「商品カテゴリ分析」とは、メーカーや流通の立場での商品分類ではなく、消費者がどのように商品をカテゴライズしているかを、消費者データから分析する方法です。同一カテゴリの商品は代替関係（競合）にあるので、同じ場所に陳列すべきですし、場合によっては品揃えをカットしてもよいといったものです。
クラスター分析のアイテム分析（変数分析）などで可能です。

分析に使用するデータは、商品間の類似度データです。多次元尺度法（アイテム分析）と同様のデータから分析を行います。多次元尺度法アイテム分析では、類似商品が近い位置になるようなマップとなりますが、商品カテゴリ分析（アイテム・クラスター分析）では、指定数の商品カテゴリに分類します。
クラスター分析には、デンドログラム（樹形図）が出力される階層的クラスター分析と、出力されない非階層クラスター分析がありますが、商品間の階層構造がわかりやすい階層的クラスター分析がお勧めです。


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）

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. 階層的クラスター分析で分析する

商品選択や使用状況データから類似度データを作成する場合の注意事項

変数分析の場合、変数間の相関係数行列を計算することで、これを変数(項目)間の類似度を表した距離データとして扱うことができます。

購入経験商品の複数回答や、各商品の使用頻度の回答（表組みSA）でも、回答データを数量として捉えることで、相関係数行列の計算は可能です。

しかし、商品選択のデータを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、必ずしも類似関係にはありません。よって、商品選択や使用頻度データから類似度を算出するには、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。
先の説明したように、アイテムクラスター分析で、「選ばれない商品」としてひとつのクラスターとする場合は、相関係数行列を採用すべきですし、商品の類似性類似性だけでクラスター化する場合は、選択データだけで類似度計算すべきです。


複数回答データから相関係数行列を作成して分析する場合の手順

(1)複数回答データを用意する 右例は、各選択肢がカンマ区切りの例です。	元データ
(2)複数回答データを１／０形式に変換 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。	1/0に変換
(3)項目（変数）の相関係数行列を計算 多次元尺度法は、距離データを扱うため、分析対象である項目（変数）の距離データ（非類似度）とする必要があります。変数間の距離をユークリッド距離としてとらえることも可能ですが、変数ごとの単位やバラツキが同じではないことが大半なため、変数間の相関係数を算出し、距離データとします。	相関係数行列を計算
(4)クラスター分析を行い、商品カテゴリ構造を出力 階層的クラスター分析で、デンドログラム（樹形図）が出力されますので、図を見ながら、クラスター数（商品カテゴリ数）を確定します。 (5)カテゴライズ結果を対象に、必要な分析を行う 性年代別の商品選択状況や、商品カテゴリ間の併買状況などを分析する。

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。

注意事項

• 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)]