JAIST Repository
https://dspace.jaist.ac.jp/ Title 顧客タイプ別サービス効果分析システムの提案 Author(s) 徳富, 雄典; 椿, 美智子 Citation 年次学術大会講演要旨集, 27: 25-28 Issue Date 2012-10-27Type Conference Paper Text version publisher
URL http://hdl.handle.net/10119/10967
Rights
本著作物は研究・技術計画学会の許可のもとに掲載す るものです。This material is posted here with permission of the Japan Society for Science Policy and Research Management.
３
タイプ別 ー ス
果分析 ステ
の
徳 雄 子 通 大学） 研究の 景と目的 ー ス分 の重要性について 現 日本・イギリス・ 等 では 内 生 の70% 上が ー ス関連生 であり 業者の 合も 同じ に している。そのため 年 ー ス業において大きな ー ス価 を するこ とがますます重要になってきている。しかし ー スの場合 者 と受け る に異 性( )があ り 要望を え ー ス 果を分析することが の場合より しい。 ー スにおける 足 調査の現状 足 とは が や ー スに対して いている や ー ・ も ） あるいは 要 事項が されたものによって たされること またその 合いのことを指す。 ー ス研究において は 足・ ー ス ・ ロイ ルティー等が多く研究されており 足 が重要 されてき たことが かる。 しかし ー ス 業においては 足 が重要 されているにも関 らず 多くの 業・ では 分析してまでの考慮はなされていないのが現状である。原因としては 中 業・ にとって 自社での 調査・分析は であること コストがかかることが られる。の 足 調査 ステ として 業 が しているSES(Service Evaluation System)が ら
れる。SES では中 業を対象に 調査の を受けアンケート項目を し データを基にクロス による の属性データ毎の評価 足 ） 足 と ー ス の相関分析等を行っている。これらの分 析により 足 の低い ター ット の 新 の のための情報 等を 者に対して ィードバックしている。しかし 調査の集計・分析には 2~3 間かかる。また 行動や ・要望等 に基づく 合的な のタイプ毎の分析は行っていない。 研究の目的 本研究では ー ス業 における ー ス 果を タイプ別に分析する ステ の を行う。
行研究 Tsubaki and Oya(2011)によって 発された学生タイプ別学 果分析 ステ を ー ス全
で分析できるよう することにより 容 に 用でき 高 な 計知識・高価な トウ アを要 しな い「 タイプ別 ー ス 果分析 ステ 」の を行う。また ー スに関するアンケートでは が けられないため の 機能を し ー ス調査で多く用いられるカテ リ に関する分析 機能も する。 タイプ別 ー ス 果分析 ステ の タイプ別 ー ス 果分析 ステ について 「 タイプ別 ー ス 果分析 ステ 」では 高 な 計学の知識がない でも いこなせるように
ステ を構築し でも える一 的な PC・ トウ ア R RExcel Microsoft Excel）で分析を
行うことにより 中 業・ でも容 に タイプ別の ー ス 果の分析ができることを目的と する。 ステ の分析の流れ データ構造の が ・ ー スを評価したアンケートを集計・分析する。まず ステ にデータを り データの を する。 したデータに基づき 属性データ 性別・年 など）を グラ 的 用 など）を ストグラ で集計することにより データの構造を する。属性デー タは グラ で すことにより ー スを 用した の ・ 合を明確に し 的 は スト グラ で すことにより 分 の中心 ・バラ キ・ 別による いをつか ことができる。
ー ス 用構造の 足 アンケートによって得られた 的 を分析することによって 同 の相関 因 子を くことができる。主因子法による因子分析を行うことにより データに 通因子を り出す ことができ 純な集計では が きにくい の要 を見出すことができる。 分 因子分析によって得られた因子得 を基にクラスター分析を行うことにより のタイプ分けをす る。 ー ス 用構造によるクラスタリングで分 することにより 多くの ・因子の特 を考慮し た のタイプ分けができる。 目的 との関 分析 構造方 デリングにより ・因子と目的 足 ）との関 を分析する。どの因子・ 明 が目的 に大きく影響しているかを明確にすることにより ー スの を見出すこと ができるようにする。 ー ス 果分析 によって見出された目的 との関 が大きい 明 において 件 き確 分 を めること により タイプ別 ー ス 果を する。性別・年 などのカテ リカルな属性データにおける ー ス 果の も分析する。また クラスター分析によって分 された の特 を するこ とにより タイプによる ー ス アプローチ方法を見出すことができる。 1 タイプ別 ー ス 果分析 ステ の流れ について 3.1 社会・ ーケティング調査における の い 足 調査を 社会・ ーケティング調査においては は ず出現する 題である。 のあるデータを する方法では ンプル が減り 調査対象 集 に対する分析の 性が低くなっ てしまう。また ー ス調査では カテ リ も 対象者の属性が年 ・ 住 ・ 態・職業・性 別などにより多種多様であり においての も重要になってくる。 3.2 本 ステ における の 方法の そこで本研究では タイプ別 ー ス 果分析 ステ で行う の 方法の を行った。そ の結果 ー を用い 多重代 法を 用し の を行う方法を 用することとした。 3.2.1 ー ー とは データにおいて 件毎に をつくり 「0」,「1」の 2 を持つ クトル に き えた である。 の特性を持つため 的 として うことができる。 3.2.2 多重代 法 多重代 法とは 異なる を代 した の 全データを し それに基づき分析・ 合する手法であ る。 の には 確かさが まれるため の 定を行うことにより 定 のバイアスを少なく することができる。多重代 法は が 全にラン に生じるようなケース Missing Completely At Random）だけではなく の生じる確 が観 されたデータに することはあっても観 されなか ったデータには しないようなケース(Missing At Random)にも している。本 ステ では 他の様々 な 法と した結果 ー を用いた多重代 法を Alison(2001)の方法に基づき の を行う方法として 用することとした。 タイプ別 ー ス 果分析 ステ の特 と構築 来の 足 調査の ステ では 属性データ 性別・年 など）によるグループ分けの で 足 の いを分析している。本 ステ では 的因子に基づき のタイプ分けを行う。そして タイプ 毎の デル化を行うことにより 足 に対して影響の高い因子を抽出し 件 き確 分 を め タイプ別 ー ス 果の を する。本研究では 用分析データとして 書 ー スに対す る 意識調査データを用いている。
ー ス 用構造の 足 アンケートによって得られた 的 を分析することによって 同 の相関 因 子を くことができる。主因子法による因子分析を行うことにより データに 通因子を り出す ことができ 純な集計では が きにくい の要 を見出すことができる。 分 因子分析によって得られた因子得 を基にクラスター分析を行うことにより のタイプ分けをす る。 ー ス 用構造によるクラスタリングで分 することにより 多くの ・因子の特 を考慮し た のタイプ分けができる。 目的 との関 分析 構造方 デリングにより ・因子と目的 足 ）との関 を分析する。どの因子・ 明 が目的 に大きく影響しているかを明確にすることにより ー スの を見出すこと ができるようにする。 ー ス 果分析 によって見出された目的 との関 が大きい 明 において 件 き確 分 を めること により タイプ別 ー ス 果を する。性別・年 などのカテ リカルな属性データにおける ー ス 果の も分析する。また クラスター分析によって分 された の特 を するこ とにより タイプによる ー ス アプローチ方法を見出すことができる。 1 タイプ別 ー ス 果分析 ステ の流れ について 3.1 社会・ ーケティング調査における の い 足 調査を 社会・ ーケティング調査においては は ず出現する 題である。 のあるデータを する方法では ンプル が減り 調査対象 集 に対する分析の 性が低くなっ てしまう。また ー ス調査では カテ リ も 対象者の属性が年 ・ 住 ・ 態・職業・性 別などにより多種多様であり においての も重要になってくる。 3.2 本 ステ における の 方法の そこで本研究では タイプ別 ー ス 果分析 ステ で行う の 方法の を行った。そ の結果 ー を用い 多重代 法を 用し の を行う方法を 用することとした。 3.2.1 ー ー とは データにおいて 件毎に をつくり 「0」,「1」の 2 を持つ クトル に き えた である。 の特性を持つため 的 として うことができる。 3.2.2 多重代 法 多重代 法とは 異なる を代 した の 全データを し それに基づき分析・ 合する手法であ る。 の には 確かさが まれるため の 定を行うことにより 定 のバイアスを少なく することができる。多重代 法は が 全にラン に生じるようなケース Missing Completely At Random）だけではなく の生じる確 が観 されたデータに することはあっても観 されなか ったデータには しないようなケース(Missing At Random)にも している。本 ステ では 他の様々 な 法と した結果 ー を用いた多重代 法を Alison(2001)の方法に基づき の を行う方法として 用することとした。 タイプ別 ー ス 果分析 ステ の特 と構築 来の 足 調査の ステ では 属性データ 性別・年 など）によるグループ分けの で 足 の いを分析している。本 ステ では 的因子に基づき のタイプ分けを行う。そして タイプ 毎の デル化を行うことにより 足 に対して影響の高い因子を抽出し 件 き確 分 を め タイプ別 ー ス 果の を する。本研究では 用分析データとして 書 ー スに対す る 意識調査データを用いている。 2 全 の構造方 デリング 4.1 因子の抽出(因子分析) 1 に因子分析の結果を す。 因子における因子 負荷 が0.5 上の を参 しながら因子を し 因子を「 書 に対する り についての要望 と行 ・ ・ 機関との連 に対する関心」 2 因子を「 書 と ー スの 用 」 3 因子を「 機関 大学を く）との連 に対する関心」 4 因 子を「年 と 住年 」とした。 4.2 のタイプ分け(クラスタリング) 2 ( グループの プロット)よりグループ毎 の特 を考察する。グループ1 は因子 1 3 が 0.38 0.43 0.56 と高い因子得 を っており 4 因子は -0.41 と低い を っている。そして グループ 2 はす ての因子において低い を っており グループ 3 では 2 因子が-0.26 と低く 因子が0.73 と高い 因子得 を っている。 これらのことから タイプ(グループ)1 は「 書 に 対する要望・関心 用 が高く 年 が いタイ プ」 タイプ(グループ)2 は「 書 に対する要望・関 心・ 用 が低く 年 が いタイプ」 タイプ(グ ループ)3 は「年 ・ 住年 が高く 書 の 用 が低いタイプ」ということが かる。 2 クラスター分析 の グループの因子得 プロット 4.3 デル化(構造方 デリング) 構造方 デリング(全 )について 2 より 合 はGFI 0.848 AGFI 0.781 であった。目的 足 において 2 因子が 0.706 と 足 の パス が大きく 因子の中で 用 本） 0.750） し出し 0.724） 0.647） 0.766）のパス が大きいため これらの が 足 に影響を与えていると考えられる。目的 においては 1 因子が 0.559 と のパ ス が大きく 因子の中で行 0.667） 大学 0.664） 機関 0.734） 0.711）のパス が大きいため これらの の が を 高く持っている の特 と考えられる。 第1因子 第2因子 第3因子 第4因子 イン ーネ ト 0.505 0.116 0.0972 0.344 コン 0.574 0.0266 0.0542 0.025 情報 0.603 0.144 0.108 0.0784 コミュ 0.666 0.134 0.0274 0.0751 ランテ 0.635 0.0966 0.0424 0.00484 の 0.546 0.15 0.0348 0.238 0.63 0.131 0.0636 0.0841 大 0.507 0.035 0.333 0.0354 0.551 0.0844 0.278 0.15 0.61 0.0774 0.131 0.111 0.51 0.133 0.154 0.0229 利 （ ） 0.0481 0.614 0.0384 0.02 し出し 0.138 0.719 0.0855 0.0366 0.132 0.721 0.0299 0.00582 0.0457 0.717 0.0403 0.0412 調べ物1 0.135 0.574 1.2 05 0.0419 調べ物2 0.0063 0.52 0.0827 0.145 ー ージ 0.0288 0.53 0.0823 0.237 0.38 0.021 0.709 0.0685 0.294 0.00347 0.806 0.0933 0.303 0.00726 0.748 0.109 0.359 0.0116 0.539 0.0821 0.0638 0.124 0.161 0.748 数 0.0312 0.123 0.0874 0.503 - 1. 2 - 1 - 0. 8 - 0. 6 - 0. 4 - 0. 2 0 0. 2 0. 4 0. 6 0. 8 1 第1因子 第2因子 第3 因子 第4因子 ループ1 ループ2 ループ3 1 書 データにおける因子分析 因子から 的 数 の ス 数 第1因子 第2因子 第3因子 第4因子 度 0.106 0.706 0.032 0.001 度 0.559 0.19 0.087 0.001 因子から 数 の ス 数 利 0.75 し出し 0.724 0.647 0.766 調べ物1 0.595 調べ物2 0.472 調べ物3 イベント ン ークル イベント2 ー ージ 0.516 イン ーネ ト コン 個人情報 情報 0.483 コミュ 0.573 ランテ 0.525 の 間 0.667 大 0.664 0.858 0.974 0.9 0.763 0.734 0.711 0.567 イメージ 6.88 数 0.06 GFI: 0.848 AGFI: 0.781
件 き確 分 カテ リ を めな い 構造方 デリングによって抽出された 足 に影響が大きい についての 件 き確 分 を 3 に す。 3 より 書 に対する関 心・要望があり 用 が高く 機関との連 に対する関心が高く 年 が いタイプ グルー プ ）の 他のタイプと を 用してい ない で 足 が低い の 合が少ないことが か る。他のタイプにおいては資料の ー スをよ く 用している 書 用者 ど 足 が高くなっ ていることが かる。 5 件 き確 分 カテ リ を める カテ リ を 件としたときの 足 の 件 き確 分 を に す。よく 本や のある 情報のジャンルにかか らず 用者は 足 が高 い 足 5） 向があるが ・ ・ス ー に のある の中に 書 を 用していない の 合が少し多いことが かる。 4.6 件 き確 分 属性データを める 5 より 年 が低いタイプ 1 2 では それぞれ 足 足 0 が最も 合が多く さらに による が見られないことが かる しかし 年 が高く 用 の低いタイプ 3 では 性が5 性 が3 と 足 の最 出 に があることが かる 高年 の 性は 足 3 通）と える 向があ ることが かる また タイプ 1 において 足 あるいは 5 を した は 性 2 ） 性 7 9 ） タイプ 2 は 性 37 ） 性27 1 タ イプ3 は 性 53 ） 性 ）と タイプ 2 3 では 性の方が多いのに対し 書 の 用 関心 が高いタイプ 1 では 性の方が 足 を高く す 向があることが かる まとめ
本研究では Tsubaki and Oya(2011)によって 発された学生タイプ別学 果分析 ステ を ー ス業全 のデータを分析できるように 特に とカテ リ に関する を行い ステ の を行い タイプ別 ー ス 果分析 ステ として した。さらに 用 として 書 足 アンケート調査データを分析することにより ステ の 用性を した。本 ステ に より 来の 足 調査 ステ にはない の行動や による タイプ別に基づき タイプ毎の ー ス 果を し に対してきめ やかな分析をすることが可能となった。 参考文献 [1] , , , l l o o l o g l , o g o o o o o l 2011 , 11 2011 [2] Stauss,B. Engelmann.K., Kremer,A. and Luhn,A. ( 雄,日高一 , 田秀行 ), ー ス・
イエンスの展 その基 ,課題から 来展望まで, 生 性出 , (2009)
[3] Alison, P.D, Missing Data (Quantitative Applications in the Social Sciences), Sage Publications, Inc, (2001) ジ ンルの 0 1 2 3 4 5 0.219 0.00781 0.0625 0.195 0.227 0.289 0.201 0.00746 0.0448 0.142 0.306 0.299 文 0.162 0.0036 0.0396 0.219 0.295 0.281 0.176 0.00289 0.026 0.24 0.309 0.246 くらし 0.136 0 0.0485 0.184 0.311 0.32 ス ー 0.269 0 0.0252 0.193 0.227 0.286 0.175 0 0.0292 0.251 0.322 0.222 エン ーテイメント 0.164 0.00714 0.0357 0.236 0.314 0.243 強 0.0879 0.011 0.022 0.253 0.308 0.319 の 0.0952 0 0 0.238 0.333 0.333 になし 0.6 0 0.1 0.15 0.05 0.1 度 度 0 1 2 3 4 5 ループ１ 1 0.194 0 0.0556 0.25 0.306 0.194 2 0 0 0 0.393 0.393 0.214 3 0 0 0.0192 0.231 0.519 0.231 4 0 0 0 0.0789 0.342 0.579 5 0 0 0.0667 0.0667 0.533 0.333 ループ２ 1 0.418 0.0253 0.0759 0.203 0.203 0.0759 2 0.25 0 0.0833 0.5 0.0833 0.0833 3 0 0 0 0.167 0.667 0.167 4 0 0 0 0 0 1 5 0 0 0.5 0 0 0.5 ループ３ 1 0.366 0 0.00763 0.267 0.153 0.206 2 0.162 0 0 0.297 0.216 0.324 3 0 0 0 0.242 0.455 0.303 4 0.0909 0 0.0909 0.0909 0.182 0.545 5 0 0 0 0.143 0.143 0.714 3 タイプ毎の 件 き確 分 ・ 足 カテ リ 本のジャンルの を 件としたときの 足 の 件 き確 分 度 性 0 1 2 3 4 5 ループ1 性 0.106 0 0.0495 0.218 0.376 0.248 性 0.0714 0 0.0214 0.229 0.386 0.293 ループ2 性 0.352 0.0185 0.0926 0.167 0.222 0.148 性 0.354 0.0208 0.0625 0.292 0.188 0.0833 ループ3 性 0.262 0 0.00971 0.194 0.194 0.34 性 0.241 0 0.00862 0.31 0.224 0.216 5 カテ リ を 件としたときの 足 の 件 き確 分
