PAGE TOP

取り組み

印刷する

「指針盤」というアンケート&分析ツール

さぼ郎
アンケート

ワードクラフトには「指針盤」というスグレモノの「アンケート調査&分析ツール」があります。

どのように伝えていくことが、利用度を促進できるのかについて、ノーアイデアであるため、時々、自主調査と称して過去10回ほど、やってきました。

指針盤
「指針盤」の説明にリンク ↑

で、いま、ワードクラフトのコーポレートサイト構築の作業に入っていて、商品として扱えるサービスをまとめています。

そんな中、「指針盤」をどのように扱うかを検討しています。単に何かが数値で得られ、それをグラフ化した所で、そこになんらかの価値が見いだせなければ、そのような集計や分析には、意味も価値もないと思います。

その昔(なんと平成13年のこと)、携帯でインターネットができるようになった頃のこと(iMODEなんて言っていました)ですが、一時、とてもアクセスが多かったサイトの掲示板の書き込みを、ある期間を切り出して書き込まれた文書から文字分析をしたことがありました。

掲示板

今で言うなら「テキストマイニング」です。当時、そんなにスペックの高くもないパソコンで来る日も来る日も夜がけで奮闘していたことを思い出しました。

対象とした文字要素は7,300万語。母数が多くなるほどに語彙の示すものは「月並み」になるということでした。

それは当然のことなのですが、そこからなにかトレンドを引き出すような工夫に欠けていたことを反省しています。

例えば「ナス」とか「チャーハン」というレシピに対して、それぞれ160ものネーミングがあったことが分かっています。必要なのは、そこから先だったわけで、単に調べて、単にわかったとしても、そこには統計的な価値以外に、なにもないわけです。

それに気がついた人たちは「クックパッド」を作ったわけです。

レシピ

つまり、現状を知ることも大切ではあるのですが、現状というのは過去から現在まででしかなく、次の一歩をどこに踏み出すべきかの「指針」を示さなければ、調査の意味が希薄だとしか言いようがありません。

もっと具体的に言うなら、どこに「商機」があるのかを探れなければ意味がないですし、あるいは、なにを「是正」するべきかを仮説と照らし合わせてみて、リソースの配分を示す事ができることが望まれるわけです。

ビッグデータ」などとよく言われますが、とてつもなく多いデータ量を分析した所で、グロスの集団(平均的あるいは標準的)が見えてくるだけでしかありません。

こんな分析手法で対処するという記事もありました。
1.クロス集計
2.ロジスティック回帰分析
3.決定木分析(けっていぎぶんせき)
4.アソシエーション分析
5.クラスター分析

分析をすれば、なにか結果が出ますが、その結果が「有価値」か「無価値」かは微妙な気がします。

ビッグデータ 活用」としてググると、いくつも出てきますが、ようは活用ができる分析でなければ意味がないわけです。例えば、

人口
総務省統計局人口統計にリンク ↑

日本における日本人の人口です。2017年12月で「124,576千人」だそうです。それがわかったからと言って、なにができるのか に対する「指針」がなければ、単なる数値でしか無いわけです。

これを見ると40~49歳の人たちが年金世代になるときに、支えられないことは明白なことです。縦を伸ばさざるを得ないわけです。つまり、65歳からではなく70歳からになることは(おそらく)必然になります。

ビッグデータ処理とは、我思うに、「機械学習」を使って、可能な限りのパターンをAIが拾い出し、個別のパターンごとに可能性(ある商材を売るなら購入可能性)を推計するとか、個別のパターンに対してどういう言葉遣いが浸透性が高いかなど、決めの細かな活用法まで踏み込むことができるのは、結局は「AI」でしかないわけです。

たまたま、「指針盤」をどのようにして売り込むかを検討するために過去の調査を見ていました。

第9回の「23本の矢」から、40代以前と50代以上とで分析ツールを使って対比してみました。

対比
第9回自主調査集計結果にリンク ↑

集計グループで象限が異なる部分だけを抽出しています。

第一象限は、重視もし達成もできるとしています。第二象限は、重視するけれど達成は難しいとする象限です。第三象限は重視もしないし達成もできないとする象限です。第四象限は重視はしないが達成できると思われる象限です。

どこにリソースを割り振るかと言うと、一般的には重視はするけれど実践できないとする第二象限になります。

40代以前に対しては、「節約・倹約」に対する助言、あるいは「」にでるための具体的な支援を企画することが望まれます。

50代以上に対しては「不要なものを持たない」ためのセミナーとか、具体的
にモノの捨て方や整理の仕方を何らかのサービスとして提供することなどが浸透性が高そうです。

どこに着眼し、なにを考え、提供できるサービス(商品)は何かの指針を見出そうとしなければ、調査は単なる数値とグラフでしかありません。

極限をすれば、「全体」あるいは「平均」という、一種特定の像を対象に描くイメージが、必ずしも正解である可能性は、十分な検証が必要ということと思います。

ビッグデータを解析するポイントは、おしなべた全体の傾向から需要の総量の推定はできると思います。しかし、そこからは、どうやって個別に購入の可能性を見出していくかにかかってくるものと思われます。

スーパーの売上データを解析した所で、買いに来たヒトの購入結果でしかないわけです。同じエリアで買いに来ないヒトを呼び込むことは、そのビッグデータがどれだけ大きかったとしても難しいわけです。

スーパーマーケット

結局、ビッグデータは、全体と個を対比する上での活用が一番使いみちがありそうだし、次には買いに来ないヒトをどうすれば呼び込めるかは、いろいろ試しながら何かを変えることで、なにが変わるのかを見ながら仮説を持ち、その仮設を検証していくことが必要になると思います。

かつては集計と言えばクロス集計でしたが、いまや、属性軸のクロス集計というような雑駁な処理だけではなく、購買パターンと天気や行事や給料日や年金の支払日など、社会的なデータとの組み合わせも必要になるでしょう。

ビッグデータ
awkでクロス集計の記事にリンク ↑

データベースを使ってクロス集計すると時間がかかりますが、awkを使ってCSVファイルからクロス集計すると前処理7秒、クロス集計1表作成に10秒程度で集計できます。集計結果をExcelにピボットを使えば簡単にクロス表ができてしまいます。

「何かをすることで、どういう変化が起きるのか」ということや、社会的影響、地域的影響を加味する手法などから、「商機」をどうやって掴むかに分析を使わなければ、意味がありません。

仮説を持つこと、その仮設を「指針盤」を使って検証してみてください。そして次のステップとして「機械学習」やら「市場調査」、そして「販売促進」としてのイベントや広告・宣伝を活用するのがお得だと思います。

キーワード