競合マップとは、商品の類似性や代替性から、競合関係（商品の類似性）を直接的にマップに表現するものです。基本は、商品の類似状況を捉えたデータから分析するのですが、実際の購入場面で、代替選択または代替される可能性がある商品は類似＝競合している可能性が高いため、この商品選択データから競合関係を表すマップを直接描くことが可能です。このため、知覚イメージ上のポジションの近さから、商品の競合関係を推測する知覚マップとは異なり、より実際的な競合関係を捉えることができます。
普段買っている商品や買いたい商品の同時選択状況や、買いたいものが無かった場合の代替商品などの質問から、多次元尺度法（ＭＤＳ）のアイテム分析（変数分析）により、マップ化します。

競合マップ(例)
各商品の支持率をバブルサイズに表現した場合 複数回答型データからアイテムMDSを行うと、類似度マップをベースにして、各アイテムの選択率をサイズにしたバブルチャートと なります。購入商品であれば、商品類似度(競合関係)＋購入率を表したバブルチャートになります。

知覚マップは、商品イメージ上の違いを表現しますが、実際の商品選択にどの程度影響を与えているかは確かではありません。 知覚イメージが、商品選択に影響する度合いが高い商品(認知品質差が少なく、ブランドイメージ情報が豊富で、商品選択時間が長いまたは事前意志決定型商品（自動車や耐久消費財など)では有効ですが、商品イメージ以外の要素（機能、サイズなどの仕様、価格、購入のしやすさ等）が影響している場合や、店頭選択のウェイトが高い商品(菓子、日用雑貨など)では、有効とは言えません。「知覚＞選好択」型商品に向く方法です。
一方、競合マップは、商品などの選択結果から直接、商品関係をマップ化する方法です。このため、直接的な競合関係やブランドの独自性を表現で きます。


因子分析や主成分分析では、個々の評価項目からポジショニング軸を作成するため、評価項目を極めて慎重に設計する必要があります。これに対して、この方法では所有や選択の有無という単純な結果を分析データとして利用するため、比較的簡単に調査設計できます。しかし反面、ポジショニング軸の解釈が難しいという欠点があります。
また、所有状況からのマップ化は、クロス集計のコレスポンデンス分析でも可能ですが、コレスポンデンス分析では、使用した集計表の集計軸（性年代で集計した場合は性別や年代による特徴）がポジションを左右し、位置が近い商品は、集計結果の数値（例えば、購入者の女性比率など）の傾向が近い商品を意味しますが、ひとりの顧客が両方の商品を選択しているとは限りません。つまり直接競合関係自体を必ず反映しているとは言えません。

次へ

分析に使用するデータ

分析に用いる商品の競合度（類似度)を表現したデータを、どのようなデータ（質問）から算出するかについて、いくつかの方法が可能です。
●消費者アンケートの場合（例）

• 「普段よく買う商品」や「買いたい商品」の回答（複数回答）
• 「最近１年間に、次の商品は、買ったことがありますか。また、どの程度買いますか。」（表組みＳＡ）
• 「次にあげる商品が店頭になかった場合、どの商品を選びますか。」（１位、２位、３位、４位、５位）

●それ以外の場合

• 購買履歴データ（ひとりの人の一定期間内の購入品）

競合関係と分析に使用するデータの考え方

競合関係を捉える場合、２種類の関係を区別する必要があります。

1. 競合傾向……………質的な競合関係
2. 実際的な競合関係……………結果としての競合関係

ここで言う競合とは、二つの商品で考えた場合、顧客から見てその二つの商品が代替可能または代替される関係にあることを指しています。代替されない場合、競合していないことになります。

「競合傾向」とは、用途や機能、価値が同じ、または類似しているといった理由により、代替される可能性がある状態を意味します。知覚マップで捉えられる知覚イメージが類似しているというものも、競合傾向のひとつを表したものと言うことができます。

しかし、顧客の実際の商品選択は、こうした商品の類似性だけではありません。品質や価格に圧倒的な差がある場合や、トップブランドのように知名度に大きな差がある場合、実際に多くの店で十分扱いがあるか否かの点で差があると、多少の商品の違いを乗り越えて、売れている商品が選択されることがあります。商品商品の違いをあまり重要視しない人の場合には、その傾向は強くなります。これが、「実際的な競合関係」または「結果としての競合関係」です。つまり、販売パワーがある商品は、あまり類似していない商品の顧客まで含めて、集客することになります。

競合関係をマップにする場合、同じデータから、多次元尺度法など同じ解析手法で分析するにせよ、
でこの２種類の競合関係のどちらを捉えるのかにより、分析に使用するデータが違います。

「実際的な競合関係」を捉える場合は、顧客による商品の同時選択状況を、多次元尺度法などのデータ解析にそのまま利用します。
一方、「競合傾向」を捉えることを目的にする場合は、パワーがある商品に商品選択が集中する傾向を可能な限り除外し、本質的な競合関係を際立たせたデータを解析に使用します。
最も簡単な方法に、アソシエーション・ルールの分析の場合のリフト値があります。リフト値は、次のようにデータを加工したものです。クロス集計時のセル・マーキングに使用することもあります。

1. 一般的な商品Ｂの選択率（例えば、２０％）
2. 商品Ａを選択した人に占める、商品Ｂの選択率（例えば、２５％）……………条件付きの選択率
3. 25／20＝1.25……………共起特性（リフト値）

このように、データを加工することで、一般的な選択傾向を除外して、その商品自体の競合関係をスコアとして取り出すことができ、これを多次元尺度法などのデータ解析に使用します。


商品選択データから競合関係を捉える場合の注意事項

多次元尺度法の変数分析の場合、一般的には、変数（項目）間の相関係数行列を計算して、これを類似度を表した距離データとして扱います。

複数回答とは、アンケート特有のデータ形式です。データ処理上では、1/0形式の複数のデータを集合させたものと言い換えることができます。これを1～0までの数値と捉え、数量化して分析に望むことは、データ処理上は可能です。

しかし、商品選択のデータの場合（複数回答か表組みＳＡかに関わらず）、相関係数行列とすると、同時選択商品同士を高い相関で捉えるだけでなく、同時非選択商品同士も、高い相関と見なしてしまいます。
顧客から選択されない商品同士は、選択されない商品グループとして、ひとつにカテゴライズするのであれば、これでかまいませんが、必ずしも競合関係にはありません。よって、競合マップ化するには、選択と非選択の両極ではなく、選択のみの片側の共起性を捉える必要があります。
つまり、一般的な相関係数行列を使用するか否かには、データの尺度が両極性を持っているか否かと、片側尺度の場合は、それを認めるか否かに、注意を要するということです。


基本的な分析手順

1. 商品間の類似度データを作成する
2. 多次元尺度法で分析する

複数回答データから、実際的な競合関係をマップ化する基本手順

(1)元データを用意する 右例は、複数選択状況をカンマ区切りで表現しています。他の形式でも可能です。
(2)複数回答データを１／０形式に変換 上記のような複数回答の場合は、一旦、あり＝１、なし＝２の形式に変換します。複数回答以外のデータの場合は、そのまま(2)の計算をします。 （分析ソフトの必要に応じて）	1/0に変換
(3)変数間クロス集計 商品Ｂ／Ａ等の計算を行います。 右例は、％値です。
(3)条件付き出現率の計算 構成比（横％）を計算します。 右例は、％値です。
(4)出現率の相乗平均または最大値 出現率の場合、商品Ａの場合の商品Ｂの出現率率と商品Ｂの場合の出現率は異なります。これをひとつの距離値とするため、相乗平均または最大値（出現率が高い方）をとります。 この場合の相乗平均とは、Ａ→Ｂ率とＢ→Ａ率の積の平方根です。
(5)項目（変数）の距離行列化する 出現率を距離行列化します。 完全共起（競合）＝0.000 完全相違（非競合）＝1.000 となります。	距離行列を計算
(6)多次元尺度法で分析し、二次元マップ上の座標を算出しグラフ化。 三次元空間上の座標計算も可能ですが、分析に時間がかかる上、結果が使いづらいので、二次元にします。

結果の読み方（複数回答データから分析した場合）

• 距離が近いアイテムは、直接競合関係にあるアイテムです。（顧客が同一のためスイッチの可能性が高い）
• 原点から見て、異なる方向にある、特に対極的な方向にあるアイテムは、顧客の選択パターンが全く異なることを意味します。（直接競合しないアイテム）
• 一般的に、強いアイテム（顧客支持が大きく、他アイテム顧客と重複していないかそれを上回っている）は、マップの中心にくることは少なく、周辺部に位置します。
• 常識的なカテゴリー（商品ジャンルなど）別に見た場合、マップ上のアイテムが混在している場合は、顧客にとって購入選択に影響しないカテゴリーである度合いが高いことを意味します。いわゆる、メーカー発想や店側の分類カテゴリーであり、ユーザーにとってあまり意味のない分類であるということです。
• 同種と見られている商品でも、異なるポジションに来た場合は、その要因を詳細に分析する必要があります。顧客が異なるのですが、それそれの顧客のニーズ、商品知識、使用場面、使用方法などの違いを詳細に分析することで、顧客にとっての重要なアイテム選択条件を発見できます。

競合マップ分析の実施上の注意事項

1. 選択空間をどう質問するか
   家での夕食一品として質問する場合と、外食や、特別な日の食事として質問する場合とでは、選択基準や比較検討されるメニューは違います。
   また、人とのコミュニケーションツールとして何を好むかという質問と、ネット通信機器として質問する場合、携帯できるデジタル機器として質問する場合などでも、回答は変ります。
   シーンや目的などの質問提示の仕方に注意する必要があります。
2. 市場全体をカバーする商品を提示してデータをとること
   データをとる商品ラインアップが偏っていたり、際立った商品が小数含まれていると、結果が偏るので、市場全体をカバーするような商品をとるよう注意する必要がある。

[因子分析]
[データ貼り込み→因子分析]

[データセット→因子分析]

[評価得点計算式によるマップ化]

[ＭＤＳ]
[ＭＤＳ(距離データ入力から)]

[ＭＤＳ(距離データ入力から)]
[ＭＤＳ(距離データ入力から)]
[データ貼り込み→ＭＤＳ(サンプル分析)]
[データ貼り込み→ＭＤＳ(アイテム分析)]
[ＭＤＳ(サンプル分析)]
[ＭＤＳ(アイテム分析)]

[クラスター分析]
[クラスター分析(階層的クラスター分析)]

[クラスター分析(距離データ入力から)]
[クラスター分析(回答データ入力からサンブル分析)]
[クラスター分析(回答データ入力からアイテム分析)]
[クラスター分析(サンプル分析)]
[クラスター分析(アイテム分析)]