クラスター分析は、大量のデータを単純化し、理解・考察をおこなう統計的な分析手法です。マーケティングでは、主にターゲット戦略として活用されています。
客観的な基準から顧客の特性、商圏の特性、ブランドが与えるイメージなどを把握できるため、これまでにない視点からのアイディアが生まれ、販売促進、見込み客の獲得、新規商品の開発に効果を期待できます。
今回の記事では、クラスター分析の意味や種類、メリット・デメリットから、実際におこなう際の手順まで解説します。
クラスター分析とは？意味と特徴をわかりやすく解説！
クラスター（cluster)は、集まる・（果実や花などの）房・塊・集団・群れという意味を持つ英語です。
その名の通りクラスター分析では、さまざまな特性を持つ個々のデータから似ているデータ同士をグルーピングして集団を作り分析します。
クラスター分析のグルーピングは、性別・年齢・居住地などはっきりと分類基準がわかるものではなく、意識や価値観など明確な基準がない指標によりおこないます。
それぞれのデータ同士が「似ているか」「似ていないか」という感覚的な基準で分類するため、外的要因が明確でないデータの分析に用いられます。
クラスター分析を行う目的とは？
クラスター分析の分析の基となるデータは、明確ではありません。そのため他の分析方法では、グルーピングできず、はみ出してしまうデータでさえもクラスター分析では近いグループに分類できます。それにより、はっきりと分類基準がある分析では不明確だった結果が見えてくることもあります。
また、クラスター分析は大量のデータが視覚的に理解しやすくなり、グルーピングされたクラスター同士の関係も全体的に見ることができるため、アンケートや市場調査などの分析に適しています。
クラスター分析の具体例
クラスター分析の対象となるものは、人だけでなく、企業、商品、サービス、イメージ、地域などさまざまです。
大量のデータの中から似たものをグルーピングすることで、理解・考察しやすくする効果があります。
その特性からアンケートや市場調査の結果の分析にはクラスター分析が用いられることが多く、幅広い顧客層の意識や行動の特性を分類するために活用されています。
アンケートや市場調査のデータをクラスター分析することで、年齢や性別などの属性情報による分類とは異なる分類が可視化できます。それにより、顧客層の特性の分析、市場ニーズの分析、商圏の特性、ブランディングポジション分析などがおこなえるのです。
クラスター分析の重要性
マーケティング施策をおこなう上で、年齢や性別など、会員登録をする際に得られるような明確な属性だけでなく、顧客の価値観や嗜好、行動パターンを知ることも大切です。
顧客アンケートや市場調査のクラスター分析をおこなうことで、得られたデータから自社の商品を購入した消費者に共通する新たな発見や、顧客の深層心理までも理解できることでしょう。
顧客の内面まで理解することは、新商品の開発や新規顧客の獲得にもつながるため、マーケティングにおいてクラスター分析は重要と言えます。
クラスター分析の種類とメリット・デメリット
クラスター分析は、クラスターを作る方法の違いから階層的手法と非階層的手法の2つに分類できます。
ここでは、分析手法による違いやメリット・デメリットについて解説します。
①階層クラスター分析
階層クラスター分析は、データの中から似ているものを順番にまとめていき、最終的にひとつのクラスターとしてまとめる手法です。
まとめていく際に類似度を計算し、一定の基準に従いクラスターを形成します。類似度を計算する手法はウォード法、最短距離法、再長距離法、重心法、群平均法などがあります。
階層クラスター分析は、分類過程で樹形図が形成されるため、分析結果が視覚的にわかりやすいところが特徴です。
低い位置で合流しているもの同士は似た特徴があり、高い位置で合流しているものは共通点が少ないことが読み取れます。
階層クラスター分析のメリット
階層クラスター分析のメリットは、事前にクラスター分割数を決めずに分析が始められる手軽さと、結果が視覚的にわかりやすいところでしょう。
階層クラスター分析では、分析結果が出たあとでもクラスター分割数が変更できるため、1回のデータ分析で、さまざまな分割数での検証が可能です。
また、類似度が高いデータからまとめていくため、下の層でまとまるほど類似度が高く、上の層になるほど共通点が少なくなります。
分析によりまとめられたデータがトーナメント表のような樹形図を描くため、クラスター同士の距離、クラスター数が視覚的にわかりやすく表されます。
階層クラスター分析のデメリット
階層クラスター分析のデメリットは、すべてのデータの類似度を計算する必要があるところです。
データ数に比例して計算量が多くなるため、データ数が多すぎると計算量が膨大になり、計算不能や結果が不安定になる可能性があります。
また、データ数が多いと樹形図が大きくなるため、結果がわかりにくくなる場合も。
階層クラスター分析は、データ数が多い分析には不向きです。どうしても階層クラスター分析でおこないたい場合には、クラスター数を決めてから分析をしたり、データからサンプルを抽出して分析をおこなうようにしましょう。
階層クラスター分析が向いている例
階層クラスター分析は、データ数が100以下で、クラスター数を決めずに分析を行いたいときに向いています。
例えば、商品の特徴でグループ分けしたいときや、ブランドのイメージでグループ分けしたいとき、消費者の属性を知りたいときなどに活用できます。
②非階層クラスター分析
非階層クラスター分析は、事前にクラスター数を設定し、決められたグループに似ているデータをグルーピングする手法です。似たデータは近くに集め、似ていないデータは遠ざけることを繰り返します。
決められたクラスター数まで繰り返すと、グルーピングの重心がランダムに決まり、表が作成されます。
階層クラスター分析のような階層のある樹形図にはならないため、非階層クラスター分析と呼ばれます。
非階層クラスター分析で主に使用される計算方法はK-means法や超体積法です。
非階層クラスター分析のメリット
非階層クラスター分析のメリットは、事前に決めたクラスター数を元にグルーピングするため、計算が簡略化され、データ数が多くても効率的に分類できるところでしょう。
データが大量にあり、階層構造に分類できない場合や、大量のサンプルを分類する場合に精度の高い結果が得られます。
非階層クラスター分析では、同じクラスター内のデータの類似性と、別のクラスターとは違いが際立つため、各データがどのクラスターに属するかがわかりやすいところが特徴です。
非階層クラスター分析のデメリット
非階層クラスター分析のデメリットは、クラスター数を事前に決めておくところです。
事前にクラスター数を決めておくことで、計算が簡略化され、大量のデータの分析が可能になります。
しかし、設定したクラスター数が分析に適したものでなかった場合には、正しい結果が得られなくなる場合があります。
事前の最適な設定が重要となるため、分析前に何度もクラスター数の設定を変えながら、最適な設定を導く試行錯誤が必要です。
非階層クラスター分析が向いている例
非階層クラスター分析は、データ数が多い分析に向いているため、消費者のニーズ、嗜好、行動パターンにより分類する際に活用されています。
非階層クラスター分析により、企業は商品のターゲットとなる消費者層を絞ることができるため、商品にその層に好まれる特性を持たせることができます。
また、価格設定、プロモーションも効率的におこなえるようになり、特定の消費者層のニーズや期待に合わせた無駄のないマーケティングが可能になります。
クラスター分析の手順・やり方
クラスター分析は、正確な分析結果が出るよう正しい手順とやり方に沿いおこなうことが大切です。
ここでは、クラスター分析の流れについて解説します。
Step:１分析目的を設定
クラスター分析をおこなう目的を明確にしましょう。
属性に寄らないユーザー層の把握、商圏の分析、顧客の好みの把握、クロスセルを狙うための関連商品の把握など、本当にクラスター分析が適しているか検討してみてください。
目的が決まったら、クラスター分析する対象を決めます。対象は人だけでなく、商品、場所、購買頻度、イメージなどがあります。
目的に必要なデータがない場合にはデータ収集からおこなう必要があるため、データ収集方法の検討も必要です。
Step:２クラスター分析の種類を選択
階層クラスター分析か非階層クラスター分析のどちらを採用するか選択します。
データ数で選択することが多く、階層クラスター分析はデータ数が少ない場合に、非階層クラスター分析はデータ数が多い場合に向いています。
目安は、データ数100以下が階層クラスター分析、100〜300が階層クラスター分析と非階層クラスター分析の併用、300以上は非階層クラスター分析です。
Step:３分析する調査データを集め、データ化
分析する調査データを集め、データ化します。
クラスター分析では、複雑な計算が必要になるため、統計解析ソフトを用います。階層クラスター分析をおこなう場合には、ウォード法、最短距離法、最長距離法、重心法、群平均法など。非階層クラスター分析をおこなう場合には、k-means法、超体積法などを用います。
データから距離測定をおこないそれぞれを効率的にグルーピングできるよう分析します。
Step:４クラスターのプロファイリング
統計ソフトで得られる分析結果は、類似性のあるクラスターの抽出や分類までです。
そのため、そのデータを用いて、分析者がクラスターの特性や傾向をプロファイリングしていく必要があります。分析者がプロファイリングをおこなうため、クラスター分析は分析者の主観が入りやすく、希望が無意識に影響を与える可能性があります。
そのため、分析には複数の意見を取り入れ、分析結果はあくまでも参考とし、絶対的なものと考えないようにしましょう。
Step:５クラスター分析の結果を活用する
クラスター分析はデータの分析をして終わりにするのではなく、マーケティングに活用しましょう。
ライフスタイルやニーズが多様化している現代では、商品やサービスにマッチする方にいかに情報を届け、認知してもらうかが大切です。
クラスター分析の結果から、年齢や性別などの属性に捕らわれない、これまで見えなかった顧客のニーズ、嗜好、行動パターンを知ることができます。
結果を活用することで自社の商品が選ばれる理由や、新しい顧客層の発見にもつながるでしょう。
まとめ
クラスター分析の種類や特徴、手順について解説しました。
クラスター分析をおこなうと、データを見るだけでは気づかなかった新しい発見やアイディアが生まれる可能性があります。ぜひマーケティング戦略に活用してみてください。
