JP4765581B2 - 商品評価者の選出要件抽出システムおよび方法 - Google Patents

Description

本発明は、商品評価者を選出する際の選出要件を抽出する方法および商品評価者を選出する際の選出要件を抽出する装置に関する。

従来から、企業が消費者にとって魅力ある商品を低価格で市場に供給し、その結果として商品開発のための投資に見合った利益を得るためには、一般消費者のニーズを良く反映しており、結果として売れるであろう商品の開発に資金を集中し、一般消費者のニーズを十分に反映しておらず、結果として売れないであろう商品の開発に投じる資金を削減することが重要である。
そして、一般消費者のニーズを良く反映した商品の開発の前提条件として、企業が商品の開発時に一般消費者のニーズを的確に把握していることが求められる。

企業が一般消費者のニーズを把握するための手法の一つとして、企業が一般消費者の中からモニターを募集し、当該モニターが商品の評価（商品が一般消費者のニーズを反映している度合いを判定すること）をすることにより商品の市場競争力（商品の魅力）を推定することが広く行われている。
しかし、近年は一般消費者のニーズが多様化し、それに伴って当該モニターが商品の評価を行う際の評価の項目数が増大する傾向がある。
その結果、得られた評価結果が複雑なものとなり、当該評価結果から企業にとって有用な知見、すなわち一般消費者のニーズを的確に（定量的に）把握することが困難となってきている。

このような問題を解消する方法の一つとして、コンジョイント分析法等を用いた商品の評価が知られている。
コンジョイント分析法は、一般消費者がある商品を購入する際に、当該商品が有する種々の属性（例えば、自動車の場合、メーカー、エンジンの排気量、外観、価格、燃費等）のうち、どの属性をどの程度重要視するのか、あるいは属性が水準（例えば価格の水準の場合、１００万円〜１５０万円、１５０万円〜２００万円、２００万円〜３００万円等）を有する場合に、一般消費者がどの水準を好むか、すなわち、商品についての一般消費者のニーズを、アンケートの作成、一般消費者に対して行ったアンケート結果の収集およびアンケート結果の解析（これら一連の作業を「アンケート調査」という）を行うことにより、定量的に把握するものである。
例えば、特許文献１から特許文献４に記載の如くである。
特開２００４−１６４０８７号公報 特開２００５−３１８１４号公報 特開２００５−１８９９２６号公報 特開２００５−２２２４８９号公報

しかし、従来のコンジョイント分析法等を用いた商品の評価は、一般消費者を商品の評価者とすることから、以下の問題点を有する。
すなわち、本来守秘義務が無い一般消費者の協力を得て商品の評価を行う際には、模倣防止等の観点から、当該商品がデザインや詳細な仕様といった商品の企画・開発段階において（商品が市場に流通するまで）企業が秘密状態を保持したい情報を属性として含むものについては評価を行うことが困難であるという問題がある。
また、コンジョイント分析法を用いた商品の評価を適正に行うためには、評価者が、一般的に（１）商品の属性に関する一般的な知識を有すること（知識がなければアンケートそのものが成立しない）、および、（２）実際に商品の購買予定がある人または購買の決定に直接関与する者であること（「購入したいもの」でなく「欲しいもの」の評価を行うことになってしまう）といった要件を満たしていることが必要とされ、単に一般消費者であればよいというものではない。従って、一般消費者から商品の評価者（モニター）を募集し、各一般消費者が評価者としての要件を満たすか否かを判断するためには大きな労力・時間を要する。さらに、評価の客観性を担保するためにモニター数を増大すると、各一般消費者が評価者としての要件を満たすか否かを判断するための労力・時間はさらに増大する。

本発明は以上の如き状況に鑑み、商品の企画・開発段階において、商品の属性の機密性を保持しつつ商品を評価し、商品についての一般消費者のニーズを定量的に把握することが可能であり、かつ、商品の評価に要する労力・時間・コストを削減することが可能な商品評価者の選出要件抽出システムおよび方法を提供するものである。

本発明の解決しようとする課題は以上の如くであり、次にこの課題を解決するための手段を説明する。

即ち、請求項１においては、
商品が市場に流通する前の時点で、所定のグループに属する複数の商品評価候補者に対して、コンジョイント分析に基づく前記商品の属性に係る属性アンケート、および、嗜好およびプロファイルに係る嗜好・プロファイルアンケートを行うことにより、各商品評価候補者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得する第一アンケート結果取得手段と、
前記商品が市場に流通した後の時点で、複数の一般消費者に対して、前記属性アンケートおよび前記嗜好・プロファイルアンケートと同一内容のアンケートを行うことにより、各一般消費者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得する第二アンケート結果取得手段と、
前記第一アンケート結果取得手段により取得された各商品評価候補者の属性アンケート結果および前記第二アンケート結果取得手段により取得された各一般消費者の属性アンケート結果を貯蔵する属性アンケート結果貯蔵手段と、
前記第一アンケート結果取得手段により取得された各商品評価候補者の嗜好・プロファイルアンケート結果および前記第二アンケート結果取得手段により取得された各一般消費者の嗜好・プロファイルアンケート結果を貯蔵する嗜好・プロファイルアンケート結果貯蔵手段と、
前記属性アンケート結果貯蔵手段から取得された各商品評価候補者の属性アンケート結果と各一般消費者の属性アンケート結果との相関係数をそれぞれ算出し、該相関係数の値が所定の閾値以上となる商品評価候補者と一般消費者との組み合わせを検出することにより、該組み合わせに係る商品評価候補者を好適商品評価者として抽出する好適商品評価者抽出手段と、
前記好適商品評価者抽出手段により抽出された好適商品評価者に係る情報を貯蔵する好適商品評価者情報貯蔵手段と、
前記好適商品評価者情報貯蔵手段から取得された好適商品評価者に係る情報に基づいて、前記組み合わせに係る好適商品評価者および一般消費者を、クラスター分析を用いて所定数のクラスターに分類するクラスター分類手段と、
前記クラスター分類手段により分類された所定数のクラスターに係る情報を貯蔵するクラスター情報貯蔵手段と、
前記クラスター情報貯蔵手段から取得した所定数のクラスターに係る情報、および、前記嗜好・プロファイルアンケート結果貯蔵手段から取得した前記所定数のクラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果に基づいて、同一のクラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果のうち、傾向の類似する因子を共通因子として抽出する共通因子抽出手段と、
前記共通因子抽出手段により抽出された共通因子を商品評価者選出要件として貯蔵する商品評価者選出要件貯蔵手段と、
を具備するものである。

「商品」は、主として有体動産を指すが、（１）土地、建物等の不動産、（２）現金預金、金銭債権（受取手形、売掛金、貸付金等）、有価証券（株式、公社債等）、デリバティブ取引による正味の債券等の金融商品、の如く動産でないものや有体でないものも本発明に係る商品に含むことができる。
また、各種のサービス（主として、独立して商取引の対象となり得るサービス）も本発明に係る商品に含むことができる。

「評価者」は、商品が一般消費者のニーズを反映している度合いを評価する者を指すものとする。

「一般消費者」は、市場に流通する商品を購入し得る者を指すものとする。なお、第二アンケート手段における「一般消費者」は、実体的には、一般消費者のうち、企業の求めに応じてアンケート調査に協力する者を指す。

「商品が市場に流通する前の時点」は、企業等（企業の他、企業を興す前の個人または複数人のグループ等も含まれる）により商品の企画または開発が行われている段階であって、一般消費者が市場にて商品を購入し得る状態には未だ至らない時点を指す。

「所定のグループ」は、商品それ自体および商品の種々の属性について、商品評価者の選出要件抽出システムを用いる企業等との間で守秘義務を有する者、すなわち、企業等の従業員等（従業員、もしくは派遣社員、出向社員、嘱託社員等従業員に準ずる者）、または企業等との間で守秘義務を有する旨の契約を結んだ者（契約者）の集合体、あるいは従業員等および契約者が混合した集合体である。

「商品評価候補者」は所定のグループを構成する構成員を指す。商品評価候補者は、「所定の手法」で選出される。「所定の手法」は、種々の手法が存在する。
例えば、商品が大衆車であり、あらゆる世代・性別の一般消費者に受け入れられることが求められる場合には、所定のグループの構成員を各世代、性別から均等に（ほぼ同人数ずつ）選出することが望ましい。また、商品がスポーツカーであり、比較的若い世代に受け入れられることを想定する場合には、所定のグループの構成員を若い世代中心に選出する（商品評価候補者に占める若い世代の比率を大きくする）ことが望ましい。
すなわち、「所定の手法」は、対象となる商品の持つ性質に応じて適宜選択されることが望ましく、特定の手法に限定されるものではない。

「コンジョイント分析」は、一般消費者がある商品を購入する際に、商品が有する種々の属性のうち、どの属性をどの程度重要視するのか、あるいは属性が水準を有する場合に、一般消費者がどの水準を好むか、すなわち、商品についての一般消費者のニーズを、一般消費者へのアンケート調査を行うことにより、定量的に把握するものである。
コンジョイント分析は、例えばマーケティング・リサーチの分野において、消費者が商品を購買する際に行う判断を分析する、より詳細には商品について異なる状況毎に付随する効用値を導くための手法として用いられる。
コンジョイント分析は、広義の選好モデルは狭義の選好モデルおよび選択モデルを含む。狭義の選好モデルは合成的モデル（自己申告型モデル）、分解的モデル（狭義のコンジョイントモデル）、折衷的モデル（ハイブリッドモデル、ＡＣＡ等）を含む。選択モデルは確率効用モデルを含む。

「属性アンケート」は、コンジョイント分析に基づいて決定された商品の属性についてのアンケートである。

「商品の属性」は商品を構成する種々の項目のうち、購買者が当該商品を購入することを選択する際の判断材料となり得る項目を指す。
例えば、商品が自動車である場合には、メーカー（ブランド）、エンジンの排気量、駆動方式、価格、燃費、デザイン（外観形状）等が商品の属性に該当する。
なお、商品が有する多くの属性のうち、どの属性を属性アンケートの項目とするか、属性アンケートの項目とする属性の数や属性の水準をどうするかについては、商品の性質を考慮し、一般消費者に対して事前調査等を行うことにより決定することが望ましい。

属性アンケートの具体例としては、（ｉ）各商品についての属性を全て記載したカード等を提示し、評価者に商品の順位を付けてもらう全概念法を用いたアンケート、（ｉｉ）複数の水準を有する二つの属性について一方の属性の水準と他方の属性の水準との組み合わせを表す表を作成し、評価者に当該組み合わせの選好の順序を付けてもらう二因子一覧表を用いたアンケートや、（ｉｉｉ）評価者に各商品に対する選好を直接問い、感覚尺度（例えば、非常に好む、好む、普通、嫌い、非常に嫌い）等で答えてもらう評点法を用いたアンケート等が挙げられる。

「属性アンケート結果」は属性アンケートを行った結果得られる情報を総称したものである。

「嗜好・プロファイルアンケート」は、評価者（商品評価候補者または一般消費者）自身の嗜好やプロファイルについてのアンケートである。
例えば、商品が自動車である場合、自動車のメーカー（ブランド）、自動車の排気量、自動車の駆動方式（ＡＴまたはＭＴ）、対象者の年齢、性別、年収、学歴、未婚／既婚、子供の人数（有無）、趣味、購読雑誌、着ている服、好きな旅行先、好きな音楽（のジャンル）、好きな食べ物、自動車に求めるイメージ等が嗜好・プロファイルアンケートの項目となる。

「嗜好・プロファイルアンケート結果」は嗜好・プロファイルアンケートを行った結果得られる情報を総称したものである。

「商品が市場に流通した後の時点」は、企業等による商品の市場への供給が開始され、商品が市場に流通した段階であって、一般消費者が市場にて商品を購入し得る状態に至った時点以降の時点を指す。

「貯蔵する」とは、各種の情報を記憶するとともに、商品評価者の選出要件抽出システムが具備する他の構成要素に提供可能とすることを指す。

「各商品評価候補者の属性アンケート結果と各一般消費者の属性アンケート結果との相関係数を算出する」とは、商品評価候補者の属性アンケート結果と一般消費者の属性アンケート結果との相関係数を、全ての組み合わせについて算出することを指す。
商品評価候補者がｍ人、アンケート調査に協力してくれた一般消費者がｎ人の場合、（ｍ×ｎ）の組み合わせについて、商品評価候補者の属性アンケート結果と一般消費者の属性アンケート結果との相関係数を算出することとなる。
相関係数を算出する方法の具体例としては、ある商品評価候補者の属性アンケート結果から評価の対象となる商品および当該商品と市場において競合し得る競合品等の市場競争力を数値化したものをＸ軸、ある一般消費者の属性アンケート結果から評価の対象となる商品および当該商品と市場において競合し得る競合品等の市場競争力を数値化したものをＹ軸としてプロットする作業を行い、当該プロットされた点群の相関係数を算出する方法が挙げられる。
なお、「相関係数」としては、一般的にはピアソンの積率相関係数を用いるが、ピアマンの順位相関係数やケンドールの順位相関係数等を用いても良い。本発明の場合、相関係数は０から１までの数値で表される。
相関係数の数値が大きいほど（１に近付くほど）相関が強い、すなわち商品評価候補者の属性アンケート結果とある一般消費者の属性アンケート結果とが類似していることを示す。

「閾値」は、ある商品評価候補者の属性アンケート結果とある一般消費者の属性アンケート結果とが類似しているか否かを判断するための判断材料となる数値であり、例えば０．７や０．８等の数値で表される。
なお、閾値の値については、商品の性質や事前調査の結果等に基づいて適宜選択、変更することが可能である。

「好適商品評価者」は、商品評価候補者のうち、少なくとも一人の一般消費者との間で属性アンケート結果が互いに類似していると判断された者、すなわち、評価の対象となる商品および競合する商品について少なくとも一人の一般消費者と類似した評価をした者を指す。
なお、不適商品評価者は、商品評価候補者から好適商品評価者を除いた残りの者を指し、商品評価候補者のうち、いずれの一般消費者との間でも属性アンケート結果が互いに非類似であると判断された者、すなわち、評価の対象となる商品および競合する商品についていずれの一般消費者とも類似していない評価をした者を指す。

「好適商品評価者に係る情報」は、複数の商品評価候補者のうちのどの商品評価候補者が好適商品評価者であるかという情報だけでなく、どの一般消費者が好適商品評価者と属性アンケート結果が互いに類似していると判断された一般消費者かという情報を含む。
また、「好適商品評価者に係る情報」は、複数の商品評価候補者のうちのどの商品評価候補者が不適商品評価者であるかという情報を含むこともできる。

「クラスター分析」は、好適商品評価者抽出手段により検出された組み合わせに係る好適商品評価者および一般消費者の属性アンケート結果を、それぞれ各属性の効用値をパラメータとするＮ次元の空間（Ｎ：属性アンケート結果における属性の数）にプロットしてサンプルとし、所定の計算方法により当該サンプル間の距離を算出し、当該サンプル間の距離の大きさに基づいてサンプル間の類似度を判断し、当該類似度（距離）によりサンプルを所定数のクラスターに分けることを指す。
「距離」は、ユークリッド距離、ユークリッド平方距離、標準化ユークリッド距離、ミンコフスキー距離、マハラノビスの距離等を含む。
「クラスター分析」は、既知のあらゆるクラスター分析の手法を含む。クラスター分析は、階層的方法および非階層的方法を含む。階層的方法は、最短距離法、最長距離法、メジアン法、重心法、群平均法、ウォード法、可変法等を含む。非階層的方法は、Ｋ−Ｍｅａｎｓ法（ｃ−ｍｅａｎｓ法）、自己組織化マップ（Ｋｏｈｏｎｅｎネットワーク）等を含む。
なお、クラスターの「所定の数」については、商品の性質や事前調査の結果等に基づいて適宜選択、変更することが可能である。

「クラスターに係る情報」は、各クラスターに所属する好適商品評価者および一般消費者を示す情報、言い換えれば、好適商品評価者および一般消費者がどのクラスターに分類されたかを示す情報である。

「共通因子」は、同一のクラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果のうち、傾向が類似する因子を指す。
例えば、読む雑誌を因子とした場合、同一のクラスターに分類された好適商品評価者および一般消費者がいずれも読む雑誌として経済誌を挙げていれば、同一の経済誌でなくても「傾向が類似している」と判断され、「読む雑誌」は共通因子であると判断される。
また、同一のクラスターに分類された好適商品評価者および一般消費者がそれぞれ、読む雑誌として経済誌、ファッション誌等、取り扱う内容が大きく異なる雑誌を挙げていれば、「傾向が類似していない」と判断され、「読む雑誌」は共通因子でないと判断される。

第一アンケート結果取得手段、第二アンケート結果取得手段、好適商品評価者抽出手段、クラスター分類手段、共通因子抽出手段は、それぞれの機能を果たすためのプログラムが格納された市販のパーソナルコンピュータあるいはワークステーション等を用いて達成することができるが、それぞれの機能を果たすためのプログラムが格納された専用品で達成することもできる。

属性アンケート結果貯蔵手段、嗜好・プロファイルアンケート結果貯蔵手段、好適商品評価者情報貯蔵手段、クラスター情報貯蔵手段、商品評価者選出要件貯蔵手段それぞれ市販のサーバ、パーソナルコンピュータ、あるいはワークステーション等を用いて達成することができるが、専用品で達成することもできる。

商品評価者の選出要件抽出システムを構成する構成要素である第一アンケート結果取得手段、第二アンケート結果取得手段、属性アンケート結果貯蔵手段、嗜好・プロファイルアンケート結果貯蔵手段、好適商品評価者抽出手段、好適商品評価者情報貯蔵手段、クラスター分類手段、クラスター情報貯蔵手段、共通因子抽出手段、商品評価者選出要件貯蔵手段をそれぞれインターネット等の電気通信回線に接続することにより、商品評価者の選出要件抽出システムを構成する他の構成要素と情報を交換することが可能である。

商品評価者の選出要件抽出システムを構成する構成要素である第一アンケート結果取得手段、第二アンケート結果取得手段、属性アンケート結果貯蔵手段、嗜好・プロファイルアンケート結果貯蔵手段、好適商品評価者抽出手段、好適商品評価者情報貯蔵手段、クラスター分類手段、クラスター情報貯蔵手段、共通因子抽出手段、商品評価者選出要件貯蔵手段は、それぞれ別体としても良く、構成要素のうちの幾つかを一体としても良く、全ての構成要素を一体としても良い。

第一アンケート結果取得手段および第二アンケート結果取得手段は、商品評価者の選出要件抽出システムを用いる企業等が用意したパーソナルコンピュータあるいはワークステーション等であってもよく、アンケートの対象となる評価者（商品評価候補者あるいは一般消費者）が所有するパーソナルコンピュータやワークステーション等であってもよい。
第一アンケート結果取得手段は、自身が属性アンケートおよび嗜好・プロファイルアンケートを行い、各商品評価候補者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得するためのプログラム（第一アンケート結果取得プログラム）を格納する構成であっても良く、自身は各商品評価候補者のインターフェースとしてのみ機能し、他のパーソナルコンピュータやワークステーション等から当該プログラムの機能の提供を受ける（インターネット等の電気通信回線を通じて当該プログラムを実行可能とする）構成としても良い。
第二アンケート結果取得手段は、自身が属性アンケートおよび嗜好・プロファイルアンケートを行い、各一般消費者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得するためのプログラム（第二アンケート結果取得プログラム）を格納する構成であっても良く、自身は各商品評価候補者のインターフェースとしてのみ機能し、他のパーソナルコンピュータやワークステーション等から当該プログラムの機能の提供を受ける（インターネット等の電気通信回線を通じて当該プログラムを実行可能とする）構成としても良い。

請求項２においては、
第一アンケート結果取得手段が、商品が市場に流通する前の時点で、所定のグループに属する複数の商品評価候補者に対して、コンジョイント分析に基づく前記商品の属性に係る属性アンケート、および、嗜好およびプロファイルに係る嗜好・プロファイルアンケートを行うことにより、各商品評価候補者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得し、前記各商品評価候補者の属性アンケート結果を属性アンケート結果貯蔵手段に貯蔵し、前記各商品評価候補者の嗜好・プロファイルアンケート結果を嗜好・プロファイルアンケート結果貯蔵手段に貯蔵する第一アンケート結果取得ステップと、
第二アンケート結果取得手段が、前記商品が市場に流通した後の時点で、複数の一般消費者に対して、前記属性アンケートおよび前記嗜好・プロファイルアンケートと同一内容のアンケートを行うことにより、各一般消費者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得し、前記各一般消費者の属性アンケート結果を前記属性アンケート結果貯蔵手段に貯蔵し、前記各一般消費者の嗜好・プロファイルアンケート結果を前記嗜好・プロファイルアンケート結果貯蔵手段に貯蔵する第二アンケート結果取得ステップと、
好適商品評価者抽出手段が、前記第一アンケート結果取得ステップにおいて取得された各商品評価候補者の属性アンケート結果と前記第二アンケート結果取得ステップにおいて取得された各一般消費者の属性アンケート結果との相関係数を算出し、該相関係数の値が所定の閾値以上となる商品評価候補者と一般消費者との組み合わせを検出することにより、該組み合わせに係る商品評価候補者を好適商品評価者として抽出し、前記好適商品評価者に係る情報を好適商品評価者情報貯蔵手段に貯蔵する好適商品評価者抽出ステップと、
クラスター分類手段が、前記好適商品評価者抽出ステップにおいて検出された組み合わせに係る好適商品評価者および一般消費者を、クラスター分析を用いて所定数のクラスターに分類し、前記所定数のクラスターに係る情報をクラスター情報貯蔵手段に貯蔵するクラスター分類ステップと、
共通因子抽出手段が、前記クラスター分類ステップにおいて同一のクラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果のうち、傾向が類似する因子を共通因子として抽出する共通因子抽出ステップと、
商品評価者選出要件貯蔵手段が、前記共通因子抽出ステップにおいて抽出された共通因子を商品評価者選出要件として貯蔵する商品評価者選出要件貯蔵ステップと、
を具備するものである。
本発明に係る商品評価者の選出要件抽出方法は、上記ステップを実行するためのプログラムが格納された一台または複数台のサーバ、パーソナルコンピュータ、あるいはワークステーション等を用いて達成することができるが、専用品で達成することもできる。
なお、複数台のサーバ、パーソナルコンピュータ、あるいはワークステーション等を用いて達成する場合にはこれらをインターネット等の電気通信回線で接続し、相互に情報を提供可能とすることが望ましい。

本発明の効果として、以下に示すような効果を奏する。

請求項１においては、商品についての機密性を保持しつつ一般消費者のニーズを的確に把握することが可能である。
また、商品の評価に要する労力・時間・コストを削減することが可能である。

請求項２においては、商品についての機密性を保持しつつ一般消費者のニーズを的確に把握することが可能である。
また、商品の評価に要する労力・時間・コストを削減することが可能である。

以下では、図１乃至図７を用いて、本発明に係る商品評価者の選出要件抽出システムの実施の一形態である商品評価者選出要件抽出システム１に適用される、本発明に係る商品評価者の選出要件抽出方法の実施の一形態について説明する。

図４に示す如く、本発明に係る商品評価者の選出要件抽出方法の実施の一形態は、企業であるＴ社が自己の業務に係る商品である自動車の評価に用いる方法であり、主として第一アンケート結果取得ステップ１０００、第二アンケート結果取得ステップ２０００、好適商品評価者抽出ステップ３０００、クラスター分類ステップ４０００、共通因子抽出ステップ５０００、商品評価者選出要件貯蔵ステップ６０００等を具備する。

図１に示す如く、商品評価者選出要件抽出システム１は、企業であるＴ社が自己の業務に係る商品である自動車の評価に用いる装置であり、主として第一アンケート結果取得装置１０、第二アンケート結果取得装置２０、属性アンケート結果貯蔵装置３０、嗜好・プロファイルアンケート結果貯蔵装置４０、好適商品評価者抽出装置５０、好適評価者情報貯蔵装置６０、クラスター分類装置７０、クラスター情報貯蔵装置８０、共通因子抽出装置９０、商品評価者選出要件貯蔵装置１００等を具備する。

以下では、図１乃至図４を用いて第一アンケート結果取得ステップ１０００について説明する。第一アンケート結果取得ステップ１０００は本発明に係る第一アンケート結果取得ステップの実施の一形態である。
第一アンケート結果取得ステップ１０００において、本発明に係る第一アンケート結果取得手段の実施の一形態である第一アンケート結果取得装置１０は、自己に格納された第一アンケート結果取得プログラムに従い、Ｔ社の新しい商品である自動車が市場に流通する前の時点で、所定のグループに属する複数の商品評価候補者に対して、コンジョイント分析に基づく当該自動車の属性に係る属性アンケート、および、嗜好およびプロファイルに係る嗜好・プロファイルアンケートを行うことにより、各商品評価候補者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得する。

第一アンケート結果取得装置１０が行うアンケート（属性アンケートおよび嗜好・プロファイルアンケート）の対象となる所定のグループは、所定の方法で選出されたＴ社の従業員等の集合体で構成される。

第一アンケート結果取得装置１０が行う属性アンケートは、コンジョイント分析に基づくものであり、メーカー（ブランド）、エンジンの排気量、駆動方式、価格、燃費、デザイン（外観形状）等を属性として含む。

第一アンケート結果取得装置１０は、例えば、Ｔ社の新しい自動車、Ｔ社の新しい自動車と市場で競合し得る他社の自動車（競合車）、およびＴ社の新しい自動車の一代前のモデル等を同時に商品評価候補者に提示し、商品評価候補者にこれらの自動車を購入する場合の優先順序を付けてもらう等して、その優先順序等を属性アンケート結果として取得する。

第一アンケート結果取得装置１０は、先に取得した優先順序等に基づいて、各商品評価候補者における各自動車の市場競争力、言い換えれば各自動車の商品としての魅力の度合いを既知の手法により算出し（図２参照）、当該算出結果も属性アンケート結果として取得する。

第一アンケート結果取得装置１０が取得した各商品評価候補者の属性アンケート結果は、本発明に係る属性アンケート結果貯蔵手段の実施の一形態である属性アンケート結果貯蔵装置３０に貯蔵される。

第一アンケート結果取得装置１０が行う嗜好・プロファイルアンケートは、その調査項目として、自動車のメーカー（ブランド）、自動車の排気量、自動車の駆動方式（ＡＴまたはＭＴ）、対象者の年齢、性別、年収、学歴、未婚／既婚、子供の人数（有無）、趣味、購読雑誌、着ている服、好きな旅行先、好きな音楽（のジャンル）、好きな食べ物、自動車に求めるイメージ等を含む。

第一アンケート結果取得装置１０は、商品評価候補者に、嗜好・プロファイルアンケートの調査項目について択一式、名前を入力する形式あるいは数値を入力する形式で回答してもらい、その回答結果（図３参照）を嗜好・プロファイルアンケート結果として取得する。

第一アンケート結果取得装置１０が取得した各商品評価候補者の嗜好・プロファイルアンケート結果は、本発明に係る嗜好・プロファイルアンケート結果貯蔵手段の実施の一形態である嗜好・プロファイルアンケート結果貯蔵装置４０に貯蔵される。

第一アンケート結果取得ステップ１０００が終了したら、第二アンケート結果取得ステップ２０００に移行する。

以下では、図１乃至図４を用いて第二アンケート結果取得ステップ２０００について説明する。第二アンケート結果取得ステップ２０００は本発明に係る第二アンケート結果取得ステップの実施の一形態である。
第二アンケート結果取得ステップ２０００において、本発明に係る第二アンケート結果取得手段の実施の一形態である第二アンケート結果取得装置２０は、自己に格納された第二アンケート結果取得プログラムに従い、Ｔ社の新しい商品である自動車が市場に流通した後の時点で、複数の一般消費者に対して、第一アンケート結果取得ステップ１０００において第一アンケート結果取得装置１０が各商品評価候補者に対して行った属性アンケートおよび嗜好・プロファイルアンケートと同一内容のアンケート（コンジョイント分析に基づく当該自動車の属性に係る属性アンケート、および、嗜好およびプロファイルに係る嗜好・プロファイルアンケート）を行うことにより、各一般消費者の属性アンケート結果（図２参照）および嗜好・プロファイルアンケート結果（図３参照）を取得する。

第二アンケート結果取得装置２０が取得した各一般消費者の属性アンケート結果は、属性アンケート結果貯蔵装置３０に貯蔵される。

第二アンケート結果取得装置２０が取得した各一般消費者の嗜好・プロファイルアンケート結果は、嗜好・プロファイルアンケート結果貯蔵装置４０に貯蔵される。

第二アンケート結果取得ステップ２０００が終了したら、好適商品評価者抽出ステップ３０００に移行する。

以下では、図１、図４および図５を用いて好適商品評価者抽出ステップ３０００について説明する。好適商品評価者抽出ステップ３０００は本発明に係る好適商品評価者抽出ステップの実施の一形態である。

好適商品評価者抽出ステップ３０００は、相関係数算出ステップ３１００、相関係数−閾値比較ステップ３２００等を具備する。

相関係数算出ステップ３１００において、本発明に係る好適商品評価者抽出手段の実施の一形態である好適商品評価者抽出装置５０は、自己に格納された相関係数算出プログラムに従い、属性アンケート結果貯蔵装置３０から各商品評価候補者の属性アンケート結果および各一般消費者の属性アンケート結果を取得し、全ての商品評価候補者と一般消費者との組み合わせについて、商品評価候補者の属性アンケート結果と一般消費者の属性アンケート結果との相関係数を算出する作業を行う。
より詳細には、商品評価候補者の属性アンケート結果および一般消費者の属性アンケート結果を用いて、各自動車（評価対象となるＴ社の自動車（企画車）および競合車）についてのピアソンの積率相関係数Ｒを算出する。
図２および図７に示す商品評価候補者１と一般消費者１との組み合わせの場合、ピアソンの積率相関係数Ｒ＝０．５７となる。

相関係数算出ステップ３１００が終了したら、相関係数−閾値比較ステップ３２００に移行する。

相関係数−閾値比較ステップ３２００において、好適商品評価者抽出装置５０は、自己に格納された好適商品評価者抽出プログラムに従い、ある商品評価候補者と一般消費者との組み合わせに係る相関係数と、所定の閾値とを比較する。
その結果、一人以上の一般消費者との組み合わせにおいて（相関係数）≧（閾値）の関係を有する商品評価候補者を好適商品評価者とし、どの一般消費者との組み合わせにおいても（相関係数）＜（閾値）の関係を有する商品評価候補者を不適商品評価者とする。
すなわち、好適商品評価者抽出装置５０は、ピアソンの積率相関係数の値が所定の閾値以上となる商品評価候補者と一般消費者との組み合わせを検出することにより、複数の商品評価候補者の中から好適商品評価者を抽出する。
例えば、閾値を０．７に設定した場合、先に算出した商品評価候補者１と一般消費者１との組み合わせにおけるピアソンの積率相関係数（Ｒ＝０．５７）は閾値よりも小さいので、商品評価候補者１は、対象となるＴ社の自動車および競合車について一般消費者１と類似していない評価をしたと判断される。

好適商品評価者抽出装置５０が取得した好適商品評価者に係る情報は、本発明に係る好適商品評価者情報貯蔵手段の実施の一形態である好適商品評価者情報貯蔵装置６０に貯蔵される。

相関係数−閾値比較ステップ３２００が終了したら、好適商品評価者抽出ステップ３０００が終了したこととなる。好適商品評価者抽出ステップ３０００が終了したら、クラスター分類ステップ４０００に移行する。

以下では、図４を用いてクラスター分類ステップ４０００について説明する。クラスター分類ステップ４０００は本発明に係るクラスター分類ステップの実施の一形態である。

クラスター分類ステップ４０００において、本発明に係るクラスター分類手段の実施の一形態であるクラスター分類装置７０は、自己に格納されたクラスター分類プログラムに従い、好適商品評価者情報貯蔵装置６０から好適商品評価者に係る情報を取得するとともに、属性アンケート結果貯蔵装置３０から好適商品評価者抽出ステップ３０００において好適商品評価者の属性アンケート結果および好適商品評価者と属性アンケート結果が互いに類似していると判断された一般消費者に係る属性アンケート結果を取得する。
次に、クラスター分類装置７０は、これらの属性アンケート結果を用いて当該好適商品評価者および当該一般消費者の間（好適商品評価者同士および一般消費者同士を含む）のユークリッド距離を算出する。
続いて、クラスター分類装置７０は、算出されたユークリッド距離が近い当該好適商品評価者および一般消費者の組み合わせを同一のクラスターに分類する。
さらに、クラスター分類装置７０は、クラスター間のユークリッド距離を算出し、算出されたユークリッド距離が近いクラスター同士を同一のクラスターとして分類することにより、より大きいクラスターを形成していく。
クラスター分類装置７０は、クラスターの数が所定数となった時点でクラスターの分類を終了する。

クラスター分類装置７０が取得したクラスターに係る情報は、本発明に係るクラスター情報貯蔵手段の実施の一形態であるクラスター情報貯蔵装置８０に貯蔵される。

クラスター分類ステップ４０００が終了したら、共通因子抽出ステップ５０００に移行する。

以下では、図１、図３、図４および図６を用いて共通因子抽出ステップ５０００について説明する。共通因子抽出ステップ５０００は本発明に係る共通因子抽出ステップの実施の一形態である。

共通因子抽出ステップ５０００は、傾向分析ステップ５１００、商品評価者選出要件抽出ステップ５２００等を具備する。

傾向分析ステップ５１００において、本発明に係る共通因子抽出手段の実施の一形態である共通因子抽出装置９０は、自己に格納された傾向分析プログラムに従い、クラスター情報貯蔵装置８０からクラスターに係る情報を取得するとともに、嗜好・プロファイルアンケート結果貯蔵装置４０から各クラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果を取得する。
次に、共通因子抽出装置９０は、同一のクラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果から、傾向が類似する因子、すなわち共通因子の有無を分析する。
なお、同一のクラスターに分類された好適商品評価者および一般消費者の全員について傾向が類似している因子を共通因子とするか、一部の者について傾向が類似している因子を共通因子とするか、あるいは「一部の者」がクラスターに占める割合をどの程度とするか、については、商品の性質等に応じて適宜選択することが望ましい。

傾向分析ステップ５１００が終了したら、商品評価者選出要件抽出ステップ５２００に移行する。

商品評価者選出要件抽出ステップ５２００において、共通因子抽出装置９０は、自己に格納された商品評価者選出要件抽出プログラムに従い、傾向分析ステップ５１００において分析された共通因子の有無の結果に基づき、共通因子を抽出する。

商品評価者選出要件抽出ステップ５２００が終了したら、共通因子抽出ステップ５０００が終了する。共通因子抽出ステップ５０００が終了したら、商品評価者選出要件貯蔵ステップ６０００に移行する。

以下では、図１および図４を用いて商品評価者選出要件貯蔵ステップ６０００について説明する。商品評価者選出要件貯蔵ステップ６０００は本発明に係る商品評価者選出要件貯蔵ステップの実施の一形態である。

商品評価者選出要件貯蔵ステップ６０００において、本発明に係る商品評価者選出要件貯蔵手段の実施の一形態である商品評価者選出要件貯蔵装置１００は、自己に格納された商品評価者選出要件貯蔵プログラムに従い、共通因子抽出装置９０が抽出した共通因子を貯蔵する。
商品評価者選出要件は、例えば、「３０代ａｎｄ子供２人ａｎｄ自動車に高級であることを求める」や「３０００ｃｃを好むａｎｄ２０代ａｎｄ欧州を好むａｎｄ自動車に洗練されていることを求める」といった形で表される。

以上の如く、商品評価者選出要件抽出システム１を構成することは、以下の如き利点を有する。
すなわち、従来のコンジョイント分析の手法を用いた商品の評価では、商品の評価者が一般消費者であるため、市場に流通する前の段階で機密性を保持しておきたい属性（デザイン等）を含む商品を評価することが困難であったが、商品評価者選出要件抽出システム１は、商品が市場に流通する前には商品の属性等について守秘義務を有する商品評価候補者にアンケートを行い、商品が市場に流通した後で一般消費者にアンケートを行うことにより、商品の評価を行っても商品についての機密性を保持することが可能である。
また、商品評価者選出要件抽出システム１は、上記アンケート結果に基づいて、商品評価候補者の中から、一般消費者に商品の選択基準が類似している者すなわち好適商品評価者を抽出することが可能である。従って、当該好適商品評価者に商品の評価を行ってもらうことにより、それ以降の評価では商品についての機密性を保持しつつ一般消費者のニーズを容易かつ的確に把握することが可能である。
さらに、商品評価者選出要件抽出システム１は、幾つかのクラスターに分類された好適商品評価者等に共通する性質を共通因子として抽出することが可能であり、当該共通因子を有するか否かの調査を行うことにより、所定のグループに属さない他の守秘義務を有する者の中から新たに好適商品評価者を容易に選出することが可能となる。従って、客観性を担保するために多数の一般消費者の協力を必要とする従来のコンジョイント分析の手法を用いた商品の評価よりも、評価に要する労力・時間・コストを削減することが可能である。

本発明に係る商品評価者の選出要件抽出システムの実施の一形態を示す図。 属性アンケート結果の実施の一形態を示す図。 嗜好・プロファイルアンケート結果の実施の一形態を示す図。 本発明に係る商品評価者の選出要件抽出方法の実施の一形態を示すフロー図。 好適商品評価者抽出ステップの詳細を示す図。 共通因子抽出ステップの詳細を示す図。 商品評価候補者と一般消費者との属性アンケート結果の相関性を示す図。

１ 商品評価者選出要件抽出システム
１０ 第一アンケート結果取得装置（第一アンケート結果取得手段）
２０ 第二アンケート結果取得装置（第二アンケート結果取得手段）
３０ 属性アンケート結果貯蔵装置（属性アンケート結果貯蔵手段）
４０ 嗜好・プロファイルアンケート結果貯蔵装置（嗜好・プロファイルアンケート結果貯蔵手段）
５０ 好適商品評価者抽出装置（好適商品評価者抽出手段）
６０ 好適評価者情報貯蔵装置（好適評価者情報貯蔵手段）
７０ クラスター分類装置（クラスター分類手段）
８０ クラスター情報貯蔵装置（クラスター情報貯蔵手段）
９０ 共通因子抽出装置（共通因子抽出手段）
１００ 商品評価者選出要件貯蔵装置（商品評価者選出要件貯蔵手段）

Claims (2)

1. 商品が市場に流通する前の時点で、所定のグループに属する複数の商品評価候補者に対して、コンジョイント分析に基づく前記商品の属性に係る属性アンケート、および、嗜好およびプロファイルに係る嗜好・プロファイルアンケートを行うことにより、各商品評価候補者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得する第一アンケート結果取得手段と、
   前記商品が市場に流通した後の時点で、複数の一般消費者に対して、前記属性アンケートおよび前記嗜好・プロファイルアンケートと同一内容のアンケートを行うことにより、各一般消費者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得する第二アンケート結果取得手段と、
   前記第一アンケート結果取得手段により取得された各商品評価候補者の属性アンケート結果および前記第二アンケート結果取得手段により取得された各一般消費者の属性アンケート結果を貯蔵する属性アンケート結果貯蔵手段と、
   前記第一アンケート結果取得手段により取得された各商品評価候補者の嗜好・プロファイルアンケート結果および前記第二アンケート結果取得手段により取得された各一般消費者の嗜好・プロファイルアンケート結果を貯蔵する嗜好・プロファイルアンケート結果貯蔵手段と、
   前記属性アンケート結果貯蔵手段から取得された各商品評価候補者の属性アンケート結果と各一般消費者の属性アンケート結果との相関係数をそれぞれ算出し、該相関係数の値が所定の閾値以上となる商品評価候補者と一般消費者との組み合わせを検出することにより、該組み合わせに係る商品評価候補者を好適商品評価者として抽出する好適商品評価者抽出手段と、
   前記好適商品評価者抽出手段により抽出された好適商品評価者に係る情報を貯蔵する好適商品評価者情報貯蔵手段と、
   前記好適商品評価者情報貯蔵手段から取得された好適商品評価者に係る情報に基づいて、前記組み合わせに係る好適商品評価者および一般消費者を、クラスター分析を用いて所定数のクラスターに分類するクラスター分類手段と、
   前記クラスター分類手段により分類された所定数のクラスターに係る情報を貯蔵するクラスター情報貯蔵手段と、
   前記クラスター情報貯蔵手段から取得した所定数のクラスターに係る情報、および、前記嗜好・プロファイルアンケート結果貯蔵手段から取得した前記所定数のクラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果に基づいて、同一のクラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果のうち、傾向が類似する因子を共通因子として抽出する共通因子抽出手段と、
   前記共通因子抽出手段により抽出された共通因子を商品評価者選出要件として貯蔵する商品評価者選出要件貯蔵手段と、
   を具備する商品評価者の選出要件抽出システム。
2. 第一アンケート結果取得手段が、商品が市場に流通する前の時点で、所定のグループに属する複数の商品評価候補者に対して、コンジョイント分析に基づく前記商品の属性に係る属性アンケート、および、嗜好およびプロファイルに係る嗜好・プロファイルアンケートを行うことにより、各商品評価候補者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得し、前記各商品評価候補者の属性アンケート結果を属性アンケート結果貯蔵手段に貯蔵し、前記各商品評価候補者の嗜好・プロファイルアンケート結果を嗜好・プロファイルアンケート結果貯蔵手段に貯蔵する第一アンケート結果取得ステップと、
   第二アンケート結果取得手段が、前記商品が市場に流通した後の時点で、複数の一般消費者に対して、前記属性アンケートおよび前記嗜好・プロファイルアンケートと同一内容のアンケートを行うことにより、各一般消費者の属性アンケート結果および嗜好・プロファイルアンケート結果を取得し、前記各一般消費者の属性アンケート結果を前記属性アンケート結果貯蔵手段に貯蔵し、前記各一般消費者の嗜好・プロファイルアンケート結果を前記嗜好・プロファイルアンケート結果貯蔵手段に貯蔵する第二アンケート結果取得ステップと、
   好適商品評価者抽出手段が、前記第一アンケート結果取得ステップにおいて取得された各商品評価候補者の属性アンケート結果と前記第二アンケート結果取得ステップにおいて取得された各一般消費者の属性アンケート結果との相関係数を算出し、該相関係数の値が所定の閾値以上となる商品評価候補者と一般消費者との組み合わせを検出することにより、該組み合わせに係る商品評価候補者を好適商品評価者として抽出し、前記好適商品評価者に係る情報を好適商品評価者情報貯蔵手段に貯蔵する好適商品評価者抽出ステップと、
   クラスター分類手段が、前記好適商品評価者抽出ステップにおいて検出された組み合わせに係る好適商品評価者および一般消費者を、クラスター分析を用いて所定数のクラスターに分類し、前記所定数のクラスターに係る情報をクラスター情報貯蔵手段に貯蔵するクラスター分類ステップと、
   共通因子抽出手段が、前記クラスター分類ステップにおいて同一のクラスターに分類された好適商品評価者および一般消費者の嗜好・プロファイルアンケート結果のうち、傾向が類似する因子を共通因子として抽出する共通因子抽出ステップと、
   商品評価者選出要件貯蔵手段が、前記共通因子抽出ステップにおいて抽出された共通因子を商品評価者選出要件として貯蔵する商品評価者選出要件貯蔵ステップと、
   を具備する商品評価者の選出要件抽出方法。

Images