【クラスター分析】
それぞれのサンプルの似ている度合いによって分類を行い、その距離や相関関係をみる分析手法です。
価値観による分類、購買時の重視点や嗜好性などで分類し、回答者の特性を把握します。
【重回帰分析】
複数の説明変数(影響を及ぼしている項目)とある目的変数(予測すべき項目)を式にあてはめ、目的変数の変動が説明変数の変動によってどの程度影響されるかを分析する手法です。
売り上げや入場者数など将来の予測をし、今後の販売戦略に活かします。
【判別分析】
将来、起こりうる可能性があるかどうかを判別する手法です。
商品を購入するかどうか、新規店舗にきてくれるかどうか、などを把握します。
【主成分分析】
データ集団が持っている複数の情報を、なるべく少ない変数(項目)で特徴をまとめる手法です。
アンケートでいくつかの商品(例えばゴルフクラブ)の使いやすさを尋ねたとき、その「総合成績」や「飛距離重視・コントロール重視」などといったことを明らかにします。
【因子分析】
『データの背景に潜むもの』(因子)の存在が明らかになる分析手法。回答者の心理が明らかになります。
例えば商品購入についての重視度を尋ねたとき、回答者の深層心理や各サンプルの特徴を把握します。
【コレスポンデンス分析】
項目の相互関係を調べることによって、カテゴリーあるいはサンプルの類似性やポジショニングを明らかにする手法です。
商品やブランドなどのイメージを確認することにより、そのイメージのポジショニングマップを作成します。
【コンジョイント分析】
商品やサービスを構成する要素の中で、最適な組み合わせを抽出するための分析手法です。
新商品の仕様や価格の設定や、広告物の効果的なレイアウトを決める際に応用できる分析手法です。
【テキストマイニング】
自由回答から得られる複数の言葉同士を結びつけることによって、定量データ分析では得られないキーワード抽出が可能となります。
これまであまり有効活用されていなかった自由回答を、体系的にデータ分析することで、消費者の隠れたニーズを発見できます。