「クラスター分析という言葉は聞いたことがあるが、実はよくわかっていない…」
「とりあえずソフトでクラスター分析をしてみているが、結果の意味を自信をもって説明できない…」
「どの変数を使えばよいのか、クラスター数はいくつにすべきか、いまさら人には聞きづらい…」
そんなあなたにぴったりの動画です。
クラスター分析は、顧客セグメンテーションや商品分類などで広く使われる一方で、
・何をしている分析なのか
・結果をどう読み取り、どう活用すればよいのか
といったポイントをきちんと理解できている方は多くありません。
本動画では、クラスター分析の考え方と結果の活かし方をしっかりと整理していきます。
「とりあえずソフトでクラスター分析をしてみているが、結果の意味を自信をもって説明できない…」
「どの変数を使えばよいのか、クラスター数はいくつにすべきか、いまさら人には聞きづらい…」
そんなあなたにぴったりの動画です。
クラスター分析は、顧客セグメンテーションや商品分類などで広く使われる一方で、
・何をしている分析なのか
・結果をどう読み取り、どう活用すればよいのか
といったポイントをきちんと理解できている方は多くありません。
本動画では、クラスター分析の考え方と結果の活かし方をしっかりと整理していきます。
◆30分で学ぶ統計解析セミナー
クラスター分析を仕事に活かす：計算の仕組みと実践活用のポイントを学ぶ
こんな方におすすめ！
◆ ターゲット顧客を複数の切り口の組み合わせでセグメントすることに興味がある方
◆ クラスター分析の基本的な仕組みや、結果の読み方をしっかり理解したい方
◆ マーケティング施策や業務改善に、クラスター分析の結果を活かしたい方
プログラム
1. クラスター分析の仕組み
2. クラスター分析の結果の読み方
3. 実務でクラスター分析を活用する際のポイント
2. クラスター分析の結果の読み方
3. 実務でクラスター分析を活用する際のポイント
講師
株式会社日本能率協会総合研究所
ＭＤＢ事業本部 経営・マーケティング研究部
部長 稲富 健
【略歴】
民間企業のマーケティング戦略立案支援を目的とした様々なリサーチ・コンサルティングに従事。部門全体としては年間200案件を超える、リサーチをベースとしたコンサルティング・マーケティング支援の統括責任者。専門統計調査士を保有。
＜執筆・取材＞
日本経済新聞：日本経済新聞「私見卓見」（2019年 8月15日付）
技術情報協会：研究開発リーダー（2020年3月号） 高齢者マーケティングを成功させるために必要となる視座
ビジネス誌「PRESIDENT」（2021年5月）：アクティブシニア特集
ファイナンシャルプランナー向け業界誌 “KINZAI Financial Plan”（2022年8月）
ＭＤＢ事業本部 経営・マーケティング研究部
部長 稲富 健
【略歴】
民間企業のマーケティング戦略立案支援を目的とした様々なリサーチ・コンサルティングに従事。部門全体としては年間200案件を超える、リサーチをベースとしたコンサルティング・マーケティング支援の統括責任者。専門統計調査士を保有。
＜執筆・取材＞
日本経済新聞：日本経済新聞「私見卓見」（2019年 8月15日付）
技術情報協会：研究開発リーダー（2020年3月号） 高齢者マーケティングを成功させるために必要となる視座
ビジネス誌「PRESIDENT」（2021年5月）：アクティブシニア特集
ファイナンシャルプランナー向け業界誌 “KINZAI Financial Plan”（2022年8月）
本動画に関するお問い合わせ
株式会社日本能率協会総合研究所 経営・マーケティング研究部
担当：稲富
住所：〒105-0011 東京都港区芝公園3－1－22 日本能率協会ビル
TEL：03-3578-7607
e-mail：info_mlmc@jmar.co.jp
担当：稲富
住所：〒105-0011 東京都港区芝公園3－1－22 日本能率協会ビル
TEL：03-3578-7607
e-mail：info_mlmc@jmar.co.jp
本動画の要約
1) クラスター分析の位置づけ
分析には主に次の4つの目的がある。
・要約（何らかの情報から目の前の現象を要約する。例：平均値など）
・比較（属性や値の差を比較する。例：差の検定など）
・予測（過去の実績データから予測モデルを作る。例：回帰分析など）
・分類（事象を分類する。例：クラスター分析など）
クラスター分析はこの中の「分類」を目的とする手法であり、似た特徴を持つ対象をグループ化することで、データの構造を理解しやすくする。
2) 分類することの意味
大量のデータをそのまま見ても理解は進みにくい。そのような場面では、似た特徴で分類することで対象の特徴や傾向が見えてくる。
すなわち、「分ける」と「分かる」というプロセスが進む。
このように、分類はデータ理解の重要な手段である。
3) マーケティングとの関係
クラスター分析はマーケティングの STP（セグメンテーション・ターゲティング・ポジショニング） と密接に関係する。
顧客を似た特徴で分類し、その中から自社と相性のよい顧客層を見つけてターゲット設定を行う。
この顧客セグメンテーションの場面でクラスター分析がよく利用される。
4) クラスター分析の基本概念
クラスター分析とは、「類似性にもとづいて対象を複数のグループ（クラスター）に分類すること」である。
ここでいうクラスターとは単純にグループのことであり、似た特徴を持つもの同士をまとめていく。
5) 類似性を「距離」で表す
クラスター分析では、対象同士の類似性を距離として表現する。
距離が短い → よく似ている
距離が長い → あまり似ていない
距離の近いものから順にグループ化していくことで、最終的に複数のクラスターが形成される。
6) クラスター分析の仕組み
九州・沖縄（8県）の高齢化率データを例に説明した。
数値差（距離）が最も小さいものをまとめる → 次に近いものをまとめる
これを繰り返す。
この結果は デンドログラム（樹形図） と呼ばれる図で表される。
樹形図は統計解析ソフトSPSSやJMPで作成できる。
7) クラスター数の決定
クラスター分析では、クラスターの数は分析者が決める必要がある。
例えば同じデータでもクラスター数は複数の解釈が可能であり、分析目的に応じて適切な分け方を判断する。
8) 複数変数の場合の距離
実務では複数の指標を使うことが多い。
2変数の場合、散布図上での対象間の距離は三平方の定理（ピタゴラスの定理）を使って計算できる。
さらに変数が増えても、ユークリッド距離という考え方で同様に距離を計算できる。距離が計算できれば、近いものをまとめることができる。
9) 分析の流れ
クラスター分析では、結果としてグループが作られるが、そのグループに意味を与えるのは分析者である。
例では、5教科の期末テスト点数データ（5変数）を
全教科優秀タイプ、文系教科優秀タイプ、理系教科優秀タイプ、全教科伸び悩みタイプの4つに分類した。
このように、分析者自身が特徴を読み取り、クラスターに名前をつけて解釈する。
10) 実務事例（顧客セグメンテーション事例）
弊社自主企画レポートの実際のデータをもとに説明。例では、60歳～90歳の高齢者2,500名の買い物意識データをクラスター分析し、データの特徴から結果を次の4タイプに分類した。
・アクティブ消費タイプ（試し買いや新商品探索に前向き。）
・リスク回避タイプ（買い筋の固定化が強め。他項目はマイナスに強め。）
・コスパ重視タイプ（買い筋の固定化、コスパ意識が高い、長く使えるもの重視。）
・無関心・省力タイプ（買い筋の固定化以外全てマイナスに出ている。）
さらに、年齢構成、性別、居住地域、経済的なゆとり、生活満足度 などの属性と組み合わせて分析することで、各クラスターの特徴をより深く理解できる。（クラスター別プロフィール分析）
11) 実務での活用ポイント
クラスター分析を活用する際は次の点が重要。
・クラスター数を目的に応じて分析者が判断する
・クラスターの特徴を読み取り名前をつける
・属性データと組み合わせて理解を深める
・セグメンテーションやマーケティング施策に活かす
分析には主に次の4つの目的がある。
・要約（何らかの情報から目の前の現象を要約する。例：平均値など）
・比較（属性や値の差を比較する。例：差の検定など）
・予測（過去の実績データから予測モデルを作る。例：回帰分析など）
・分類（事象を分類する。例：クラスター分析など）
クラスター分析はこの中の「分類」を目的とする手法であり、似た特徴を持つ対象をグループ化することで、データの構造を理解しやすくする。
2) 分類することの意味
大量のデータをそのまま見ても理解は進みにくい。そのような場面では、似た特徴で分類することで対象の特徴や傾向が見えてくる。
すなわち、「分ける」と「分かる」というプロセスが進む。
このように、分類はデータ理解の重要な手段である。
3) マーケティングとの関係
クラスター分析はマーケティングの STP（セグメンテーション・ターゲティング・ポジショニング） と密接に関係する。
顧客を似た特徴で分類し、その中から自社と相性のよい顧客層を見つけてターゲット設定を行う。
この顧客セグメンテーションの場面でクラスター分析がよく利用される。
4) クラスター分析の基本概念
クラスター分析とは、「類似性にもとづいて対象を複数のグループ（クラスター）に分類すること」である。
ここでいうクラスターとは単純にグループのことであり、似た特徴を持つもの同士をまとめていく。
5) 類似性を「距離」で表す
クラスター分析では、対象同士の類似性を距離として表現する。
距離が短い → よく似ている
距離が長い → あまり似ていない
距離の近いものから順にグループ化していくことで、最終的に複数のクラスターが形成される。
6) クラスター分析の仕組み
九州・沖縄（8県）の高齢化率データを例に説明した。
数値差（距離）が最も小さいものをまとめる → 次に近いものをまとめる
これを繰り返す。
この結果は デンドログラム（樹形図） と呼ばれる図で表される。
樹形図は統計解析ソフトSPSSやJMPで作成できる。
7) クラスター数の決定
クラスター分析では、クラスターの数は分析者が決める必要がある。
例えば同じデータでもクラスター数は複数の解釈が可能であり、分析目的に応じて適切な分け方を判断する。
8) 複数変数の場合の距離
実務では複数の指標を使うことが多い。
2変数の場合、散布図上での対象間の距離は三平方の定理（ピタゴラスの定理）を使って計算できる。
さらに変数が増えても、ユークリッド距離という考え方で同様に距離を計算できる。距離が計算できれば、近いものをまとめることができる。
9) 分析の流れ
クラスター分析では、結果としてグループが作られるが、そのグループに意味を与えるのは分析者である。
例では、5教科の期末テスト点数データ（5変数）を
全教科優秀タイプ、文系教科優秀タイプ、理系教科優秀タイプ、全教科伸び悩みタイプの4つに分類した。
このように、分析者自身が特徴を読み取り、クラスターに名前をつけて解釈する。
10) 実務事例（顧客セグメンテーション事例）
弊社自主企画レポートの実際のデータをもとに説明。例では、60歳～90歳の高齢者2,500名の買い物意識データをクラスター分析し、データの特徴から結果を次の4タイプに分類した。
・アクティブ消費タイプ（試し買いや新商品探索に前向き。）
・リスク回避タイプ（買い筋の固定化が強め。他項目はマイナスに強め。）
・コスパ重視タイプ（買い筋の固定化、コスパ意識が高い、長く使えるもの重視。）
・無関心・省力タイプ（買い筋の固定化以外全てマイナスに出ている。）
さらに、年齢構成、性別、居住地域、経済的なゆとり、生活満足度 などの属性と組み合わせて分析することで、各クラスターの特徴をより深く理解できる。（クラスター別プロフィール分析）
11) 実務での活用ポイント
クラスター分析を活用する際は次の点が重要。
・クラスター数を目的に応じて分析者が判断する
・クラスターの特徴を読み取り名前をつける
・属性データと組み合わせて理解を深める
・セグメンテーションやマーケティング施策に活かす
