JP2007102465A - 商品群のシェアを推定する方法と装置 - Google Patents

Abstract

【課題】 商品群のシェア推定における信頼性を確保する。
【解決手段】 商品のデザインに関する属性を対象とするアンケート調査に基づいて部分効用値を計測する第１計測工程と、第１計測工程で調査の対象とした少なくとも１つの属性と第１計測工程で調査の対象としていない属性を対象とするアンケート調査に基づいて部分効用値を計測する第２計測工程と、第１計測工程と第２計測工程の両方で調査の対象とした属性に属する水準の部分効用値に基づいて補正係数を計算する工程と、計測された部分効用値と補正係数に基づいて部分効用値を補正する工程と、商品群の各商品についてプロファイルを設定する工程と、補正された部分効用値と商品群の各商品のプロファイルに基づいて全体効用値を計算する工程と、計算された全体効用値に基づいて商品群のシェアを推定する工程とを備えている。
【選択図】 図１

Description

本発明は、商品群のシェアを推定する方法と装置に関する。

本明細書中で使用する主要な用語等について説明をする。
商品の「属性」とは、商品の形状、機能、価格等といった、購入者が商品を選択する上で基準となる特徴を現す項目を言う。例えば商品が自動車であれば、サイズ、排気量、燃費、メーカ、価格等の項目をいう。商品が飲料であれば、種類、原材料、内容量等の項目をいう。
属性に属する「水準」とは、商品の属性についての具体的な基準のことを言う。例えば商品が自動車であり属性が排気量であれば、１０００ｃｃ、１５００ｃｃ、２０００ｃｃ等が水準となる。また商品が自動車であり属性がメーカであれば、Ａ社、Ｂ社、Ｃ社等が水準となる。
商品の「プロファイル」とは、商品の属性に属する水準の組合せを表現したものを言う。例えば商品が自動車であれば、ある商品の排気量が１０００ｃｃであり、メーカがＡ社であるという水準の組合せを表現したものが、その商品のプロファイルである。本明細書では、商品の全ての属性についての水準の組合せをプロファイルと呼ぶこともあるし、商品の属性の一部についての水準の組合せをプロファイルと呼ぶこともある。
水準の「部分効用値」とは、購入者が商品群から商品を選択する際に、その水準に対して認める価値を数値化したものを言う。
商品の「全体効用値」とは、購入者が商品群から商品を選択する際に、その商品に対して認める価値を数値化したものを言う。

新規商品の開発を行うためには、それに先立って、新規商品のどの属性に重点をおくのか、属性に属する水準をどのように設定するかを企画する必要がある。商品の企画が適切に行われたか否かによって、商品の売り上げは大きく左右される。このため、新規商品の企画を適切に行うことは、企業にとって非常に重要である。
購入者の商品に対する価値観は多様化し、企業は多くの購入者が求めるであろう商品の属性毎の水準を把握するのに苦労している。例えば自動車のように、実用性と趣味性が混在している商品については、多くの購入者が求めるであろう商品の属性毎の水準を的確に把握することが困難である。
多くの購入者が求めるであろう属性毎の水準を事前に正確に把握することができれば、無駄な商品の開発コスト等を抑えることができる一方、購入者が求める商品を低価格で提供することができる。企業のみならず購入者の側からも、購入者が求める商品の属性毎の水準を事前に正確に把握するための技術が必要とされている。

多くの購入者が優先して選択するであろう商品の属性毎の水準を調査する方法が開発されている。その一つにコンジョイント分析が知られている。コンジョイント分析では、購入者の商品に対する選択のデータを用いて、購入者が商品選択要因とする属性に属する水準に対して購入者が認める評価値（部分効用値）を計測する。

例えば商品が自動車の場合、購入者は、メーカという属性については、Ａ社という水準が好ましいのか、あるいはＢ社という水準が好ましいかを判断し、価格という属性については、１３０万円という水準が好ましいのか、あるいは１５０万円という水準が好ましいかを判断し、排気量という属性については、１０００ｃｃという水準が好ましいのか、あるいは１５００ｃｃという水準が好ましいかを判断し、それらを総合評価した上で一つの自動車を選択する。

商品選択時における購入者の同一属性内の水準群に対する選好度は一定でなく、例えば多くの購入者が１０００ｃｃという水準を好んで商品を選択するために、１５００ｃｃという水準が好まれない反面、メーカがＡ社であるかＢ社であるかについては重視されないこともある。この場合、排気量という属性の１０００ｃｃという水準は商品選択の際に選好度の高い水準であり、１５００ｃｃという水準は商品選択の際に選好度の低い水準であり、メーカという属性のＡ社製であるという水準やＢ社製であるという水準は中立的な水準であるということがいえる。購入者の水準に対する選好度は数値化することができる。例えば選好度の高い水準を正の値、中立な水準をゼロの値、選好度の低い水準を負の値で示すことができる。数値化する基準は任意にとることができ、最も選好度が低い水準をゼロにし、中立な水準から選好度の高い水準を、選好度の高さに従った正の値に決定してもよい。購入者の水準に対する選好度を数値化した値が、評価値ないし部分効用値である。

コンジョイント分析のためのアンケート調査（購入者の価値観調査）には、様々な手法が開発されている。
例えば、ＡＣＡ（Adaptive Conjoint Analysis）という手法が開発されている。ＡＣＡによる調査においては、まず調査対象者に、属性ごとの各水準の魅力度と、各属性の重要度を評価してもらう。
次に、属性毎の水準を様々に組合せた仮想的な商品（プロファイル）群を生成し、生成されたプロファイル群のうちの２つのプロファイルを調査対象者に提示して、どちらがどの程度好ましいかを評価してもらう。提示する２つのプロファイルは、魅力度と重要度の回答結果に基づいて、動的に作成される。調査対象者が評価を回答すると、新たに別の２つのプロファイルを提示し、どちらがどの程度好ましいかを再び回答してもらう。上記を繰り返して、調査対象者からの回答を収集する。
複数の調査対象者から上記のように回答を収集し、収集された回答に基づいて、各属性の水準ごとの部分効用値を計測することができる。上記したＡＣＡによる調査は、例えばSawtooth社の提供するソフトウェアを用いて実施することができる。

また、ＡＣＡとは異なる調査手法として、ＣＢＣ（Choice-Based Conjoint analysis）という手法が開発されている。ＣＢＣは、全概念法の一種であり、属性毎の水準を様々に組合せた仮想的な商品（プロファイル）群を生成し、多数のプロファイルを調査対象者に提示して、最も好ましいプロファイルを１つ選択してもらう。複数の調査対象者に選択を実行してもらい、その結果に基づいて、調査対象者が平均的に認める属性とその属性に属する水準の部分効用値を計測することができる。上記したＣＢＣによる調査は、例えばSawtooth社の提供するソフトウェアを用いて実施することができる。

上記したコンジョイント分析を行って、商品の需要を予測し、商品販売による利益を推定することで、新商品の仕様決定を支援する技術が従来より開発されている。
特許文献１には、新製品の仕様を決定する際に、コンジョイント分析によってその新製品の販売数を推定し、推定された販売数から営業利益を推定し、推定される営業利益を増大させるように新製品の仕様を修正する技術が開示されている。
特許文献２には、新製品の仕様を決定する際に、コンジョイント分析によってその新製品と競合製品との対比から、その新製品の販売数を推定し、推定された販売数から営業利益を推定する技術が開示されている。
特許文献３には、売上げ予測日時における売上げを予測する技術が開示されている。
特開２００４−２０６５６９号公報 特開２００４−２０６３２１号公報 特開２００３−２９６５４４号公報

商品の属性は、商品の形状や色といったデザインに関係するものと、メーカや価格、機能といったデザインに関係しないものに大別される。これらのデザインに関係する属性とデザインに関係しない属性についてのアンケート調査は、別個に行うことが好ましい。なぜなら、これらの属性を混在させたアンケート調査においては、デザイン性が重視された回答を得ることが多く、デザインに関係しない属性についての評価を正確に行うことが困難となる。

商品のデザインに関する属性については、その属性に属する水準の部分効用値をＣＢＣによって計測することが好ましい。商品のデザインに関する属性の評価は、調査対象者の感性に基づいて回答がなされるため、ＡＣＡで求められるような（どの程度好ましいかといった）定量評価には適していない。商品のデザインに関する属性については、ＣＢＣで求められるような（どれが最も好ましいかといった）順位付け評価が適している。
一方で、メーカや価格や機能といった、デザインに関係しない属性については、調査対象者が定量的に評価をしやすいため、ＡＣＡによる評価を実施することが好ましい。
従って、デザインに関する属性についてはＣＢＣによって評価し、それ以外の属性についてはＡＣＡによって評価し、双方の評価結果を統合することによって、市場の購入者が商品の属性・水準に認める価値を的確に評価することができる。

本発明では、商品のデザインに関する属性と、デザインに関係しない属性について、属性に属する水準の部分効用値の計測を別個に行い、部分効用値の計測結果を統合し、商品群の各商品の全体効用値を計算して、商品群のシェアを推定することが可能な技術を提供する。

本発明の方法は、商品群のシェアを推定する方法である。その方法は、商品のデザインに関する属性を対象とするアンケート調査に基づいて各属性に属する水準の部分効用値を計測する第１計測工程と、第１計測工程で調査の対象とした少なくとも１つの属性と第１計測工程で調査の対象としていない属性を対象とするアンケート調査に基づいて各属性に属する水準の部分効用値を計測する第２計測工程と、第１計測工程と第２計測工程の両方で調査の対象とした属性に属する水準の第１計測工程で計測された部分効用値と第２計測工程で計測された部分効用値に基づいて補正係数を計算する補正係数計算工程と、第１計測工程で計測された部分効用値と第２計測工程で計測された部分効用値と補正係数計算工程で計算された補正係数に基づいて各属性に属する水準の部分効用値を補正する部分効用値補正工程と、商品群の各商品について各属性に関するプロファイルを設定するプロファイル設定工程と、部分効用値補正工程で補正された各属性に属する水準の部分効用値とプロファイル設定工程で設定された商品群の各商品のプロファイルに基づいて商品群の各商品の全体効用値を計算する全体効用値計算工程と、全体効用値計算工程で計算された商品群の各商品の全体効用値に基づいて商品群のシェアを推定するシェア推定工程とを備えている。

上記の方法では、第１計測工程において、商品のデザインに関する属性について、アンケート調査を実施して、それらの属性の水準の部分効用値を計測する。第２計測工程において、第１計測工程で調査の対象としていない属性について、アンケート調査を実施して、それらの属性の水準の部分効用値を計測する。このとき、第１計測工程において調査の対象とした属性のうち少なくとも１つについても、第２計測工程における調査の対象としておく。

第１計測工程と第２計測工程のそれぞれで部分効用値が計測されると、それらの結果を補正して全ての属性に属する水準についての部分効用値を取得する。第１計測工程と第２計測工程では、計測される部分効用値の尺度が異なる。従って、第１計測工程で計測された部分効用値と、第２計測工程で計測された部分効用値を、同列に扱うことはできない。本発明の方法では、第１計測工程と第２計測工程で共通して調査を行った属性に属する水準の部分効用値を用いて補正係数を計算し、この補正係数を用いて計測された部分効用値を補正する。

計測された部分効用値の補正の方法としては、種々の方法が考えられる。例えば、一方の計測結果を補正して使用し、他方の計測結果をそのまま使用する場合には、最小二乗法を用いた補正が有効である。このような場合、一方の計測工程において計測された部分効用値を、以下の式によって補正する。
Ｙ＝αＸ＋β
上式のＸは一方の計測工程において計測された部分効用値であり、ＹはＸを補正した値であり、α、βは補正係数である。補正係数α、βは、共通して調査を行った属性に属する水準の部分効用値について、一方の計測工程における計測値を上式で補正した値と他方の計測工程における計測値との差の自乗をその属性に属する全ての水準について足し合わせた値が最小となるように計算する。
上記のようにそれぞれの計測工程で共通して調査を行った属性に属する水準の部分効用値の計測結果から補正係数α、βが計算されると、共通して調査を行っていない属性に属する水準の部分効用値についても上式による補正を行い、それぞれの計測工程における部分効用値の尺度を揃えることができる。

上記の補正によって、商品のデザインに関する属性とそれ以外の属性に属する水準の部分効用値が取得されると、商品の全体効用値を計算することが可能となる。商品の全体効用値は、その商品の各属性における水準についての部分効用値を足し合わせることによって計算することができる。

上記の方法では、商品郡のシェアを推定するにあたり、市場に流通する商品群の各商品のプロファイルを設定する。例えば新たに企画した商品のシェアを予測したい場合には、既に市場に流通している商品のプロファイルを調査して、既存商品のプロファイルとして設定する。また企画した新商品のプロファイルを設定する。新商品と既存商品のプロファイルから、それぞれの商品の全体効用値を計算する。
新商品と既存商品の全体効用値がそれぞれ計算されると、質的選択モデルに基づいてシェアを推定することができる。商品群の各商品の全体効用値から、商品群のシェアを推定する技術は、従来からよく知られているため、本明細書では説明を省略する。

上記の方法によれば、デザインに関係する属性と、デザインに関係しない属性について、双方の各水準の部分効用値を勘案して、商品群のシェアを推定することができる。デザインに関する属性と、デザインに関係しない属性について、別個の手法によって各水準の部分効用値を計測するから、メーカや価格や機能といったデザイン性に関係しない属性についても、水準の部分効用値を正確に評価することができ、信頼性の高いシェア推定を行うことができる。

上記の方法において、前記第１計測工程におけるアンケート調査は、第１計測工程で調査の対象とする各属性に関するプロファイルを生成し、生成されたプロファイルに対応する商品画像を調査対象者へ提示し、調査対象者から当該プロファイルについての評価を回答してもらうことによって実施されることが好ましい。

第１計測工程は、デザインに関する属性についてその属性に属する水準の部分効用値を計測する工程である。そのアンケート調査においては、デザインに関する属性およびその属性に属する水準についての設問を提示し、調査対象者からの回答を収集する。ＡＣＡやＣＢＣにおけるアンケート調査では、調査の対象とする属性に関するプロファイルを提示して、そのプロファイルに対する評価を回答してもらう。デザインに関する属性は、人間の感性に訴えかけるものであり、調査対象者が正確に評価を行うためには、そのプロファイルを具現化した実際の商品の姿を画像として提示することが好ましい。上記の方法によれば、調査対象者は商品のプロファイルを画像として認識しながら評価を行うため、調査対象者がデザインに関する属性について正確に評価を行うことができる。収集される回答の信頼性が向上し、第１計測工程で計測される部分効用値の信頼性が確保される。

本発明は装置としても具現化される。本発明の装置は、商品群のシェアを推定する装置である。その装置は、商品のデザインに関する属性を対象とするアンケート調査に基づいて各属性に属する水準の部分効用値を計測する第１計測手段と、第１計測手段で調査の対象とした少なくとも１つの属性と第１計測手段で調査の対象としていない属性を対象とするアンケート調査に基づいて各属性に属する水準の部分効用値を計測する第２計測手段と、第１計測手段と第２計測手段の両方で調査の対象とした属性に属する水準の第１計測手段で計測された部分効用値と第２計測手段で計測された部分効用値に基づいて補正係数を計算する補正係数計算手段と、第１計測手段で計測された部分効用値と第２計測手段で計測された部分効用値と補正係数計算手段で計算された補正係数に基づいて各属性に属する水準の部分効用値を補正する部分効用値補正手段と、商品群の各商品について各属性に関するプロファイルを設定するプロファイル設定手段と、部分効用値補正手段で補正された各属性に属する水準の部分効用値とプロファイル設定手段で設定された商品群の各商品のプロファイルに基づいて、商品群の各商品の全体効用値を計算する全体効用値計算手段と、全体効用値計算手段で計算された商品群の各商品の全体効用値に基づいて商品群のシェアを推定するシェア推定手段とを備えている。

本発明の方法によれば、商品のデザインに関する属性と、デザインに関係しない属性について、属性に属する水準の部分効用値の計測を別個に行い、部分効用値の計測結果を統合し、商品群の各商品の全体効用値を計算して、商品群のシェアを推定することができる。デザインに関係する属性についての各水準の部分効用値の計測と、デザインに関係しない属性についての各水準の部分効用値の計測は、異なる手法によって別個に行われるため、デザインに関係しない属性についての各水準の部分効用値を正確に計測することができる。商品群のシェア推定における信頼性を確保することができる。

以下に発明を実施するための最良の形態を列記する。
（形態１）市場に提供されている全ての自動車について、属性と水準のデータベースを用意しておく。
（形態２）購入者のアンケート調査（価値観調査）は、インターネットを利用して実行する。

本実施例では、図１に例示するシェア推定装置１００を利用して、自動車の需要を予測する。本発明の適用対象は自動車に限られず、多様な需要が存在するために多種類が提供される商品に広く適用することができる。

図１のシェア推定装置１００は、コンピュータ装置によって構成されており、そのハードウェア構成は通常のものと同様である。この装置は、処理装置（ＣＰＵ）、記憶装置（光学記憶媒体、磁気記憶媒体、あるいはＲＡＭやＲＯＭといった半導体メモリ等）、入力装置、出力装置等を有する。各種のデータベースは、コンピュータに利用可能に情報を記憶している。種々の処理装置は、インストールされているプログラムに従ってコンピュータが作動することによって実現される。

図１の属性／水準データベース（以下、ＤＢと略称する）１０２は、商品（自動車）の属性と水準を対応付けて記憶している。
図２に、属性／水準ＤＢ１０２のデータ構成例を示す。商品の属性には、メーカ、排気量、カーナビゲーションの有無、タイヤホイールサイズ、側面シルエット、車高等のように、購入者が商品を選択するときに考慮する要因のリストが記憶されている。
これらの属性には、それぞれ水準が設定されている。例えば、メーカという属性には、Ａ社製という水準と、Ｂ社製という水準と、Ｃ社製という水準が設定されている。また、カーナビゲーションの属性にはカーナビゲーション装置があるという水準とないという水準が設定されている。水準の数やその内容は、商品の属性に応じて予め設定されている。

商品の属性は、デザインに関係する属性と、デザインに関係しない属性に類別される。また本実施例のシェア推定装置１００では、デザインに関する属性は、ＣＢＣによる調査の対象とされるがＡＣＡによる調査の対象とされない属性と、ＡＣＡとＣＢＣの両者で調査の対象とされる属性に類別される。以下では、デザインに関係しない属性をI類とし、デザインに関係する属性のうち、ＡＣＡとＣＢＣの両者で調査の対象とされる属性をII類とし、ＣＢＣによる調査の対象とされるがＡＣＡによる調査の対象とされない属性をIII類と表現する。
図２の例では、メーカや排気量やカーナビゲーションの有無はデザインに関係しない属性であって、I類に分類される。タイヤホイールサイズは、デザインに関係する属性であって、後述するようにＡＣＡとＣＢＣの両者で調査の対象とされるため、II類に分類される。側面シルエットや車高はデザインに関する属性であり、後述するようにＣＢＣによる調査の対象とされるが、ＡＣＡによる調査の対象とされないためIII類に分類される。
これらの属性のうち、I類とII類のものについてはＡＣＡによって水準の部分効用値が計測され、II類とIII類のものについてはＣＢＣによって水準の部分効用値が計測される。

図１のＡＣＡ実行部１０４は、I類とII類の属性に関するアンケート調査を実施し、ＡＣＡによる部分効用値を計測する。ＡＣＡ実行部１０４は、設問生成部１０６と、部分効用値計算部１０８と、設問／回答Ｉ／Ｆ１１０を備えている。
設問生成部１０６は、属性／水準ＤＢ１０２に記憶されている属性のうち、I類とII類の属性とその水準を読込み、調査対象者へ提示する設問を生成する。設問は４段階にわたって生成され、設問／回答Ｉ／Ｆ１１０から入力される調査対象者からの回答が、次の段階の設問に反映される。
設問／回答Ｉ／Ｆ１１０は、インターネット回線を経由して調査対象者が操作する端末１１１と接続している。設問／回答Ｉ／Ｆ１１０は、端末１１１へ設問生成部１０６で生成された設問を出力する。調査対象者が端末１１１から回答を入力すると、その回答は端末１１１から設問／回答Ｉ／Ｆ１１０へ入力される。入力された回答は、設問生成部１０６と、部分効用値計算部１０８へ出力される。
部分効用値計算部１０８は、属性／水準ＤＢ１０２からI類とII類の属性と水準を読込み、設問／回答Ｉ／Ｆ１１０から調査対象者に提示された設問とその回答とを読込んで、I類とII類の属性の各水準の部分効用値を計算する。

設問生成部１０６が生成する設問について説明する。
まず第１段階として、設問生成部１０６は、図３に示すようにI類とII類の属性ごとに各水準の魅力度を評価してもらう設問を生成する。図３では、メーカという属性について、Ａ社、Ｂ社、Ｃ社という各水準の魅力度を５段階で評価する設問を例示している。調査対象者は、５段階の評価のうち適当と思うものをチェックボックスを介して選択する。設問生成部１０６は、I類とII類の属性のすべてについて、各水準の魅力度を評価する設問を生成していく。
調査対象者が第１段階の設問に全て回答すると、設問生成部１０６は第２段階として、図４に示すように各属性の重要度を評価してもらう設問を生成する。各属性の重要度については、第１段階での回答において、その属性の水準のうちで最も魅力的だった水準と、最も魅力的でなかった水準との対比を提示し、その差がどの程度重要なものであるかを回答してもらう。図３の設問において、メーカという属性に関しＡ社が最も魅力的であり、Ｃ社が最も魅力的でなかった場合には、図４に示すように、Ａ社とＣ社の対比に関する重要度を評価してもらう。設問生成部１０６は、I類とII類の属性のすべてについて、その属性の重要度を評価してもらう設問を生成していく。
調査対象者が第２段階の設問に全て回答すると、設問生成部１０６は第３段階として、図５に示すように、２つの商品プロファイルを提示して、どちらがどの程度好ましいかを評価してもらう設問を生成する。提示する２つのプロファイルは、I類とII類の属性の中から選択された幾つかの属性を、互いに異なる水準としたものが提示される。図５に示す例では、排気量という属性について、一方のプロファイルにおける水準は１５００ｃｃであり、他方のプロファイルにおける水準は１０００ｃｃである。またタイヤホイールサイズという属性について、一方のプロファイルにおける水準は１６インチであり、他方のプロファイルにおける水準は１５インチである。このとき提示されるプロファイルは、第１段階と第２段階における各水準の魅力度および各属性の重要度の回答結果に基づいて、設問生成部１０６において動的に生成される。設問生成部１０６は、調査対象者が回答する度に、新たに２つのプロファイルを提示し、どちらがどの程度好ましいかを評価してもらう設問を生成していく。所定の回数だけ設問を提示して調査対象者からの回答を取得すると、第３段階の設問を終了する。
調査対象者が第３段階の設問に全て回答すると、設問生成部１０６は第４段階として、図６に示すように、主要な水準の組合せによるプロファイルを提示して、得点をつけてもらう。調査対象者は、提示されたプロファイルの商品の購入意欲を、数字で入力する。
上記した一連の設問提示と回答取得を、複数の調査対象者に対して実施することで、I類とII類の各属性に属する水準の部分効用値を計算することができる。部分効用値の計算の詳細については、一般的に行われているＡＣＡと同様であるため、本明細書では説明を省略する。上記したＡＣＡによる調査は、例えばSawtooth社の提供するソフトウェアを用いて実施することができる。ＡＣＡによる調査の結果得られるI類とII類の各属性に属する水準の部分効用値の例を図７に示す。

図１のＣＢＣ実行部１１２は、II類とIII類の属性に関するアンケート調査を実施し、ＣＢＣによる部分効用値を計測する。
ＣＢＣ実行部１１２は、プロファイル生成部１１４と、画像生成部１１６と、部分効用値計算部１１８と、設問／回答Ｉ／Ｆ１２０を備えている。
プロファイル生成部１１４は、属性／水準ＤＢ１０２に記憶されている属性のうち、II類とIII類の属性とその水準を読込み、調査対象者へ提示するプロファイル群を生成する。ここで生成される個々のプロファイルは、II類とIII類の全ての属性の水準を組合せて設定される。
画像生成部１１６は、プロファイル生成部１１４で生成されたプロファイル群に基づいて、そのプロファイル群で表現される商品の画像データ群を生成し、どの商品が最も好ましいかを評価してもらう設問を生成する。プロファイル生成部１１４で水準を設定される属性はII類とIII類のものであり、これらの属性は商品のデザインに関するものである。従って、その特徴は画像データとして表現することができる。
設問／回答Ｉ／Ｆ１２０は、インターネット回線を経由して調査対象者が操作する端末１２１と接続している。設問／回答Ｉ／Ｆ１２０は、端末１２１へ画像生成部１１６で生成された設問を出力する。調査対象者が端末１２１から回答を入力すると、その回答は端末１２１から設問／回答Ｉ／Ｆ１２０へ入力される。入力された回答は、部分効用値計算部１１８へ出力される。
部分効用値計算部１１８は、属性／水準ＤＢ１０２からII類とIII類の属性と水準を読込み、設問／回答Ｉ／Ｆ１２０から調査対象者に提示された設問とその回答とを読込んで、II類とIII類の属性の各水準の部分効用値を計算する。

ＣＢＣ実行部１１２の動作について説明する。
まずプロファイル生成部１１４が、設問において提示するプロファイル群を生成する。
次に画像生成部１１６が、作成されたプロファイル群のそれぞれについて、そのプロファイルで表現される商品の画像データ群を生成する。画像生成部１１６は、図８に示すように、生成された画像データ群を提示して、それらのうちで最も好ましいものを選択してもらう設問を生成する。図８では、３つのプロファイルの中から最も好ましいものを選択してもらう設問を例示している。上から１つめのプロファイルは、側面シルエットの水準がノーマル型であり、車高の水準が中であり、タイヤホイールサイズの水準が１５インチである。上から２つめのプロファイルは、側面シルエットの水準が流線型であり、車高の水準が低であり、タイヤホイールサイズの水準が１７インチである。上から３つめのプロファイルは、側面シルエットの水準がボックス型であり、車高の水準が高であり、タイヤホイールサイズの水準が１６インチである。これら３つのプロファイルは、それぞれ画像データとして提示される。図８に示すように、調査対象者へ提示する選択肢としては、この中には好ましいものがない、という選択肢もある。画像生成部１１６で生成された設問は、設問／回答Ｉ／Ｆ１２０を経由して端末１２１へ送られ、調査対象者へ提示される。
調査対象者が端末１２１から回答を入力すると、入力された回答は設問／回答Ｉ／Ｆ１２０を介して部分効用値計算部１１８へ出力される。調査対象者から回答がなされると、プロファイル生成部１１４が新たなプロファイル群を生成し、画像生成部１１６が新たに生成されたプロファイルに対応する画像データを生成し、設問／回答Ｉ／Ｆ１２０を介して調査対象者に次の設問が提示される。
ＣＢＣ実行部１１２は、上記のプロファイル群の作成から回答の取得までを繰返し実施し、調査対象者からの回答を収集する。
上記した一連の設問提示と回答取得を、複数の調査対象者に対して実施することで、II類とIII類の各属性に属する水準の部分効用値を計算することができる。部分効用値の計算の詳細については、一般的に行われているＣＢＣと同様であるため、本明細書では説明を省略する。上記したＣＢＣによる調査は、例えばSawtooth社の提供するソフトウェアを用いて実施することができる。ＣＢＣによる調査の結果得られる各属性の部分効用値の例を図９に示す。

図１の部分効用値補正部１２２は、ＡＣＡ実行部１０４によって計測されたI類とII類の属性に属する水準についての部分効用値と、ＣＢＣ実行部１１２によって計測されたII類とIII類の属性に属する水準についての部分効用値とを補正して、I類とII類とIII類の全ての属性の水準について共通の尺度で表現された部分効用値を出力する。
ＡＣＡによる調査で計測された部分効用値と、ＣＢＣによる調査で計測された部分効用値では、各水準における効用値の尺度が異なり、そのままでは両者を同列に扱うことができない。本実施例のシェア推定装置１００では、ＡＣＡによる調査で計測された部分効用値は計測された値をそのまま利用し、ＣＢＣによる調査で計測された部分効用値を補正して、ＡＣＡによる調査の結果得られた部分効用値と同列に扱うことを可能にする。

以下では図１０と図１１を参照しながら、ＣＢＣによる調査で計測された部分効用値の補正について説明する。
部分効用値補正部１２２は、ＣＢＣによる調査で計測された部分効用値をＸとし、補正後の部分効用値をＹとすると、次式で表現される演算によって、ＣＢＣによる調査で計測された部分効用値を補正する。
Ｙ＝α×Ｘ＋β
ここで、αとβはＣＢＣによる調査で計測された部分効用値の補正に用いる補正係数である。
部分効用値補正部１２２は、ＡＣＡとＣＢＣの両者で調査の対象とされたII類の属性の水準についての部分効用値をもとに、上記の補正係数α、βを算出する。本実施例の場合、II類の属性はタイヤホイールサイズであり、その水準は１５インチ、１６インチ、１７インチである。
部分効用値補正部１２２は、II類の属性の全ての水準についての、ＡＣＡによる調査で計測された部分効用値と、ＣＢＣによる調査で計測された部分効用値を上記の式で補正した値の差の自乗和が最小となるように、補正係数α、βを計算する。補正係数α、βは、一般的な最小二乗法を用いた計算によって求めることが可能であり、本明細書では算出の詳細な説明は省略する。
図１１は、II類の属性の水準についての計測された部分効用値と、上記のようにして計算された補正係数α、βとの関係を示している。
図１１のグラフでは、II類の属性の水準について、ＣＢＣによって計測された部分効用値を横軸にとり、ＡＣＡによって計測された部分効用値を縦軸にとっている。本実施例の場合、II類の属性はタイヤホイールサイズであり、図中の点２１２は１５インチという水準の部分効用値を、点２１４は１６インチという水準の部分効用値を、点２１６は１７インチという水準の部分効用値を示している。上記のようにプロットした点２１２、２１４、２１６を線形近似した場合の近似直線２１８の傾きが補正係数αに相当し、切片が補正係数βに相当する。
図１０に示すように、本実施例の場合、α＝０．７３であり、β＝１６である。
上記の補正係数α、βを用いて、上記した式による補正をII類の属性とIII類の属性の各水準の部分効用値に対して行うことで、ＣＢＣによる調査によって計測された部分効用値を補正することができる。上記の補正を行うことによって、ＡＣＡによる調査に基づく部分効用値と、ＣＢＣによる調査に基づく部分効用値とを、同じ尺度で表現することができる。

部分効用値補正部１２２は、上記した補正計算の結果に基づいて、I類とII類とIII類の全ての属性の水準についての部分効用値を出力する。このとき出力される部分効用値は、図１０では「部分効用値（補正後）」の欄に記載されている。本実施例では、I類の属性（メーカ、排気量、カーナビゲーション）の水準の部分効用値は、ＡＣＡによる調査によって計測された部分効用値をそのまま出力し、III類の属性（側面シルエット、車高）の水準についての部分効用値は、ＣＢＣによる調査によって計測された部分効用値を補正したものを出力する。なおII類の属性（タイヤホイールサイズ）に属する水準については、ＡＣＡによる調査に基づく部分効用値と、ＣＢＣによる調査に基づく部分効用値を補正したものと、いずれを部分効用値として用いてもよい。図１０に示す例では、II類の属性に属する水準の部分効用値としては、ＣＢＣによる調査によって取得された部分効用値を補正した値を用いている。

図１の全体効用値計算部１２８は、新たに企画している商品（新商品）のプロファイルと、実際に市場に流通している商品（既存商品）のプロファイルと、部分効用値補正部１２２より出力される各属性の水準の部分効用値に基づいて、新商品と既存商品のそれぞれの全体効用値を計算する。
実際に市場に流通している商品のプロファイルは、既存商品ＤＢ１２４に予め記憶されている。既存商品ＤＢ１２４は、実際に市場に流通している商品に関する、I類、II類およびIII類の全ての属性の水準を記憶している。全体効用値計算部１２８は、既存商品ＤＢ１２４から既存商品のプロファイル群を読込み、各属性の水準の部分効用値を割当て、各水準の部分効用値を全ての属性について足し合わせることによって、既存商品の全体効用値を計算する。
新たに企画している商品のプロファイルは、新商品プロファイル設定部１２６によって設定されて、全体効用値計算部１２８へ出力される。新商品プロファイル設定部１２６は、新たに企画している商品に関する、I類、II類およびIII類の全ての属性の水準を設定して、全体効用値計算部１２８へ出力する。新商品のプロファイルは、商品企画担当者が入力してもよいし、過去の販売実績等に基づいてコンピュータが好ましいプロファイルを自動的に生成してもよい。全体効用値計算部１２８は、新商品プロファイル設定部１２６から入力される新商品のプロファイルを読込み、各属性の水準の部分効用値を割当て、各水準の部分効用値を全ての属性について足し合わせることによって、新商品の全体効用値を計算する。
図１２に、新商品と既存商品の全体効用値の計算例を示す。図１２の例では、商品Ａは新商品であり、商品Ｂおよび商品Ｃは既存商品である。

図１のシェア計算部１３０は、全体効用値計算部１２８で計算された新商品と既存商品のそれぞれの全体効用値に基づいて、各商品のシェアを推定する。各商品のシェアは、質的選択モデルに基づいて、各商品の全体効用値から推定することができる。各商品の全体効用値から商品群のシェアを推定する技術は、従来からよく知られているため、本明細書では説明を省略する。

上記のように、本実施例のシェア推定装置１００によれば、市場に新商品を投入した際のシェアを推定することができる。
新商品のプロファイルは新商品プロファイル１２６で任意に設定することが可能であり、新商品のプロファイルを幾つか用意して、それぞれのプロファイルに対応するシェアの推定を行うことで、推定されるシェアを最大とする新商品のプロファイルを決定することができる。上記の方法によれば、市場で最も受け入れられる新商品の仕様を決定することができる。

以上、本発明の具体例を詳細に説明したが、これらは例示にすぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。
また、本明細書または図面に説明した技術要素は、単独であるいは各種の組み合わせによって技術的有用性を発揮するものであり、出願時請求項記載の組み合わせに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成するものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。

図１はシェア推定装置１００の構成を模式的に示す図である。 図２は属性／水準ＤＢ１０２のデータ構成例を示す図である。 図３はＡＣＡにおける第１段階の設問の例を示す図である。 図４はＡＣＡにおける第２段階の設問の例を示す図である。 図５はＡＣＡにおける第３段階の設問の例を示す図である。 図６はＡＣＡにおける第４段階の設問の例を示す図である。 図７はＡＣＡによる調査によって計測される部分効用値を示す図である。 図８はＣＢＣにおける設問の例を示す図である。 図９はＣＢＣによる調査によって計測される部分効用値を示す図である。 図１０は部分効用値の補正の様子を説明する図である。 図１１は計測される部分効用値と補正係数の関係を説明する図である。 図１２は新商品と既存商品のシェアの推定を説明する図である。

符号の説明

１００：シェア推定装置
１０２：属性／水準ＤＢ
１０４：ＡＣＡ実行部
１０６：設問生成部
１０８：部分効用値計算部
１１０：設問／回答Ｉ／Ｆ
１１１：端末
１１２：ＣＢＣ実行部
１１４：プロファイル生成部
１１６：画像生成部
１１８：部分効用値計算部
１２０：設問／回答Ｉ／Ｆ
１２１：端末
１２２：部分効用値補正部
１２４：既存商品ＤＢ
１２６：新商品プロファイル設定部
１２８：全体効用値計算部
１３０：シェア計算部
２１２、２１４、２１６：点
２１８：近似直線

Claims (3)

1. 商品群のシェアを推定する方法であって、
   商品のデザインに関する属性を対象とするアンケート調査に基づいて、各属性に属する水準の部分効用値を計測する第１計測工程と、
   第１計測工程で調査の対象とした少なくとも１つの属性と、第１計測工程で調査の対象としていない属性を対象とするアンケート調査に基づいて、各属性に属する水準の部分効用値を計測する第２計測工程と、
   第１計測工程と第２計測工程の両方で調査の対象とした属性に属する水準の第１計測工程で計測された部分効用値と第２計測工程で計測された部分効用値に基づいて、補正係数を計算する補正係数計算工程と、
   第１計測工程で計測された部分効用値と、第２計測工程で計測された部分効用値と、補正係数計算工程で計算された補正係数に基づいて、各属性に属する水準の部分効用値を補正する部分効用値補正工程と、
   商品群の各商品について、各属性に関するプロファイルを設定するプロファイル設定工程と、
   部分効用値補正工程で補正された各属性に属する水準の部分効用値と、プロファイル設定工程で設定された商品群の各商品のプロファイルに基づいて、商品群の各商品の全体効用値を計算する全体効用値計算工程と、
   全体効用値計算工程で計算された商品群の各商品の全体効用値に基づいて、商品群のシェアを推定するシェア推定工程と
   を備えることを特徴とする方法。
2. 前記第１計測工程におけるアンケート調査は、第１計測工程で調査の対象とする各属性に関するプロファイルを生成し、生成されたプロファイルに対応する商品画像を調査対象者へ提示し、調査対象者から当該プロファイルについての評価を回答してもらうことによって実施されることを特徴とする請求項１の方法。
3. 商品群のシェアを推定する装置であって、
   商品のデザインに関する属性を対象とするアンケート調査に基づいて、各属性に属する水準の部分効用値を計測する第１計測手段と、
   第１計測手段で調査の対象とした少なくとも１つの属性と、第１計測手段で調査の対象としていない属性を対象とするアンケート調査を行い、各属性に属する水準の部分効用値を計測する第２計測手段と、
   第１計測手段と第２計測手段の両方で調査の対象とした属性に属する水準の第１計測手段で計測された部分効用値と第２計測手段で計測された部分効用値に基づいて、補正係数を計算する補正係数計算手段と、
   第１計測手段で計測された部分効用値と、第２計測手段で計測された部分効用値と、補正係数計算手段で計算された補正係数に基づいて、各属性に属する水準の部分効用値を補正する部分効用値補正手段と、
   商品群の各商品について、各属性に関するプロファイルを設定するプロファイル設定手段と、
   部分効用値補正手段で補正された各属性に属する水準の部分効用値と、プロファイル設定手段で設定された商品群の各商品のプロファイルに基づいて、商品群の各商品の全体効用値を計算する全体効用値計算手段と、
   全体効用値計算手段で計算された商品群の各商品の全体効用値に基づいて、商品群のシェアを推定するシェア推定手段と
   を備えることを特徴とする装置。

Images