.50%
12
66
318
1170
837
260
307
0.40%
2.20%
10.60%
39.00%
27.90%
8.70%
10.20%
ほとんど 週に2∼3
月に1∼2 半年に1
ほとんど
週に1回
年に1回
毎日
回
回
∼2回
利用なし
38
272
720
1320
407
95
118
1.30%
6
0.20%
5
9.10%
66
2.20%
25
24.00%
306
10.20%
102
44.00%
1399
46.60%
526
13.60%
944
31.50%
756
3.20%
171
5.70%
397
3.90%
78
2.60%
1159
0.20%
6
0.20%
16
0.80%
14
0.50%
89
3.40%
37
1.20%
316
17.50%
101
3.40%
1378
25.20%
206
6.90%
800
13.20%
292
9.70%
193
38.60%
2314
77.10%
178
0.50%
3.00%
10.50%
45.90%
26.70%
6.40%
5.90%
使用データ:映画の視聴態度(認知・興味・関心)
『ライラの冒険』CM接触頻度(調査期
間内の累計)
1∼5 6∼10 11∼ 16∼ 21∼ 31回
総計 0回
回
回 15回 20回 30回 以上
総計
2973 170 609 412 367 309 505 601
すでに見た
222
8
45
35
35
22
38
39
とても見たい
334
12
58
46
41
39
58
80
見たい
707
27 129
93
87
81 146 144
知ってるが見ない 1227
77 240 169 133 124 196 288
知らない
483
46 137
69
71
43
67
50
『ドラえもん』CM接触頻度(調査期間
内の累計)
1∼5 6∼10 11∼ 16∼ 21∼ 31回
総計 0回
回
回 15回 20回 30回 以上
総計
2973 313 1203 699 281 175 185 117
すでに見た
58
1
16
9
13
6
5
8
とても見たい
104
9
34
21
14
8
8
10
見たい
345
33 114
87
40
21
29
21
知ってるが見ない 2022 186 827 491 184 129 132
73
知らない
444
84 212
91
30
11
11
5
『バンテージ・ポイント』CM接触頻度(調査期間内の
累計)
1∼5 6∼10 11∼ 16∼ 21∼ 31回
総計 0回
回
回 15回 20回 30回 以上
総計
2973 312 981 563 433 347 281
56
すでに見た
73
4
15
18
8
13
12
3
とても見たい
186
15
44
40
29
27
25
6
見たい
410
25 122
95
66
45
48
9
知ってるが見ない 619
66 179 102
87
95
76
14
知らない
1685 202 621 308 243 167 120
24
CM接触頻度別映画視聴態度
の分布
CM接触頻度別映画視聴態度
の分布
CM接触頻度別映画視聴態度
の分布
31回以上
21∼30回
16∼20回
11∼15回
6∼10回
1∼5回
0回
31回以上
21∼30回
16∼20回
11∼15回
6∼10回
1∼5回
0回
31回以上
21∼30回
16∼20回
11∼15回
6∼10回
1∼5回
0回
0%
すでに見た
20%
とても見たい
40%
見たい
60%
80%
知ってるが見ない
100%
知らない
0%
すでに見た
20%
とても見たい
40%
60%
見たい
80%
知ってるが見ない
100%
知らない
0%
すでに見た
20%
とても見たい
40%
見たい
60%
80%
知ってるが見ない
100%
知らない
『ジャンパー』CM接触頻度(調査期間内の
累計)
1∼5 6∼10 11∼ 16∼ 21∼ 31回
総計 0回
回
回 15回 20回 30回 以上
総計
2973 309 1240 765 362 169 100
28
すでに見た
114 10
54
27
12
6
2
3
とても見たい
277 12
97
95
43
14
11
5
見たい
600 50 238 164
72
47
19
10
知ってるが見ない
849 83 306 225 123
60
44
8
知らない
1133 154 545 254 112
42
24
2
『魔法にかけられて』CM接触頻度(調査期間
内の累計)
1∼5 6∼10 11∼ 16∼ 21∼ 31回
総計 0回
回
回 15回 20回 30回 以上
総計
2973 235 935 655 492 299 260
97
すでに見た
114
5
27
25
27
11
15
4
とても見たい
335
11
73
75
54
52
45
25
見たい
581
24 176 138 102
60
61
20
知ってるが見ない 941
77 289 203 154
94
91
33
知らない
1002 118 370 214 155
82
48
15
『犬と私の10の約束』CM接触頻度(調査期間
内の累計)
1∼5 6∼10 11∼ 16∼ 21∼ 31回
総計 0回
回
回 15回 20回 30回 以上
総計
2973 395 1124 752 394 173 108
27
すでに見た
48
3
14
15
10
2
3
1
とても見たい
304
28
90
85
46
37
13
5
見たい
735
79 259 192 117
38
43
7
知ってるが見ない 1367 159 535 355 176
87
42
13
知らない
519 126 226 105
45
9
7
1
CM接触頻度別映画視聴態
度の分布
CM接触頻度別映画視聴態度
の分布
CM接触頻度別映画視聴態度
の分布
31回以上
21∼30回
16∼20回
11∼15回
6∼10回
1∼5回
0回
0%
すでに見た
31回以上
31回以上
21∼30回
21∼30回
16∼20回
11∼15回
16∼20回
6∼10回
6∼10回
1∼5回
1∼5回
0回
11∼15回
0回
20%
とても見たい
40%
見たい
60%
80%
知ってるが見ない
100%
知らない
0%
すでに見た
20%
とても見たい
40%
見たい
60%
80%
100%
知ってるが見ない 知らない
0%
20%
すでに見た とても見たい
40%
見たい
60%
80%
100%
知ってるが見ない 知らない
※CM接触回数はTV番組視聴状況/TVCF出稿状況の全期間のデータを累計して作成。
モデル構築
利用したデータ項目の一つ一つをノードとして、ノードごとのリ
ンクのひかれ方や映画の視聴態度との関係性などを見なが
ら、モデルを複数構築した。
最終的には情報量基準を考慮しつつリンク関係を重視してモ
デルを選択した。
モデル構築には、産業技術総合研究所が開発したベイジア
ンネットワークのモデル構築ができるBayoNetを使用した。
参考URL:http://staff.aist.go.jp/y.motomura/bayonet/indexJ.html
モデル構築結果
消費者属性
価値観・趣味・日常行動
CM視聴頻度
映画視聴態度
映画視聴態度に直接関係するノード群
0.0
UDI_Movie.1
UDB_DGS.日常的に利用
UD_Gender.女
UDB_DGS.週1回
UD_50s.1
UD_Marriage.離婚_死別
UD_Marriage.未婚
UDC_Saving.1
UD_Child.子あり
UDI_Video.1
UDB_PlaySpot_Monthly…
0.5
UDB_PlaySpot_Monthly…
UD_Kanagawa.1
JOB_emploee.1
UD_Kanagawa.0
JOB_emploee.0
UDB_PlaySpot_Monthly…
UDB_PlaySpot_Monthly…
UDC_Saving.0
UDI_Video.0
1.5
UD_Child.子なし
2.0
UD_50s.0
UD_Marriage.既婚
UDB_DGS.月1から2回
UD_Gender.男
•
UDB_DGS.ほぼ利用なし
UDB_DGS.半年1から2回
UDI_Movie.0
感度分析とは
感度分析とは
感度分析とは、どの事象(説明変数)が目的変数に影響しているかを感度で評価する手法である。
感度とは、事前確率(モデル構築時にデータから得られた確率値)に対して、 事後確率(ある事象が
観測されたときに別の事象が発生した確率値)の変化を評価するもので、次式から得られる。
感度>1のとき、目的変数にプラスの影響
事後確率
感度
感度<1のとき、目的変数にマイナスの影響
事前確率
認知状況の分析①
“ライラの冒険”の視聴態度の違いを見るために、”ライラ”の認知(att.0=非認知、att.1=認知)を目的変数に、
「ライラ」の視聴態度と直接関係が強い変数個々を条件として感度分析をした。
認知度:低
認知度:高
1.0
Movie_Lyra_Att.
0
認知に影響が強い変数
1.趣味:映画有無
2.ドラッグストアの利用頻度
3.性別
1.0
1.0
0.5
0.5
0.0
0.0
認知に対して、映画趣味の有無による影響は高いことがわかった。
他の変数との組み合わせによらず、映画趣味の人(右図)では非認知の感度が1を下回っている、すなわ
ち認知していない割合が低いのに対して、逆に映画が趣味ではない人(左図)では非認知の感度が1を上
回っている、すなわち認知していない割合が高くなっている。
UDB_DGS.週1回/UDI_Movie.1
UD_Child.子あり/UDI_Movie.1
1.5
UD_Marriage.未婚…
2.0
UDC_Saving.1/UDI_Movie.1
UDB_PlaySpot_Monthly.5か…
UDB_PlaySpot_Monthly.1か…
UD_Kanagawa.1/UDI_Movie.1
JOB_emploee.1/UDI_Movie.1
UDC_Saving.0/UDI_Movie.1
UDI_Movie.1/UDI_Video.0
UD_Child.子なし/UDI_Movie.1
UD_Gender.男/UDI_Movie.1
Movie_Lyra_Att.0
Movie_Lyra_Att.1
UDB_DGS.半年1から2回…
UDB_DGS.週1回/UDI_Movie.0
UD_Child.子あり/UDI_Movie.0
1.5
UDI_Movie.0/UDI_Video.1
2.0
UDC_Saving.0/UDI_Movie.0
UDB_PlaySpot_Monthly.3か…
UDB_PlaySpot_Monthly.行…
UD_Kanagawa.0/UDI_Movie.0
JOB_emploee.0/UDI_Movie.0
UD_50s.1/UDI_Movie.0
UD_Marriage.未婚…
UD_Child.子なし/UDI_Movie.0
UD_Gender.男/UDI_Movie.0
UDB_DGS.半年1から2回…
認知状況の分析(感度分析)
認知状況②
前ページで確認できた認知に対する感度の高い変数、低い変数それぞれについて、では映画趣味であれば他の変数は全く無視
できるのか、という点を確認した。
具体的には、映画趣味の有無にそれ以外の変数を掛け合わせ、条件の数を2つとして、非認知、認知それぞれを目的変数にした
場合の感度を調べた(左図:映画趣味なし/右図:映画趣味あり)。
Movie_Lyra_Att.0
Movie_Lyra_Att.1
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
Movie_Lyra_Att.0
Movie_Lyra_Att.0
Movie_Lyra_Att.1
映画趣味以外で、認知に対して影響があると考えられた変数2つ(ドラッグストア利用頻度、性別)についても、前ページと同様、
他の変数との関係を感度分析で確認した。
図は、上段左がドラッグストア利用頻度の低い人(半年1∼2回)/上段右がドラッグストア利用頻度の高い人(日常的に利用)
下段左が男性/下段右が女性、をそれぞれ条件としたときの、認知の有無を目的変数にした感度分析結果である。
Movie_Lyra_Att.1
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
UDB_DGS.日常的に…
UDB_DGS.日常的に…
UDB_DGS.日常的に…
UDB_DGS.日常的に…
UDB_DGS.日常的に…
UD_Child.子あり…
UDB_DGS.日常的に…
UD_Gender.女…
UD_50s.1/UDB_DGS…
UD_Marriage.未婚…
UD_Marriage.離婚_…
UDB_DGS.日常的に…
UD_Child.子なし…
UDB_DGS.日常的に…
UDB_DGS.日常的に…
JOB_emploee.0/UDB…
JOB_emploee.1/UDB…
UD_Kanagawa.0/UD…
UD_Kanagawa.1/UD…
UDB_DGS.日常的に…
UD_Gender.男…
UD_Marriage.既婚…
UD_50s.0/UDB_DGS…
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_50s.0/UD_G…
UD_Child.子なし…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Child.子あり…
UD_Gender.女…
UD_Gender.女…
UD_50s.1/UD_G…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UD_Gender.女…
UDB_DGS.半年1か…
UD_Gender.男…
UD_50s.0/UDB_DGS…
UD_Marriage.既婚…
UD_Child.子あり…
UDB_DGS.半年1か…
UDB_DGS.半年1か…
JOB_emploee.0/UDB…
JOB_emploee.1/UDB…
UD_Kanagawa.0/UD…
UD_Kanagawa.1/UD…
UDB_DGS.半年1か…
UDB_DGS.半年1か…
UDB_DGS.半年1か…
UDB_DGS.半年1か…
UD_Marriage.離婚_…
UDB_DGS.半年1か…
UDB_DGS.半年1か…
UD_Child.子なし…
UD_Marriage.未婚…
UD_50s.1/UDB_DGS…
UD_Gender.女…
UDB_DGS.半年1か…
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_50s.0/UD_Gen…
UD_Child.子あり…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
UD_Child.子なし…
UD_Gender.男…
UD_Gender.男…
UD_50s.1/UD_Gen…
UD_Gender.男…
UD_Gender.男…
UD_Gender.男…
認知状況の分析(感度分析)
認知状況③
Movie_Lyra_Att.0
Movie_Lyra_Att.0
Movie_Lyra_Att.1
Movie_Lyra_Att.1
ドラッグストア利用頻度は映画趣味に次いで認知の有無に対する影響がみられた。映画趣味以外の組み合わせでみると、利用頻度が
低い人では非認知の感度が1を上回っている、すなわち認知していない割合が高く、頻度が高い人では逆に認知していない割合が低く
なる。また、性別については、映画趣味、ドラッグストア利用頻度に次いで認知に影響しており、男性では非認知の感度が1を上回って
いるが、女性では1を下回っている。
認知状況の分析(プロファイリング)
感度分析の結果、こんな人では「ライラ」を認知している確率が高い、あるいは低い、ということが分かったが、具体的にはどういう人
なのかという点を、BNモデルを使って、再度推論してみた。
ここでは、「映画が趣味」で「ドラッグストアへ日常的に行く人」を、「ライラ」の認知が高い人の特徴として考え、この人たちが事前分布
と比べて特徴的な点を、属性、行動、意識面から抜き出した。
同じ機能_値段で
あるならば外…
周りの人が良い
と言っているも…
無名なメーカーの
商品よりは有…
探している商品
が見つからな…
安全性に配慮し
て商品を買う
日常的に利用
週1回
月1から2回
事前確率
Movie1、DGS日常
半年1から2回
0%
100%
80%
60%
40%
20%
0%
ほぼ利用なし
0%
日常的に利用
0%
週1回
20%
0%
月1から2回
20%
半年1から2回
20%
ほぼ利用なし
40%
20%
Movie1、DGS日常
40%
事前確率
スポーツ観戦
マッサージ、エス
テ
60%
40%
Movie1、DGS日常
事前確率
Movie1、DGS日常
80%
40%
事前確率
行動パターン:百貨店頻度
日常的に利用
60%
読書
音楽鑑賞(コン
サートも含む)
外食・グルメ・食
べ歩き
事前確率
Movie1、DGS日常
80%
事前確率
Movie1、DGS日常
行動パターン:GMS頻度
100%
週1回
60%
編み物、料理
Movie1、DGS
日常
行かない
行った
80%
行動パターン:SM頻度
月1から2回
60%
行かない
行った
100%
半年1から2回
80%
100%
行動パターン:
衣服専門店月1回
100%
80%
60%
40%
20%
0%
事前確率
Movie1、DGS日常
ほぼ利用なし
100%
行動パターン:
雑貨チェーン月1回
消費価値観
趣味
100%
80%
60%
40%
20%
0%
女
男
Movie1、DGS日
常
事前確率
子あり
子なし
性別
100%
80%
60%
40%
20%
0%
事前確率
子供の有無
100%
80%
60%
40%
20%
0%
「ライラ」認知者のプロファイリング
女性が多い。日常の買い物は衣料品、GMS、百貨店等のチャネルによらず頻度が高いため、外
出する機会の多いことが考えられる。外食や音楽鑑賞の機会も多そうであるが、スポーツ観戦
はあまりしない。消費は、①メジャーなもの、②安心なものを選ぶ傾向があることがわかる。
認知状況の分析(プロファイリング)
前ページと同様、ここでは、「映画が趣味」ではなく、「ドラッグストアへ半年に1∼2回行く」人を、「ライラ」の認知が低い人の特徴として
考え、この人たちが事前分布と比べて特徴的な点を、属性、行動、意識面から抜き出した。
100%
80%
探している商品
が見つからな…
無名なメーカー
の商品よりは…
安全性に配慮し
て商品を買う
周りの人が良い
と言っている…
同じ機能_値段
であるならば…
スポーツ観戦
行動パターン:百貨店頻度
事前確率
Movie0、DGS半年1∼2
60%
40%
20%
「ライラ」非認知者のプロファイル
男性が多い。日常生活で買い物の機会が多くなく、消費についても
こだわりが強くないことがわかる。
日常的に利用
週1回
月1から2回
半年1から2回
日常的に利用
週1回
月1から2回
0%
ほぼ利用なし
音楽鑑賞(コン
サートも含む)
読書
外食・グルメ・食べ
歩き
編み物、料理
マッサージ、エス
テ
事前確率
Movie0、DGS半年1∼2
半年1から2回
Movie0、DGS半年1
∼2
事前確率
Movie0、DGS半年
1∼2
60%
40%
20%
0%
事前確率
Movie0、DGS半年1∼2
100%
80%
60%
40%
20%
0%
ほぼ利用なし
行った
事前確率
Movie0、DGS半年1∼2
行動パターン:GMS頻度
行動パターン:SM頻度
日常的に利用
行かない
100%
80%
60%
40%
20%
0%
消費価値観
100%
80%
60%
40%
20%
0%
事前確率
Movie0、DGS半年1∼2
週1回
行動パターン:雑貨
チェーン月1回
男
月1から2回
事前確率
女
趣味
100%
80%
60%
40%
20%
0%
半年1から2回
行った
100%
80%
性別
ほぼ利用なし
行かない
事前確率
100%
80%
60%
40%
20%
0%
行動パターン:衣服専
門店月1回
子なし
Movie0、DGS
半年1∼2
事前確率
子あり
100%
80%
60%
40%
20%
0%
Movie0、DGS半
年1∼2
子供の有無
100%
80%
60%
40%
20%
0%
CM頻度と認知形成の関係
CM接触頻度と非認知感度との関係
CM接触頻度と非認知感度の関係
2.0
ユーザー属性を指定しない場合
UDI_Movie.0
UDI_Movie.1
1.5
1.0
0.5
0.0
0回
1∼5回
6∼10回
11∼15回
16∼20回
21∼30回
31回以上
「ライラ」非認知の感度が、CM接触回数によりどのように異なるかを確認した。
CMとの接触が16回以上になると、感度が1より下回る。すなわち、非認知の確率
が16%を下回り、CM接触回数が16回以上で認知率が高まる、ということになる。
一方、映画が趣味の場合は1∼5回の接触で感度が1を下回るのに対して、映画が
趣味でない場合には31回以上の接触を持たなければならない。
興味有無の分析(感度分析)
興味の有無①
認知については映画趣味とドラッグストア利用頻度、性別で違いが出ることが分かったが、興味の有無についてはどうなのか、引き
続き、感度分析で傾向を分析していく。
感度分析の目的変数は「ライラ」に対する興味(認知のみ(Int.0)と興味あり(Int.1))とし、説明変数には先と同じ変数を用いている。
ライラの認知と興味についての感度分析結果
2.0
1.5
Movie_Lyra_Int.0
Movie_Lyra_Int.1
1.0
0.0
UDI_Movie.0
UDI_Video.0
UDB_PlaySpot_Monthly.…
UDB_PlaySpot_Monthly.1…
UD_Gender.男
UDB_DGS.ほぼ利用なし
UDB_DGS.半年1から2回
UD_Marriage.既婚
JOB_emploee.0
UD_Kanagawa.0
UD_50s.0
UD_Child.子あり
UDB_DGS.月1から2回
UDC_Saving.0
UDC_Saving.1
UD_Child.子なし
JOB_emploee.1
UDB_DGS.週1回
UD_Kanagawa.1
UD_50s.1
UD_Marriage.未婚
UD_Marriage.離婚_死別
UDB_DGS.日常的に利用
UD_Gender.女
UDI_Video.1
UDB_PlaySpot_Monthly.3…
UDI_Movie.1
UDB_PlaySpot_Monthly.5…
0.5
興味に対しては、映画趣味の有無、月あたりのプレイスポット訪問数(UDB_PlaySpot_Monthly.5か
所以上)の2つが影響力が高い。
興味が高くなる傾向が強い変数 → 映画趣味あり、プレイスポット訪問数(5か所以上)
認知のみの傾向が強い変数
→ 映画趣味なし
興味ありは、映画が趣味の人よりもプレイスポット訪問数の多い人の方が感度が高くなっている。
1.5
Movie_Lyra_Int.0
UD_Child.子なし…
UD_Gender.女…
UDB_PlaySpot_Mon…
UDB_PlaySpot_Mon…
Movie_Lyra_Int.0
UD_Marriage.未婚…
UD_Marriage.離婚…
UDB_DGS.週1回…
UDB_DGS.日常的…
UD_50s.0/UDB_Play…
UDB_DGS.ほぼ利…
UDB_DGS.半年1か…
UDB_DGS.月1から2…
UD_Marriage.既婚…
UDB_PlaySpot_Mon…
JOB_emploee.0/UD…
JOB_emploee.1/UD…
UD_Kanagawa.0/UD…
UD_Kanagawa.1/UD…
UDB_PlaySpot_Mon…
2.0
プレイスポットが5か所以上の場合
1.5
Movie_Lyra_Int.1
1.0
0.5
映画が趣味である場合
Movie_Lyra_Int.1
2.0
1.5
1.0
1.0
0.5
0.5
0.0
0.0
UDB_PlaySpot_Mont…
UDI_Movie.0/UDI_Vi …
JOB_emploee.0/UDI_…
UD_Kanagawa.0/UDI…
UD_50s.1/UDI_Movi…
UD_Child.子あり…
UD_Gender.男…
UDB_DGS.ほぼ利用…
UDC_Saving.1/UDI_…
UDB_DGS.半年1か…
UD_Marriage.未婚…
UD_Marriage.離婚_…
UDB_PlaySpot_Mont…
UDB_DGS.月1から2…
UD_Marriage.既婚…
UDC_Saving.0/UDI_…
UDB_DGS.週1回…
UDB_DGS.日常的に…
UD_50s.0/UDI_Movi…
UD_Gender.女…
UD_Child.子なし…
JOB_emploee.1/UDI_…
UD_Kanagawa.1/UDI…
UDI_Movie.0/UDI_Vi …
UDB_PlaySpot_Mont…
UDB_PlaySpot_Mont…
2.0
UDB_PlaySpot_Mon…
UD_50s.1/UDB_Play…
UD_Gender.男…
UD_Child.子あり…
UDB_PlaySpot_Mon…
0.0
UDB_PlaySpot_Mon…
UDB_PlaySpot_Mon…
UDI_Movie.1/UDI_V…
UD_Kanagawa.1/UD…
UD_50s.1/UDI_Mov…
UD_Gender.男…
UD_Child.子あり…
UDB_DGS.ほぼ利…
JOB_emploee.1/UDI…
UDB_DGS.半年1か…
UD_Marriage.既婚…
UDB_DGS.月1から…
UDC_Saving.0/UDI_…
UD_Marriage.離婚…
UDC_Saving.1/UDI_…
UDB_DGS.週1回…
UD_Marriage.未婚…
UDB_DGS.日常的…
UD_Gender.女…
UD_Child.子なし…
UD_50s.0/UDI_Mov…
JOB_emploee.0/UDI…
UD_Kanagawa.0/UD…
UDB_PlaySpot_Mon…
UDI_Movie.1/UDI_V…
UDB_PlaySpot_Mon…
興味有無の分析(感度分析)
興味の有無②
興味ありに対する感度の高い変数として挙げられたプレイスポット訪問数であれば他の変数は全く無視できるのか、という点を確認した。
具体的には、プレイスポット訪問数5か所以上にそれ以外の変数を掛け合わせ、条件の数を2つとして、認知のみ(Int.0)、興味あり(Int.1)
のそれぞれを目的変数にした場合の感度を調べた。
プレイスポット訪問数が5か所以上という要素は、
他のどの変数よりも興味ありに影響力が高い(左上
図)。他のどの変数との組み合わせにもよらず、常
に興味ありの感度が1より高い。
映画趣味はプレイスポット訪問数が5か所以上に
次いで影響があった。プレイスポット訪問数が5か所
以上の人以外の組み合わせでみると、映画が趣味
の人では興味ありの感度が1より高く(下図左)、映
画が趣味でない場合はプレイスポット3∼4か所を除
いて認知のみの感度が1より高い(下図右)。
映画が趣味でない場合
Movie_Lyra_Int.0
Movie_Lyra_Int.1
0.0
UDI_Movie.1
UDC_Saving.0
UD_Gender.女
UD_50s.1
UDB_DGS.日常的に利用
UDB_DGS.週1回
UD_Marriage.離婚_死別
UD_Marriage.未婚
JOB_emploee.1
UDI_Video.1
UDB_PlaySpot_Monthly.…
UDB_PlaySpot_Monthly.…
UDB_PlaySpot_Monthly.…
Movie_Lyra_Act.1
UD_Kanagawa.1
UD_Child.子なし
UD_Child.子あり
UD_Kanagawa.0
UDB_PlaySpot_Monthly.…
UDI_Video.0
2.0
UDB_DGS.月1から2回
UD_Marriage.既婚
UD_50s.0
JOB_emploee.0
UDB_DGS.半年1から2回
UDB_DGS.ほぼ利用なし
UD_Gender.男
UDC_Saving.1
UDI_Movie.0
行動有無の分析(感度分析)
行動の有無①
行動の有無についてはどうなのか、引き続き、感度分析で傾向を分析していく。
感度分析の目的変数は「ライラ」に対する行動(興味のみ(act.1)、行動した(act.2))とし、説明変数には先と同じ変数を用いている。
プレイスポットが5か所以上の場合
Movie_Lyra_Act.2
1.5
1.0
0.5
行動に対しては、映画趣味の有無と、消費価値観「自分の好きなものは、たとえ高価でもお金を貯めて買う」
(UDC_Saving)の2つが影響力が高い。
行動が高い傾向の変数 → 映画趣味あり、消費価値観「好きなものは高価でもお金を貯めて買う」なし
興味のみが高い傾向の変数 → 映画趣味なし、消費価値観「好きなものは高価でもお金を貯めて買う」あり
2.0
1.5
1.0
1.0
0.5
0.5
0.0
0.0
Movie_Lyra_Act.1
Movie_Lyra_Act.2
2.0
1.5
1.0
1.0
0.5
0.5
0.0
0.0
UDC_Saving.1/UD…
UD_Marriage.未…
UD_Marriage.離…
JOB_emploee.0/U…
UD_50s.0/UDI_M…
UD_Gender.女…
UDB_PlaySpot_M…
UDB_DGS.日常…
UDB_DGS.週1回…
UDI_Movie.1/UDI…
UD_Kanagawa.0/…
UD_Kanagawa.1/…
UD_Child.子あり…
UD_Child.子なし…
UDB_DGS.月1か…
UDI_Movie.1/UDI…
UDB_PlaySpot_M…
UDB_DGS.半年1…
UDB_PlaySpot_M…
UDB_DGS.ほぼ…
UDB_PlaySpot_M…
UD_Gender.男…
UD_50s.1/UDI_M…
JOB_emploee.1/U…
UD_Marriage.既…
UDC_Saving.0/UD…
Movie_Lyra_Act.1
Movie_Lyra_Act.2
UDC_Saving.1/UDI…
UD_Gender.男…
UDB_DGS.ほぼ利…
UDB_DGS.半年1か…
UD_Marriage.既婚…
UD_50s.0/UDC_Sa…
UDB_DGS.月1から…
UDC_Saving.1/UDI…
JOB_emploee.1/U…
UDB_PlaySpot_Mo…
UDB_PlaySpot_Mo…
UDB_PlaySpot_Mo…
UD_Child.子なし…
UD_Kanagawa.0/U…
UD_Kanagawa.1/U…
UD_Child.子あり…
UDB_PlaySpot_Mo…
JOB_emploee.0/U…
UDC_Saving.1/UDI…
UDB_DGS.週1回…
UD_Marriage.未婚…
UD_Marriage.離…
UD_50s.1/UDC_Sa…
UDB_DGS.日常的…
UD_Gender.女…
UDC_Saving.1/UDI…
1.5
UDC_Saving.1/UDI…
UD_Marriage.未婚…
UD_Marriage.離…
JOB_emploee.0/U…
UD_50s.1/UDI_Mo…
UD_Gender.男…
UDB_DGS.ほぼ利…
UDB_PlaySpot_Mo…
UDB_DGS.半年1…
UDI_Movie.0/UDI_…
UDB_DGS.月1か…
UD_Child.子なし…
UD_Kanagawa.0/U…
UD_Kanagawa.1/U…
UD_Child.子あり…
UDI_Movie.0/UDI_…
UDB_DGS.週1回…
UDB_PlaySpot_Mo…
UDB_DGS.日常的…
UD_50s.0/UDI_Mo…
UDB_PlaySpot_Mo…
UDB_PlaySpot_Mo…
UD_Gender.女…
JOB_emploee.1/U…
UD_Marriage.既婚…
UDC_Saving.0/UDI…
2.0
UDC_Saving.0/UDI_…
UD_Gender.男…
UDB_DGS.ほぼ利…
UDB_DGS.半年1か…
UD_Marriage.既婚…
UD_50s.0/UDC_Sav…
UDB_DGS.月1から…
UDC_Saving.0/UDI_…
JOB_emploee.0/UD…
UD_Child.子なし…
UD_Kanagawa.0/U…
UD_Kanagawa.1/U…
UDB_PlaySpot_Mo…
UDB_PlaySpot_Mo…
UDB_PlaySpot_Mo…
UD_Child.子あり…
UDB_PlaySpot_Mo…
JOB_emploee.1/UD…
UDC_Saving.0/UDI_…
UDB_DGS.週1回…
UDB_DGS.日常的…
UD_Marriage.未婚…
UD_Marriage.離婚…
UD_50s.1/UDC_Sav…
UD_Gender.女…
UDC_Saving.0/UDI_…
行動有無の分析(感度分析)
行動の有無②
前ページで確認できた行動に対する感度のある変数それぞれについて、他の変数は全く無視できるのか、という点を確認した。
具体的には、映画趣味の有無、消費価値観「好きなものは高価でもお金を貯めて買う」にそれ以外の変数を掛け合わせ、条件の数を2つとして、
行動の有無を目的変数にした場合の感度を調べた(上段左図:映画趣味なし/右図:映画趣味あり、下段左図:「好きなものは高価でもお金を貯
めて買う」なし、右図: 「好きなものは高価でもお金を貯めて買う」あり) 。
2.0
1.5
Movie_Lyra_Act.1
Movie_Lyra_Act.2
Movie_Lyra_Act.1
Movie_Lyra_Act.2
映画趣味の有無は他変数に比べて行動の有無に対する影響力が高い。映画が趣味の人では「行動した」の感度が1より高く、行
動に至る確率が高いが(上段右図)、映画が趣味でない人では興味を持っていても行動に至らない(上段左図)ことがわかる。
消費価値観「自分の好きなものは、たとえ高価でもお金を貯めて買う」は映画趣味に次いで行動に対する影響力が高く、映画趣味
がある人を除けば、この価値観がある人では興味を持っていても行動には至らない(下段右図)。
興味・行動有無の分析(プロファイリング)
感度分析の結果、どんな人が「ライラ」に興味を持っている、見に行っている確率が高い、ということが分かったが、具体的にはどういう人
なのか。その点を、BNモデルを使って、再度推論してみた。
ここでは、 「映画が趣味」で「プレイスポットに1か月で5か所以上訪問」している人を、「ライラ」の興味が高い人、「映画が趣味」で消費価
値観「自分の好きなものは、たとえ高価でもお金を貯めて買う」ではない人を、「ライラ」を見に行く確率の高い人、「映画が趣味」ではなく
「自分の好きなものは、たとえ高価でもお金を貯めて買う」人を「ライラ」には興味があるが行動していない人の特徴として考え、この人たち
が事前分布と比べて特徴的な点を、属性、行動、意識面から抜き出すことを試みた。
興味ある人の勤務体系:常勤雇用
興味ある人の未既婚
80%
80%
80%
60%
60%
60%
40%
40%
20%
20%
既婚
0%
女 0%
未婚
100%
行動する人の性別
女
80%
20%
常勤雇用でない
0%
事前確率
映画趣
味、プレ
イスポッ
ト5か所
以上
男
40%
事前確
率
映画趣味、プレイス
ポット5か所以上
100%
事前確率
100%
60%
40%
20%
既婚
未婚
Movie1、Saving1
事前確率
0%
事前確率
常勤雇用である
行動する人の未既婚
100%
80%
60%
40%
20%
0%
男
映画趣味、プレイ
スポット5か所以
上
興味ある人の性別
100%
Movie1、Saving1
100%
行動に至らない人の性別
100%
80%
80%
60%
60%
行動に至らない人の未既婚
40%
女
40%
既婚
20%
男
20%
未婚
0%
0%
事前確率
Movie0,Saving0
事前確率
Movie0,Saving0
趣味、行動有無からのプロファイリングでは、今回のデータでは属性以外には見つからなかった。
興味ありは、属性だけでみると、女性で未婚者がやや多く、常勤雇用者が多い。会社勤めの女性が想定される。
また行動する人には女性、未婚者が多いのが特徴。
男女別モデルによる分析
前ページまでの結果、「ライラ」の視聴行動に直接影響している要因には共通して性別が関わっていることが推測される。
そこで、取り込むデータを男性/女性で分けて、男性のデータだけから男性モデルを、女性だけのデータから女性モデルを
それぞれ構築した。前ページまでの分析で使用したモデルと比べて、ネットワーク構造から性別が取り除かれているため、他
の変数をより反映できることになる。
女性モデル
男性モデル
行
動
1.0
1.0
0.5
0.5
0.0
0.0
プロファイリング結果
・「行動した人」30代ではない男性
・「行動に至らなかった人」既婚男性
UDI_Reading.0/none
Movie_Lyra_Act.1
UD_Child.子なし/none
1.5
JOB_jiei.0/none
2.0
UDI_Gourumet.0/no…
Movie_Lyra_Act.2
UDI_Movie.1/none
JOB_shufu.0/none
UD_Kanagawa.1/no…
UDI_Reading.1/none
JOB_jiei.1/none
UD_Tokyo.1/none
UDI_Reading.0/none
UD_Kanagawa.0/no…
UDC_Segment.様…
UD_30s.1/none
Movie_Lyra_Int.0
UD_Kanagawa.1/none
プロファイリング結果
・30代ではなく自営業ではない男性
UD_Tokyo.0/none
0.0
UDC_Segment.様子…
0.0
UDC_Segment.普…
男性モデル
UDC_Segment.無関…
2.0
UDI_Movie.0/none
UDI_Skii.1/none
UDI_Music.0/none
UD_30s.0/none
JOB_jiei.0/none
1.5
UDB_HomeCenter_…
0.5
UDB_DiscountS_M…
2.0
UD_30s.1/none
0.5
JOB_jiei.1/none
1.0
UDC_Environs.0/no…
Movie_Lyra_Int.1
UDI_Movie.0/none
UDI_Movie.1/none
UD_30s.0/none
UD_Child.子なし/none
UDI_Video.1/none
Movie_Lyra_Act.1
UDI_Skii.1/none
1.0
UD_Marriage.未婚…
UD_50s.1/none
UD_20s.1/none
UD_Saitama.0/none
Movie_Lyra_Int.0
JOB_jiei.0/none
UD_50s.0/none
UD_20s.0/none
JOB_jiei.1/none
UDB_DiscountS_Mo…
1.5
UDI_Video.1/none
JOB_jiei.1/none
UDI_Skii.0/none
2.0
UDI_Music.0/none
1.5
UD_Marriage.既婚…
UD_30s.1/none
UDI_Movie.0/none
興
味
UDI_Movie.0/none
男女別モデルによる感度分析(興味・行動)
興味・行動については男女別モデルを用いて感度分析を実行し、さらにどのような特徴が認められるかを確認した。
あわせて、ここから得られた変数を元に推論を実行し、プロファイリングを試みた。
女性モデル
Movie_Lyra_Int.1
プロファイリング結果
・子供のいない30代主婦
プロファイリング結果
・「行動した人」主婦で読書はあまりしない人
・「行動に至らなかった人」給与所得者で読書を趣味とする人
興味ありの感度が
上がる変数
男性:1.趣味:スキー
2.趣味:映画
女性:1.新しい商品や
サービスを利用
する際の考え方
「人より先」
2.趣味:映画
Movie_Lyra_Act.2
興味ありの感度が
上がる変数
男性:1.趣味:映画
2.消費価値観
「環境保護に
配慮して商品
を買う」
女性:1.趣味:映画
2.趣味:読書では
ない
ここまででわかったことの整理
映画「ライラの冒険」の視聴態度の違いとしては次のようなことが読み取れた。
認知
【認知が高い人の特徴】
各視聴態度に
対する影響の
強い
変数・状態値
(感度分析の
結果)
感度分析結果
を
受けた
プロファイリン
グ
(感度の高い変
数での
推論結果)
興味
【興味が高い人の特徴】
男性:
・映画が趣味の人
・映画が趣味の人
・ドラッグストアの利用頻度
が高い人(日常的に利用)
女性が多い。日常の買い
物頻度が高いため、外出す
る機会が多い。外食や音楽
鑑賞の機会も多そう。消費
の際にはメジャーなもの、
安心なものを選ぶ傾向があ
る。
女性:
・新しい商品やサービスを利
用する際の考え方「人より
先」の人
・映画が趣味の人
・30代ではなく自営業ではな
い男性
・子供のいない30代主婦
行動
【行動が高い人の特徴】
男性:
・映画が趣味の人
・消費価値観「環境保護に
配慮して商品を買う」人
女性:
・映画が趣味の人
・読書が趣味ではない人
・30代ではない男性
・主婦で読書はあまりしな
い人
趣味:映画 回答者のプロファイリング
趣味:映画・演劇・美術鑑賞 ( 趣味:映画 )とTVCM視聴頻度の関係について
態度変遷に影響している要因を感度分析から求めた結果、特に 趣味:映画 が大きな影響を与えて
いることがわかった。
趣味:映画 に注目して感度分析した結果、次のことがわかった。
映画:ライラの冒険
CM視聴頻度_なし/趣味:映画_No
CM視聴頻度_1∼5回/趣味:映画_No
CM視聴頻度_6∼10回/趣味:映画_No
CM視聴頻度_11∼15回/趣味:映画_No
CM視聴頻度_16∼20回/趣味:映画_No
CM視聴頻度_21∼30回/趣味:映画_No
CM視聴頻度_31回以上/趣味:映画_No
CM視聴頻度_なし/趣味:映画_Yes
CM視聴頻度_1∼5回/趣味:映画_Yes
CM視聴頻度_6∼10回/趣味:映画_Yes
CM視聴頻度_11∼15回/趣味:映画_Yes
CM視聴頻度_16∼20回/趣味:映画_Yes
CM視聴頻度_21∼30回/趣味:映画_Yes
CM視聴頻度_31回以上/趣味:映画_Yes
認知なし
1.980
1.765
1.360
1.547
1.204
1.213
0.729
1.036
0.706
0.521
0.590
0.322
0.288
0.270
認知あり
0.812
0.853
0.931
0.895
0.961
0.959
1.052
0.993
1.056
1.092
1.079
1.130
1.137
1.140
認知あり
興味なし
1.112
1.112
1.112
1.112
1.112
1.112
1.112
0.826
0.826
0.826
0.826
0.826
0.826
0.826
認知あり
興味あり
0.888
0.888
0.888
0.888
0.888
0.888
0.888
1.174
1.174
1.174
1.174
1.174
1.174
1.174
認知あり 認知あり
興味あり 興味あり
行動なし 行動あり
1.083
0.547
1.083
0.547
1.083
0.547
1.083
0.547
1.083
0.547
1.083
0.547
1.083
0.547
0.871
1.702
0.871
1.702
0.871
1.702
0.871
1.702
0.871
1.702
0.871
1.702
0.871
1.702
趣味:映画 は認知、興味、行動のいずれにも影響が
高いので、具体的にどんな人が想定されるのか、新たに
ネットワークを構築して検討した。
趣味:映画 ではな
い人は、CM視聴頻
度が高くても認知に
移行していない!!
趣味:映画 の人
は、CM視聴頻度が
高くなるにつれて格
段に認知しない割合
が減少する!!
趣味:映画 回答者のプロファイリング
趣味:映画 ってどんな人?
趣味:映画 を目的変数として、どんな人かがわかるような変数(年齢、価値観など)を用いて、モデル構
築した結果、下図が得られた。図から、 趣味:映画 の人は芸術に関心が強そうだという関係性が見えて
きたので、意味的に共通な変数をひとつで代表し、さらに性別により分析してみる。
UDI_Musicを 芸術に関
心が強いユーザ の代
表変数として考える!!
意味的に 芸術に関
心が強いユーザ と
捉えることが可能
感度分析 UDI_M UDI_M UDI_Vi UDI_Vi UDI_R UDI_R UDI_tr UDI_tr
eading. eading. avel_in avel_in
usic.0 usic.1 deo.0 deo.1
結果
UDI_Movie.
0
UDI_Movie.
1
0
1
.0
.1
1.13
0.81
1.16
0.82
1.09
0.85
1.09
0.86
0.81
1.29
0.75
1.27
0.85
1.24
0.87
1.22
趣味:映画 に対して、各要
因は正の相関関係を持つ
趣味:映画 回答者のプロファイリング
“趣味:映画”な働く女性は
自分時間だってしっかり持ってます
“趣味:映画”・既婚者・子供が
いない奥さまは、デパ地下や
ショッピングセンタで食べ歩き
するのも趣味なんです
男性
遊園地好きな男
性は、子供がい
てもいなくても映
画に関心あり!!
芸術に関心が
あるユーザ
自分のライフスタイル
を確立していて、芸術
にも関心がある男性
女性
結論
映画「ライラの冒険」については、認知、興味、行動それ
ぞれの態度ごとに影響を与えている要因を特定できた。
その中でも特に“映画:趣味 という要因の影響がいずれ
の態度にも影響を及ぼしていた。
“映画:趣味 一般については、いくつかのプロファイルの
違いがあることが見出せた。
消費者行動の心理的な側面を表したデータが存在する
ことで、より説明力の高い分析が可能になる。
ベイジアンネットワークによる分析を通じて
今回は映画「ライラの冒険」視聴者の分析をしているが、個別の映
画にとどまらず、映画個々を分類(タグ付)することにより、今回分
析した手法を敷衍して、タグ付の組み合わせを目的変数とおけば、
どんな映画だったらどういう消費者が予想されるか、そしてどういう
意識・行動が想定できるかを予測することができると考えられた。
さらに、消費者がなぜその映画を選んだか、何を期待していたか、
といったデータを加えていくことで、より消費者行動の説明力を高
めていくことが可能になり、マーケティング活動を強固に支援できる
のではないかと思われる。
BNのマーケティング活用は端緒についたばかりで先行研究が乏
しいが、消費者の多様性が20世紀とは比べものにならない現在で
は、より個別の消費者をとらえることのできるBNのアプローチは、
実際にレコメンドの技術としても具現化されつつあり、今後の発展
が期待できると考えている。
謝辞
本分析を行う上で、お世話になった下記の方々に
篤くお礼を申し上げます。
本村陽一様 ((独)産業技術総合研究所)
池田涼太郎様 (東京都立産業技術高等専門学校)
モデライズ株式会社関係者皆様
特に、モデライズ(株)の皆様には分析ツールとして
社内環境を利用させて頂きまして感謝しております。