笊――― はじめに
本論文はテレビ番組に関する WEB 上のク チコミのデータを活用し新しいテレビ番組評 価指標の確立を目的とする。テレビ番組にお ける WEB 上のクチコミ現象の特異性につい て，視聴率と WEB 上のクチコミの関係性に ついて，そして既存番組評価と WEB 上のク チコミの関係性について検証し，新たな番組 評価の方法を提示したい。 インターネット全盛の今，テレビ番組につ いて WEB 上でコミュニケーションしながら 共振・共鳴し合っているレゾネーションとい う現象が見られるようになり，またその行為 をする人々であるレゾネーター○Ｒが現れるよ うになった。これらを WEB 上のクチコミ件 数のデータで捕捉し，その現象の程度を深さ （デプス）と名付け概念化し，指標化した。こ の指標と視聴率や既存番組評価との関係性を 見たところ，それら既存の評価・価値尺度と は明確な関連性が見られず，この指標が既存 の指標では測定できない内容であることが判 明した。 この番組評価手法を活用することによって， 広告活動や広報 PR におけるメディア選定や 組み合わせを考える際の一基準として応用出 来ると思われる。笆――― 背景
インターネットによる巨大な情報伝達伝送路 の誕生や情報の圧縮技術等による通信技術の進 歩，インタラクティブ・メディアの普及やマル チデバイスによるエンドユーザーへの情報伝達 が容易になり，膨大な情報通信が昨今行われて いる。総務省情報通信政策研究所によると平成 19 年度の流通情報量は約 6 ゼタビット（5.99 × 1021bits）であり，それに対する消費者の消費 情報量は約 300 ペタビット（2.96 × 1017bits） となっている。これは，世の中に消費しきれな い情報が膨大にあることを顕著に示している。 平成 13 年の情報量を 100%として経年での各情テレビ番組とＷＥＢ上の
クチコミにおける関係性について
笊 ――― はじめに 笆 ――― 背景 笳 ――― CGM や WEB 上のクチコミのデータを活用したマーケティングの現状 笘 ――― テレビ番組評価に関する先行研究と本研究の方向性 笙 ――― 製品・サービスとテレビ番組における現象の違い 笞 ――― 視聴率と WEB 上のクチコミ件数の関係 笵 ――― 一般的な番組評価のスコアと WEB 上のクチコミ件数の関係性 笨 ――― おわりに岩田 幸也
● 元 株式会社電通 関西支社 統合ソリューション局坂井 政文
● 株式会社電通 関西支社 ビジネス・ディベロップメント・センター ソリューション・デザイン室報量を算出すると，平成 19 年では流通情報量 が約 55%増加している。それに対して消費情報 量は約 4 %の増加であり，我々の日常において 益々情報飽和環境化が進んでいることが分かる。 また，情報流通量をビット換算した内訳は，放 送メディア：印刷・出版：インターネット＝ 98.5%： 0.6%： 0.6%となっており，情報流通の 主流は放送メディアであると言える。一方で， 消費情報量の内訳を見ると，放送メディア：印 刷・出版：インターネット＝ 77.4%（− 21.1%）： 9.3%（+8.7%）： 8.9%（+8.3%）となっており， 印刷・出版も増えているが，インターネットを 利用した消費の情報流通も活発に行われている と考えられる。このように消費者はインターネ ットにおける情報に価値を見出していることが 窺える。 インターネット上の情報量の増加は，企業 のホームページやポータルサイトなどのメデ ィア運営会社による情報の影響も大きいが， ブログや SNS（ソーシャルネットワーキング サービス）などの CGM（Consumer Generat-ed MGenerat-edia）の登場によって生まれた消費者が 発している情報（Consumer Generated Infor-mation ；以下 CGI と表記）も大きく影響して いる。特に日本は世界一のブログ数を有して おり，国内における 2009 年 1 月末のブログ総 数は，約 2,695 万件，同月間閲覧数（ページ ビュー： PV）は約 205 億 PV となっていて， 2001 年以降の総記事数は 18 億件を超える （総務省情報通信政策研究所, 2008）。更に，消 費者が商品購入時に重視する情報源ランキン グを見ると，第 1 位：クチコミサイト（価 格.com や @cosme などの WEB サイト），第 2 位：テレビ・ラジオ CM，第 3 位：友人・知 人・家族とのクチコミと続き，オンライン・ オフラインに関わらずクチコミが商品購入の 意思決定に大きく関わっていることが分かる （マイボイスコム株式会社調査 2007， 10 代以 上男女 17,647ss）。消費者の動向とリンクして 多くの企業でも CGM や CGI に対する関心も 高まっており，社団法人日本広告主協会 Web 広告研究会によれば，「CGM は企業に影響が ある」と答えた企業は 65%以上であり，CGM の活用意向については 74%以上と，CGM が重 要視されていることが分かる。 クチコミについて，ブランドや商品やサー ビスについて営利目的で話をしていないと受 け手が認識している状態で，伝え手と受け手 が口頭的，直接的なコミュニケーションを行 っていることをクチコミの定義としている研 究がある（Arndt, 1967）。他のクチコミに関 する先行研究では，態度変容や購買意図など の説得効果における情報の受け入れに関する もの（Dichter, 1996），クチコミ効果に影響す る要因を列挙しメッセージの信頼性・有効 性・話題性・方向（ネガティブなど）性とし て分類した言及（Richins,1983），クチコミが 消費者の商品やサービスの購入に際して影響 力を持つことを実証している研究（Engel, Blackwell and Kegerreis, 1969; Feldman and Spencer, 1965; Arndt, 1967; Brown and Rein-gen, 1987; Reingen and Kernan, 1986; Richins,
1983），ノイズ（情報過多）環境下における信 用のあるソースとしてクチコミの重要性につ いて提言したもの（Rosen, 2002） などが挙 げられる。 国内インターネット普及率は現在 78.0% （総務省通信利用動向調査, 2010）となってお り一般人が不特定多数の人間と直接会話しな くともコミュニケーションが簡単に行える現
代において，WEB 上におけるブランドや商 品やサービスにおける非営利目的でのコミュ ニケーションは一般化している。本稿では， ブランドや商品やサービスについて営利目的 で話をしていないと受け手が認識している状 態で，伝え手と受け手が WEB 上でコミュニ ケーションを行っていることを WEB 上のク チコミと定義する。これらを踏まえると，従 来の AIDMA に代表される広告反応モデルか ら 情 報 の シ ェ ア を 反 映 し た A I S A S モ デ ル （秋山，杉山, 2004）へ変遷していった経緯も 考えやすく，今後 CGM を活用したマーケテ ィングの比重は益々高まっていくであろうと 考えられる。 クチコミが発生しやすい商品の特性として， 消費者の関与度の高い商品，エキサイティン グ型商品，革新的な商品，経験型の商品，複 雑な商品，高価な商品，可視性の高い商品が 考えられている（Rosen, 2002）が，ブログや 掲示板を中心とした WEB 上のクチコミ検索 サービスである電通バズリサーチ○Ｒを用いて 検証したところ，一般的にヒットと認知され ている商品名よりも，テレビ番組名における WEB 上のクチコミ件数が圧倒的に多いこと が確認できる。 本稿では，（1）CGM や WEB 上のクチコミ のデータを活用しているマーケティングの現 状を把握した後，WEB 上のクチコミ件数の 多いテレビ番組にフォーカスし，（2）番組評 価に関する先行研究と我々の目指す方向性に ついて，（3）テレビ番組における WEB 上の クチコミ現象の特異性について，（4）視聴率 と WEB 上のクチコミの関係性について，（5） 番組評価と WEB 上のクチコミの関係につい て検証する。
笳――― CGM や WEB 上のクチコミの
データを活用した
マーケティングの現状
近年の CGM を活用した実務的なマーケテ ィングは，主に流行・話題・生活動向などの ■図―― 1 ヒット商品とテレビ番組の WEB 上のクチコミ累積件数（2007 年 9 月 1 日∼ 12 月 31 日） 0 50,000 100,000 150,000 200,000 250,000 300,000 350,000 400,000 450,000 防寒衣料A ゲーム機B 音楽番組C WEB上のクチコミ数マーケティング調査，商品・ブランドなどの 広告キャンペーンにおける話題性の検証，商 品・サービス・企業などに対するレピュテー ション・マネジメント，商品・ブランドなど の WEB 上のクチコミ誘発・話題喚起を目的 としたαブロガー等の活用である。 流行や話題性，生活動向を把握し，消費者 のニーズ・ウォンツの発見や企業シーズとの マッチングのために WEB 上のクチコミのデ ータを活用している例や，各種企業において 新商品開発などの参考として活用している例 は多数ある。某食品会社においては，主婦層 のブログで散見される料理傾向について，料 理のジャンル（和風・洋風・中華など）や使 用素材，調理法などを調査することで，通常 の消費者サンプリング調査やグループインタ ビューなどでは表れない生の生活スタイルを 反映させるマーケティング活動を行っている。 また SNS を通してコミュニティー内で商品企 画を募り，商品化まで実施した例なども含め， 様々な企業が CGM マーケティングを行って いる。 ブランド管理・ CSR ・ IR の評価としても 活用可能であり，自社商品・サービス・企業 に対するレピュテーション・マネジメントに ついての活用例もある。インターネットの特 性である情報伝達の迅速な拡散によって，ネ ガティブな情報が流れたときにはその反応が 顕著に現れる。不買運動や広報窓口などに大 量のクレームが入るといった行動が起きる場 合もあるので，企業広報担当が利用している 例は多々ある。 広告内容や IR 評価，タレント・キャラクタ ー等の評価も含め，広告キャンペーン全体の 話題性を把握するために WEB 上のクチコミ を検索するケースも多くある。また，キャン ペーンの一施策としてブロガーサンプリング やαブロガーを活用した WEB 上のクチコミ 誘発のほか，グッドレピュテーションの確保 や PR などの施策としてインフルエンサー・ マーケティングを行い，円滑な情報流通を促 す施策として CGM が活用されている。CGM マーケティングにおける効果検証指標として の KPIs（Key Performance Indicators）は， WEB 上のクチコミ件数，トラックバック数， PV 数など定量的なものに加え，WEB 上のク チコミ内容のポジネガ評価など定性的情報も 重要視されており，深い洞察・分析を行って いる企業が増えている。 このように CGM や WEB 上のクチコミのデ ータを用いた分析や活用は一般的になってき ている。しかしながら，WEB 上のクチコミ をメディア媒体評価や効果検証，視聴者意見 の集約などに活用している例はあまり無く， まだ未成熟な領域であると考えられる。従っ て，WEB 上のクチコミデータが圧倒的に多 いテレビ番組について見解を深めることは重 要であると考えており，また広告活動や広報 PR における媒体選定やプラニングへの応用・ 展開，そして新しい番組評価が可能だと考え る。
笘――― テレビ番組評価に関する
先行研究と本研究の方向性
テレビ番組に関する番組評価の先行研究と して，①構成②新奇性③論理性④広範性⑤表 現の 5 つの指標による格付け（草野，古川， 水谷, 2004），①番組視聴構造，②番組編成構 造，③生活時間構造の重なる部分を視聴の質と考える番組の質的測定値の規定（後藤, 1992）， 連想法を用いたテレビ番組の質の評価（糸川， 中山, 2009）が挙げられる。また放送局による 番組の視聴満足度をものとして NHK が実施 している番組総合調査に関する知見（白石， 照井,2008）やフジテレビによる FASS（Fuji Audience Satisfaction System）調査，TBS の TPI（Television Program Influence）調査 などが挙げられる。また複合型評価としては ビデオリサーチ社が行っているテレビ番組カ ルテやテレビ朝日のリサーチ Q などがある。 一方で本論文において新しく提案したい番 組評価の特徴は主に 2 つある。1 つは国内の ブログや 2 ちゃんねる，掲示板におけるクチ コミ検索システム電通バズリサーチ○Ｒを活用 し，WEB 上のクチコミ件数を評価対象とす る点である。WEB 上のクチコミを対象とし たテレビ番組評価の先行研究はなく，視聴者 がブログなど WEB 上でクチコミをするとい う能動的・自発的な行為，もしくは WEB 上 の掲示板などで視聴者同士交わすコミュニケ ーションの量を基礎データとした事例はない。 データとしては 2500 万を超えるブログや掲示 板や 2ch を対象としている。 また 2 つ目は，電通バズリサーチ○Ｒはリアル タイムにデータを蓄積しているため，番組 OA 前後だけではなく OA 中に起こるコミュ ニケーションも可視化することが出来る点で ある。インターネットが普及する以前はテレ ビ番組について OA の前日や翌日に学校や職 場で話題にするなどのコミュニケーションが ほとんどであったと考えられるが，インター ネットが普及してからはその番組 OA 中でも WEB 上でコミュニケーションを行うことが 可能であり，さらにそれが頻繁に行われてい る。 このような現象を捕捉することにより，新 たな視点を持ってインターネット時代におけ る番組評価の指標を作りたいと考えている。
笙――― 製品・サービスとテレビ番組に
おける現象の違い
情報影響力を持ったクチコミをする人につ いての先行研究では，オピニオン・リーダー （Rogers, 1983）やインフルエンサー（Keller and Berry, 2003）について言及しているもの や，クチコミを引き起こすのは特定の少数者 がとりわけ重要な役割を果たしているとし， （1）収集した情報を他人に教えたがるメイヴ ン，（2）説得のプロであるセールスマン，（3） クチコミの伝播者であるコネクターがその重 要な少数者（Gladwell, 2000）としている主張 もあれば，情報格差が大きい中央集権型イン フルエンサーではなく，最適な情報格差を持 ち合う多数の草の根インフルエンサーがクチ コミを起こし，双方向のコミュニケーション を行っていると言及している研究などがある。 （山本，西田，森岡，山川, 2008） これらの先行研究では権威や少数の情報影 響力を持った人によるクチコミプロセスや情 報格差に則った情報伝播メカニズムが存在し ていると考えている。一般的な商品やサービ スにおいては，当事者が商品やサービスの情 報を得て，検討に入る段階や商品やサービス を購入・体験した後に情報が発せられる。そ れらの情報入手や購入・体験のタイミングの ずれによって情報格差が生まれてくる。 しかし，テレビ番組の WEB 上のクチコミ の特徴として，テレビ番組は誰もが視聴できるため情報が段階的に拡散されるものではな く，放送後に情報が一斉に届く同時発散性を 持ち合わせていると考えられる。テレビ番組 の視聴体験は番組放送時間が体験者によって 基本的に変わることがない。あるとすれば， 録画した番組を事後で視聴するなどのタイム シフトが行われた場合に限られる。従って， テレビ番組が伝える情報においては権威等に よる時差的情報格差が発生しないと考えられ る。電通バズリサーチ○Ｒを使用してテレビ番 組に関する WEB 上のクチコミを検索すると 放送当日に件数が多くなるだけでなく，時系 列データポイント洗い出すと，ほぼ同時刻に 複数の発信者が複数のルートで情報や意見等 を拡散させていることが分かる。すなわち， 一般的な製品・サービスのメカニズムとは異 なり，時差的情報格差のない同時発散性を有 していると考えられる。 図− 3は 2008 年 10 月 1 日から 12 月 31 日ま での期間における音楽番組 C（20 時放送開始 の 1 時間番組）の放送日と WEB 上のクチコ ミ件数をプロットしたものである。なお，こ のデータを抽出する際にはテレビ番組名（略 称や表記違いのものを含む）で検索をした結 果を記載している。 この図から 5 つのことが把握できる。 （1）番組放送当日が WEB 上のクチコミ件数 のピークとなる。 （2）通常編成よりも特別編成時に件数が多く なる。 （3）通常編成及び特別編成に関わらず，放送 翌日にも WEB 上のクチコミが発生する。 ■表―― 1 音楽番組 C における WEB 上のクチコミの時系列 20 時 01 分 51 秒 20 時 02 分 40 秒 20 時 03 分 28 秒 20 時 03 分 47 秒 20 時 03 分 48 秒 20 時 04 分 20 秒 20 時 05 分 20 秒 時間 内 容 今日は○○で■■がでるらしいｗ よし！！○○みよ！！ まだまだ○○は権威あるな 最近※※と○○が話題になってるようですが、色々ネットで調べてみたんです。 期待してるぞ○○ ／ 最初見逃した ゜∀゜ 今日は○○ △△が出る ( )(*^o^*) てか、○○久々？かな？ (*^o^*) お前は俺を裏切らないよな？ ○○ ＼ orz ← ■■ ( ) キタ ≧∇≦ (^O^) ■図―― 2 一般的な製品サービスとテレビ番組における現象の違い テ レ ビ番組 の 情報 情報格差 一般的な製品・サービスのメカニズム テレビ番組のメカニズム 同時にテレビを見ているため情報格差が存在しない 製品・サービスの情報
特別編成の場合は翌々日にも WEB 上の クチコミが影響している。 （4）特別編成の場合には通常編成に比べて前 日に件数が増える。 （5）番 組 の 放 送 が な い と き で も ， 一 定 の WEB 上のクチコミが行われている。 これらの現象からまず分かることは，番組 が放送された当日に感想や意見を書き込む， 即時的，瞬間的な WEB 上のクチコミが形成 されていることである。表− 1の時系列デー タにもあるように，番組放送中に情報を書き 込む視聴者も多く，また表− 2や表− 3のよう に番組が終わった後にも継続して感想を書き 込んでおり，放送翌日にも番組について意見 を寄せている。 放送当日以外の WEB 上のクチコミについ ては 4 つの場合が考えられる。（1）放送当日 に番組を見たが後日 WEB 上のクチコミをす るケース，（2）放送内容を録画し後日番組を 見た後 WEB 上のクチコミをするケース，（3） 次週の放送内容の情報を得て次回についての 期待や意見などを寄せるケース，（4）そして 従来の商材やサービスと同じように誰かの WEB 上のクチコミを見て更にその情報を波 及させるケースである。このように放送当日 以外でも様々な形で情報発信が行われている ことがわかる。 特別編成の場合においては放送時間が通常 よりも長いため，その分番組放送中にリアル タイムで WEB 上のクチコミが起こる数が多 くなる。また件数が増えれば増えるほどそれ に影響を受けた（4）の波及が大きくなるため， 放送翌日や翌々日の件数が多くなる。加えて 特別編成の場合は通常編成と同じ時間から放 送開始となるケースが多いために番組終了時 間が必然的に遅くなり，放送中ではなく放送 直後に WEB 上のクチコミをする視聴者は 24 時を超えてからすることが自動的に多くなる。 ■図―― 3 音楽番組 C の放送日と WEB 上のクチコミ 0 10000 20000 30000 40000 50000 60000 70000 80000 90000 WEB上のクチコミ数 2008/10/1 2008/10/3 2008/10/5 2008/10/7 2008/10/9 2008/10/11 2008/10/13 2008/10/15 2008/10/17 2008/10/19 2008/10/21 2008/10/23 2008/10/25 2008/10/27 2008/10/29 2008/10/31 2008/11/2 2008/11/4 2008/11/6 2008/11/8 2008/11/10 2008/11/12 2008/11/14 2008/11/16 2008/11/18 2008/11/20 2008/11/22 2008/11/24 2008/11/26 2008/11/28 2008/11/30 2008/12/2 2008/12/4 2008/12/6 2008/12/8 2008/12/10 2008/12/12 2008/12/14 2008/12/16 2008/12/18 2008/12/20 2008/12/22 2008/12/24 2008/12/26 2008/12/28 2008/12/30 特別編成での放送 通常編成での放送 放送前日
よって特別編成放送翌日の件数が通常放送翌 日分よりも多くなる。 放送前の WEB 上のクチコミについて，通 常編成時より特別編成時の件数が増える傾向 にあるのは，番組宣伝が多くなったり出演タ レントが通常よりも増えたりするために，期 待を寄せる WEB 上のクチコミがその分増え るからと推測できる。
笞――― 視聴率と WEB 上の
クチコミ件数の関係
従来の商品やサービスなど CGM マーケテ ィ ン グ で 使 わ れ る 定 量 的 な K P I s と し て は WEB 上のクチコミ件数，トラックバック数， PV 数などが挙げられる。またそれらの数値 だけでなく，実際に行った施策により売上や イメージ向上に対するスコアの影響や寄与を 調べるといったように，それらの数値以外と の相関や関係性を見ることがある。 テレビ番組における代表的な効果指標は視 聴率である。どれだけ多くの人に広く見られ たかというリーチを表す指標に対して，視聴 者の自発的な WEB 上のクチコミや視聴者同 士の双方向コミュニケーションである WEB 上のクチコミとの関係を検証する。 2008 年 10 月 1 日から 12 月 31 日のドラマジ ャンルにおけるテレビ番組の視聴率と放送当 日の WEB 上のクチコミ件数を対象にとした。 なお，番組ジャンルについてはビデオリサー チ社の分類を使用し，データについては各テ レビ番組名（略称や表記違いのものを含む） を電通バズリサーチ○Ｒで検索をした結果を記 載している。またここでは番組名が日常の会 話で使う自然語のケースもあるので，放送に よって影響のあった WEB 上のクチコミを抽 出するため，期間中における放送日の件数の 平均値から，放送日ではない日の件数の平均 値を引いた数値を当該平均数値とする。 放送日当日の件数から，放送日以外の件数 の平均値を引いた数値を対象とする 下記図は分析対象とした番組の平均視聴率 ■表―― 2 番組 OA 後の WEB 上のクチコミ例 21 時 05 分 03 秒 21 時 07 分 36 秒 21 時 07 分 42 秒 21 時 15 分 18 秒 21 時 19 分 52 秒 時間 内 容 今日の○○は△△と▲▲・■■ etc ・・が出ていましたね☆★ 今日は○○でしたね！見ましたか？？■■出てましたよ■■！！！ なんか、なぜだか、泣きそうです。■■が好きすぎて (;?;) ○○出演おめでとう (^^) . ○○見た見た。昨日と打って変わって、みんな笑顔。またこれからリピして見よう。 見たよー！！友達が、○○見てたのか、何通も「■■が○○出てるよ」っていうメールが。笑 ■表―― 3 番組翌日の WEB 上のクチコミ例 13 時 41 分 03 秒 14 時 30 分 35 秒 15 時 54 分 13 秒 16 時 28 分 23 秒 17 時 16 分 14 秒 時間 内 容 ○○で歌うさわやか▲▲たちを見て涙が出ちゃった私です∼ (>_<) 昨日は○○と●●見ました。○○は良かった∼♪ 昨日は待ちに待った『○○』学校帰りに友達と遊びに行ってて、ギリギリに帰って来て何とか見れましたーっ 昨日○○見ました！！いい曲でした↑↑みんなかっこよかったわ∼∼・・・ 昨日の○○たまらんかった ! かっこよすぎ∼可愛いすぎ∼及び平均 WEB 上のクチコミ件数をプロット したものである。 分析対象の 15 番組において，当該期間の 1 回放送あたりの平均視聴率は 12.4 ％であった のに対し，各番組の放送当日における 1 回あ たりの平均 WEB 上のクチコミ件数は 4,738 で ■図―― 4 データのスクリーニングについて 0 10000 20000 30000 40000 50000 60000 70000 80000 90000 2008/10/1 2008/10/3 2008/10/5 2008/10/7 2008/10/9 2008/10/11 2008/10/13 2008/10/15 2008/10/17 2008/10/19 2008/10/21 2008/10/23 2008/10/25 2008/10/27 2008/10/29 2008/10/31 2008/11/2 2008/11/4 2008/11/6 2008/11/8 2008/11/10 2008/11/12 2008/11/14 2008/11/16 2008/11/18 2008/11/20 2008/11/22 2008/11/24 2008/11/26 2008/11/28 2008/11/30 2008/12/2 2008/12/4 2008/12/6 2008/12/8 2008/12/10 2008/12/12 2008/12/14 2008/12/16 2008/12/18 2008/12/20 2008/12/22 2008/12/24 2008/12/26 2008/12/28 2008/12/30 WEB上のクチコミ数 ■図―― 5 視聴率と WEB 上のクチコミ件数 0 2 4 6 8 10視聴率 12 14 16 18 20 WEB上のクチコミ数 0 2000 4000 6000 8000 10000 12000 14000 平均WEB上のクチコミ数：4738 平均視聴率：12.4 第 １ 象 限 第 ４ 象 限 第 ３ 象 限 第 ２ 象 限
あった。この数値を元に高視聴率で件数が多 い番組群（第 1 象限），低視聴率で件数が多い 番組群（第 2 象限），低視聴率で件数が少ない 番組群（第 3 象限），高視聴率で件数が少ない 番組群（第 4 象限）の 4 象限に区分すること が出来る。 図を見ると平均視聴率が 13 ％前後の番組は 5 番組ほどある。視聴率のみで番組を評価し た場合これら 5 番組は全て同等の価値を持つ として扱うことになるが，WEB 上のクチコ ミ件数を評価対象軸に入れることで，これら 5 番組の中でも評価の差異が生まれる。第 1 象限の高視聴率で件数が多い番組と高視聴率 で件数が少ない第 4 象限の番組として分けら れるだけでなく，平均 WEB 上のクチコミ件 数が一番多い番組と一番少ない番組には 11 倍 もの差があり，これら数値の違いを番組に対 する視聴者の積極的関与度を表現する価値尺 度のうちの一つとし，番組評価をすることが できると考える。ただ視聴するだけではなく， テレビ番組を切っ掛けにコミュニケーション する行為を番組に対する積極的態度として番 組を評価する上での一つの価値側面として考 えたい。 また第 2 象限に属する番組群は，視聴率が 低く見ている人は少ないが視聴者が自ら情報 発信をしたくなる，もしくは視聴者同士で語 り合いたいと思わせる何か影響力を持った番 組群と考えられる。例えば第 1 象限に位置す る平均視聴率 17.6 ％，平均 WEB 上のクチコ ミ数 10,030 件の番組と第 2 象限に位置する平 均視聴率 10.2 ％，平均 WEB 上のクチコミ数 10,172 件の番組を比較した場合，番組に対す る積極的関与の高い人々がいる絶対数として は第 1 象限の番組の方が多いであろうが，関 与度の高い人々がいる密度・濃度としては第 2 象限の番組の方が高いと考えられる。平均 WEB 上のクチコミ数を視聴率で割ることで 視聴率 1 ％あたりの件数を算出し，それを積 極的関与度の密度として比較することもでき る。またこれら番組の関連グッズや DVD な どのセールスについては，第 3 象限の番組よ りも第 2 象限の番組の方が良い可能性高いと 考えられるだけではなく，場合によっては第 4 象限の番組よりも良いこともありえるかも しれない。 従来の視聴率は到達率（リーチ）を表して いるのに対し，このように WEB 上のクチコ ミデータを用いることで，新しいテレビ番組 の価値尺度として深さ（デプス）という指標 を視聴率とは別の軸・視点として導き出すこ とが出来る。同じ視聴率である 2 つの番組を 比較する際に件数の多寡を見比べることによ って，今までとは違った深さという視点を持 って番組評価をすることができ，広告活動や 広報 PR におけるメディア選定や組み合わせ を考える際の一基準として活用することが可 能である。 上述のように一部の番組で見られる現象は， ある近い価値観を持つ人同士がつながり，共 振・共鳴し合いながらコミュニケーションし ている現象だと考えられる。現状，電通バズ リサーチ○Ｒでは WEB 上でクチコミをした人の 各 ID を取得していないため，一人の人が複数 回 WEB 上のクチコミをしているケースの場 合でもそれぞれを 1 件ごとの件数としてカウ ントする形式となっており，複数人がコミュ ニケーションしていることを実証出来ないが， 音楽番組 C のように 1 日に 8 万件近く発生し ていることから 1 人の人が WEB 上のクチコ
ミをしているとは到底考えられず，様々な 人々が WEB 上でコミュニケーションし共 振・共鳴し合っていると思われる。 これらの共振・共鳴行動及び現象をレゾネ ーション，共振・共鳴する人々をレゾネータ ー○Ｒとして定義したい。低視聴率だが WEB 上 のクチコミが多い番組群で見られるようなレ ゾネーター○Ｒ間 の 活 動 や 現 象 を 捉 え た 上 で ， 新しい価値尺度を持って今後の広告活動にお ける媒体選定やプラニングを考慮すべきだと 考える。番組から発せられる情報の浸透度や 影響度や密度を考えた場合，視聴率のみが高 い番組よりも，レゾネーター○Ｒが多いと考え られる番組の方が浸透度・影響度・密度が高 い可能性があり，その後の情報波及が起こる 可能性も高いと思われる。そのような番組で 取り上げられた商品やサービスなどが，その レゾネーター○Ｒに影響を与えて広がり，購買 などに繋がりやすくなるケースも考え得る。 広告や広報 PR のプラニングを行う上で，上 記のような視点で視聴者同士での情報波及・ 拡散効果が高いと見込まれる媒体の抽出を W E B 上 の ク チ コ ミ の 側 面 か ら 行 う こ と で ， 商品やサービス情報の浸透する確率が高まる であろう。 また本稿ではこのレゾネーションの内容を テレビ番組に限定して数値化・可視化してい るが，これはテレビ以外の媒体分野でも活 用・応用が可能である。広告のプラニングに おけるリーチを最大化させるだけではなく， 各媒体に関して情報浸透度を中心と考えたプ ラニング手法なども今後新しい方法論として 追及することが出来ると考える。
笵――― 一般的な番組評価のスコアと
WEB 上のクチコミ件数の関係性
視聴率が低くても人との話題の中心として コミュニケーションしたいと思う番組群や WEB 上でクチコミさせるパワーを持つ番組 について抽出可能になった。ここでは WEB 上のクチコミ件数の多寡が表す意味合いを探 るために，民放各社の全国ネット番組名で回 収したデータとテレビ番組の番組評価・視聴 質を調査したビデオリサーチ社のテレビ番組 カルテ（2008 年 11 月）と対応させることに よってその関連性を検証する。テレビ番組カ ルテとはサンプリング調査によって個別番組 の質的評価測定を行ったもので，総合的に各 番組が視聴者にどのように評価されているか （好意度・視聴満足度），テレビ番組がそれぞ れ視聴者にどのような視聴感（イメージ）を 与えているかなどを調べたものである。 テレビ番組カルテの調査対象となっている 132 番組をそれぞれの番組名（略称や表記違 いのものを含む）で検索し，2008 年 10 月 1 日 から 12 月 31 日の期間における各番組の WEB 上のクチコミ件数の平均値とテレビ番組カル テの評価スコアで相関分析を行った。相関係 数が 0.6 以上の項目をリストアップしたのが 下記の表となる。番組ジャンルについてはビ デオリサーチ社の分類を参考にした。なお， 上記各番組の平均 WEB 上のクチコミ件数の 抽出については，前述の方法と同じように自 然語のケースにも配慮し，放送によって影響 のあった WEB 上のクチコミを抽出するため， 期間中における放送日の件数の平均値から， 放送日ではない日の件数の平均値を引いた数値を当該数値とする。 上記の表から下記 4 つのことが言える。 （1）番組全体では WEB 上のクチコミ件数と テレビ番組カルテのスコアにおける高い 相関は見られない。 （2）教育・教養，報道以外のジャンルにおい て，“いつも見ている”といった視聴経験 や継続視聴を表す項目と相関がある。 （3）ドラマ，スリラー・アクション，コメデ ィのジャンルに関しては相関係数の高い 項目が多く，ポジティブな番組評価を表 す内容のスコアと相関が高い （4）報道のジャンルにおいては，件数がネガ ティブな内容とも相関がある。 WEB 上のクチコミ件数とテレビ番組カル テにおいて高い相関が見られないということ は，つまり WEB 上のクチコミ件数による評 価はそのような既存の番組評価では直接測定 できないものを評価できることを示している。 全体として高い相関は見られないが，ジャ ンル別に見ると相関が高いものもある。特に ドラマ，コメディ，スリラーなどのジャンル に関しては，WEB 上のクチコミがポジティ ブな番組評価を表していることが分かる。特 にドラマの“個性的な”，コメディの“カメラ ワークが良い”，“話題が豊かになる”，スリラ ー・アクションの“感動を覚える”，“放送時 間帯が良い”といった項目は 0.9 以上の相関 ■表―― 4 WEB 上のクチコミと番組カルテの評価スコアに関する相関 ジャンル 番組カルテ評価項目 相関係数 ジャンル 番組カルテ評価項目 全体 相関係数0.6以上の項目なし カメラワークが良い 満足しなかった 話題が豊かになる 社会性のある問題を取り上げている 番組名が良い どちらかといえば嫌い 役が合ってる 刺激的な 分からない いつも見ている 刺激的な 芸能 いつも見ている 感動を覚える 教育・教養 相関係数0.6以上の項目なし 満足しなかった 知識・情報が得られる いつも見ている 流行の取り込みがうまい Fレイト 放送時間帯が良い 視聴経験有 いつも見ている 非常に好き 是非続けてみたい たまに見ている 役に立つ 感動を覚える 非常に満足した 放送時間帯が良い ゲスト出演者が良い いつも見ている 時々見ている 役柄が合ってる いつも見ている ストーリー・脚本が良い Fレイト 見ごたえがある 視聴経験有 Fレイト 是非続けて見たい 視聴経験有 個性的な 非常に満足した 今後の展開が楽しみ テーマ・挿入歌が良い ストーリーの展開にメリハリがある 非常に好き ハラハラ、ドキドキする 人間関係が良い いつも見ている 人間が良く描かれている 話題が豊かになる タレントが良い 放送時間帯が良い 継続視聴 目新しさ、新鮮さを感じる 継続視聴割合 クイズ 報道 ドラマ ドラマ コメディー スリラー全体 音楽 相関係数 0.683 0.648 0.616 0.752 0.640 0.625 0.855 0.758 0.744 0.710 0.691 0.689 0.639 0.639 0.602 0.778 0.705 0.705 0.652 0.919 0.756 0.717 0.697 0.665 0.652 0.651 0.612 スリラー アクション 0.982 0.969 0.894 0.780 0.760 0.754 0.719 0.702 0.668 0.637 0.635 0.631 0.604 0.934 0.907 0.844 0.828 0.813 0.788 0.764 0.763 0.723 0.722 0.718 0.617 0.612 0.602 0.600 0.600 コメディ ※ F レイトとは有効対象者の中でその番組を 2､3 ヶ月の間に見たことのある人の割合である。
係数となっており，件数自体がほぼそれら番 組評価・視聴質項目を直接表していると言え る。相関係数 0.7 以上は相関が強いと言える ので，WEB 上のクチコミの数はジャンルに よって様々な番組評価を同時に内包している とも言える。 報道番組の WEB 上のクチコミはネガティ ブな番組評価を含んでいる。しかしながら， 同じ視聴率でも放送後に WEB 上のクチコミ が起こらない番組と，番組評価がネガティブ でも WEB 上のクチコミを起こすパワーがあ る番組を比べた場合では，視聴者を動かして いるという点では後者に評価される余地があ ると考えられる。悪事も善事も含めて時事問 題等を取り上げる報道番組であるため，バラ エティーやドラマなどのジャンルに比べてネ ガティブな印象を持たれる可能性が高いのは 考慮されなくてはならない部分であろう。
笨――― おわりに
本研究では，テレビ番組の WEB 上のクチ コミ現象を把握しそのメカニズムを可視化し ただけではなく，視聴率や番組評価と WEB 上のクチコミ件数の関係における検討を行い， WEB 上でクチコミさせるパワーを持つ番組， 視聴者同士がコミュニケーションしたいと思 う番組抽出の可能性について言及し，WEB 上のクチコミデータを活用した番組評価の可 能性を示した。 このデータの活用により，インターネット 時代における WEB 上で共振・共鳴しあうレ ゾネーター○Ｒやその現象であるレゾネーショ ンを把握することができ，またその現象の程 度を深さ（デプス）と定義し概念化・指標化 した。この指標と視聴率や既存番組評価との 関係性を見たところ，それら既存の評価内容 とは明確な関連性がなく，この指標が既存の 指標では測れない尺度であることが分かった。 そしてこの深さ（デプス）という価値尺度を 考慮に入れて広告・広報 PR 活動における媒 体選定やプラニングをすることが，インター ネット時代における商品やサービス情報の浸 透確率を高める上で重要であり，新たな展開 可能性があると考えている。 今後の課題として，検索・研究対象とした 番組数や期間の拡大，データの拡充をして検 証作業を続けることで，より精緻化したテレ ビ番組における WEB 上のクチコミ現象を究 明することが出来ると考える。またテレビの 同時拡散性により，一般商材やサービスより も同時体験者が多数存在するため，コメント 数についても情報がより多く発せられている であろうことは容易に想像がつく。それら大 量データを駆使すればメディア・マーケティ ング活動として更に発展の余地があると考え られる。加えて WEB 上のクチコミ内容のデ ータ解析，定性分析を行うことで番組評価指 標としての精緻化をより一層進めたい。そし てテレビだけに限らず，それ以外のメディア 媒体である新聞，雑誌，ラジオ等のメディア 評価として研究対象を拡張することで，更に 新しい現象を追求することが出来るであろう。 デジタル・プラットフォームから得られた 消費者発のデータを広告・広報活動などへの 応用する研究はまだ歴史が浅い。とりわけイ ンターネット上での消費者間のコミュニケー ションが今後益々活性化し変化していくこと や，様々な SNS や Twitter のような CGM の 発展と CGI の増加を考慮に入れ，本研究で得られた知見を出発点としながら，更なる現象 の解明と実務家に向けた新しい広告・広報活 動の可能性をより追求し，発展させたいと考 えている。
参考文献・資料
Arndt, Johan (1967),“Word of Mouth Advertising: A Review of the Literature,” New York Advertising Research Foundation.
Arndt, Johan (1967),“Role of Product-related Conversa-tions in the Diffusion of a New Product,” Journal of
Marketing Research, 4 (August), 291-295.
Brown, Jacqueline Johnson and Reingen, Peter H. (1987), “Social Ties and Word-of-Mouth Referral Behavior,”
Journal of Consumer Research, Vol.14. No.3, 350-362.
Dichter, Ernest (1966),“How Word of Mouth Advertising Works,” Harvard Business reviews, Nov/Dec, 147-157.
James F. Engel, Roger D. Blackwell, and Robert J Kegerreis (1969),“How Information Is Used to Adopt an Inno-vation,” Journal of Advertising Research, 9 (Decem-ber), 3-8.
Feldman, Sidnew P. and Merlin C. Spencer (1965),“The Effect of Personal Influence in the Selection of Con-sumer Services,” Fall Conference of the American Marketing Association, ed. Peter D. Bennett, Chicago: American Marketing Association, 440-452.
Gladwell, Malcolm (2000),“The Tipping Point,” Little Brown.
Keller, Ed and Berry, Jon (2003),“The Influentials: One American in Ten Tells the Other Nine How to Vote, Where to Eat, and What to Buy,” Free Press. Richins, Marcha L. (1983),“Negative Word-of-Mouth by
Dissatisfied Consumers: A Pilot Study,” Journal of
Marketing., 47 (Winter), 68-78.
Rogers, Everret M. (1983),“Diffusion of Innovations (3rd ed.),” Free Press.
Rosen, Emanuel (2002),“The Anatomy of Buzz: How to Create Word of Marketing,” Crown Business. Reingen, Peter H. and Jerome B. Kernan (1986), "Analysis
of Referral Networks in Marketing: Methods and Illus-tration," Journal of Marketing Research, 23 (Novem-ber), 370-378 総務省情報通信政策研究所（2009）『「情報流通インデ ックス研究会」報告書』 総務省情報通信政策研究所（2008）『ブログの実態に 関する調査研究の結果』 ビデオリサーチ社（2008）「番組カルテ」データ マイボイスコム株式会社（2007) インターネット調査 「クチコミサイト」 秋山隆平，杉山恒太郎（2004）『ホリスティック・コ ミュニケーション』 宣伝会議 糸山景大，中山竜馬（2009）『連想法を用いたテレビ 番組の質の評価』 長崎大学教育学部紀要. 自然科 学 77, pp.21-34 草野厚，古川園智樹，水谷玲子（2004）『視聴率の代 替可能性-メディア検証機構に焦点を当てて−』 総合政策学ワーキングペーパーシリーズ No.42 後藤将之（1992）『視聴率の社会的文脈』 成城文藝 (141), pp.60-76 白石信子，照井大輔（2008）『人々は「番組」をどの ように評価しているか∼ 2007 年 6 月「番組総合調 査」から∼』放送研究と調査（2008）第 58 巻第 2 号, NHK 放送文化研究所 山 本 晶 ， 西 田 悟 史 ， 森 岡 慎 司 ， 山 川 茂 孝 （ 2 0 0 8 ) 『Optimal Heterophily and the Impact of Word-of-Mouth』日本マーケティング・サイエンス学会第 83回研究大会 岩田 幸也（いわた ゆきなり） 2004 年慶應義塾大学総合政策学部卒業 2007 年同大学政策メディア研究科修士課程修了 同年株式会社電通入社 関西支社テレビ局，インタラクティブ・コミュニケ ーション局，統合ソリューション局を経て 2011 年 3 月同社退社 現在外資系 IT 企業にて広告営業担当として勤務 坂井 政文（さかい まさふみ）
2003 年 University of Oregon School of Journalism and Communication 卒業
2004 年株式会社電通入社
関西支社テレビ局，マーケティング局を経て 現職，ソリューション・デザイン室主務
