コンジョイント分析とは、価格・デザイン・機能といった製品の「属性」を組み合わせた選択肢を消費者に提示し、その選択結果から各属性が購買判断にどれだけ効くかを「効用値」として数値化する市場調査の手法です。「どの機能が好きですか」と直接聞くのではなく、実際の選択の中から重要度を逆算するため、消費者が口では説明しにくい優先順位まで測れる点に価値があります。この記事では、効用値が求まる仕組み、代表的な4手法の使い分け、直交表を使った進め方、ExcelやSawtoothなどの実施ツール、活用シーンと導入時の注意点までを整理します。
まとめ：コンジョイント分析の要点
- 本質：属性を組み合わせた選択肢への回答から、各属性の重要度（効用値）を統計的に逆算する手法。直接質問では拾えない「トレードオフ下の優先順位」を測る。
- 手法選択：現実の購買を再現する選択型（CBC）が現在の主流。属性数が多いなら回答負担を抑えるACA、属性が少ない比較にはフルプロファイル法、個人差まで推定するなら階層ベイズ。
- 進め方の肝：全組み合わせは膨大になるため、直交表（実験計画法）で提示カードを最小限に絞る。サンプルは一般に300人以上が目安。
- ツール：小規模はExcelの分析ツール＋直交表、本格運用はR、専用SaaSはSawtooth・Conjointly・Qualtrics。
コンジョイント分析の定義と他の調査手法との違い
コンジョイント分析は、製品を「属性」と「水準」に分解して扱います。属性は評価軸（価格・容量・ブランドなど）、水準はその具体値（価格なら5万円・7万円・10万円）です。属性と水準を組み合わせた複数の選択肢（プロファイル）を提示し、どれを選ぶかという回答から、水準ごとの効用値と属性ごとの重要度を推定します。
一般的なアンケートで「価格とカメラ性能のどちらを重視しますか」と単独で尋ねると、多くの回答者は「どちらも重要」と答えがちで、優先順位が曖昧になります。コンジョイント分析は、価格を下げれば性能も下がるといったトレードオフを含む選択肢を提示するため、回答者は現実の購買に近い妥協を迫られ、本音の重み付けが表れます。ここが単純な満足度調査や重要度の直接評価と決定的に異なる点です。同じ多変量の調査手法でも、ブランドやサービスの類似度を空間上に配置して把握する多次元尺度構成法（MDS）とは目的が異なり、コンジョイントは「属性ごとの重要度と最適な組み合わせ」を出すことに特化しています。
手法の起源は、数理心理学者ルースと統計学者テューキーが1964年に発表した「コンジョイント測定（conjoint measurement）」の理論にあります。これをマーケティングに応用したのがグリーンとラオの1971年の論文（Journal of Marketing Research）で、1970年代以降に新製品開発や価格戦略の実務へ広がりました。
効用値が求まる仕組みと計算の考え方
コンジョイント分析の出力は「部分効用値」と「属性の重要度」です。部分効用値は各水準（例：価格7万円）が選好にどれだけ寄与するかを表す数値で、ある属性内の効用値の振れ幅（最大水準と最小水準の差）が大きいほど、その属性は選択を左右する＝重要度が高いと判断します。たとえば価格の効用値の幅がカメラ性能より大きければ、その市場では価格が購買を強く動かしていることになります。
効用値の推定には統計的な回帰の考え方を使います。回答データを目的変数、各水準の有無（ダミー変数）を説明変数として当てはめ、係数として部分効用値を求めるのが基本です。選択型（CBC）ではロジットモデル、評価型では最小二乗法が用いられます。仕組みの背景を押さえたい場合は、複数の要因から結果を説明する重回帰分析や、その基礎となる回帰分析の考え方を先に理解しておくと、効用値がどう算出されるかを具体的にイメージできます。
コンジョイント分析の主な手法と使い分け
コンジョイント分析には代表的な4手法があり、属性の数・回答者の負担・求める精度で選び分けます。現在の実務では、現実の購買場面を最も忠実に再現できる選択型（CBC）が標準的です。
| 手法 | 回答形式 | 向く場面 |
|---|---|---|
| 選択型（CBC） | 複数案から1つ選ぶ | 価格設定・市場シェア予測（主流） |
| フルプロファイル法 | 全属性そろった案を順位付け | 属性が少ない製品の詳細比較 |
| ACA（適応型） | 回答に応じ質問を動的に変える | 属性が多く負担を抑えたい調査 |
| 階層ベイズ | 推定手法（他手法と併用） | 回答者個人ごとの選好を推定 |
選択型（CBC）は「AとBとどれも買わない」から選ばせる形式で、実際の店頭やECの意思決定に近く、価格弾力性や市場シェアのシミュレーションに強みがあります。フルプロファイル法は全属性を提示するため直感的ですが、属性が5つを超えると回答負担が急増します。ACAは属性が多い調査で負担を抑えられる一方、全属性を同時比較しないため精度はCBCに劣ることがあります。階層ベイズは手法というより推定エンジンで、CBCと組み合わせて回答者個人レベルの効用値まで割り出すときに使います。
コンジョイント分析の進め方（対象者選定〜効用値推定）
調査は「対象者の選定→調査票の設計→データ収集→効用値の推定→結果の解釈・展開」の順で進めます。精度を左右するのは、選択肢の作り方（調査票設計）とサンプルの質です。
対象者選定とサンプルサイズの目安
まず狙う市場セグメントに合う回答者を集めます。全体傾向を見る調査なら一般に300人以上が目安で、細かいセグメント別に効用値を見たい場合や階層ベイズで個人推定する場合はさらに多くの回答者が必要です。対象者の絞り込みには本調査前のスクリーニング調査を、必要な標本数の考え方は標本調査の基本を押さえておくと、回答の信頼性を確保しやすくなります。
直交表・実験計画法による選択肢の絞り込み
属性と水準の全組み合わせは掛け算で急増します。3属性×3水準なら27通り、これを全て提示すれば回答者は疲弊し、データの質が落ちます。そこで実験計画法の直交表を使い、各水準がバランスよく現れる最小限のカードだけを抽出します。3属性×3水準ならL9直交表で9枚に圧縮でき、少ない提示数でも各属性の主効果（効用値）を独立に推定できます（ただし属性間の交互作用までは測れません）。この「必要最小限で最大の情報を取る」設計が、コンジョイント分析の実務的な要です。
データ収集と効用値の推定
回答はオンラインパネルでの収集が主流です。回収後は不完全回答や、常に同じ選択肢だけを選ぶような無効回答を除外し、残ったデータに回帰・ロジットモデルを当てはめて効用値を推定します。得られた効用値をもとに、実際には調査していない属性の組み合わせについても市場での受容度をシミュレーションできます。
コンジョイント分析を実施できるツール・ソフトウェア
「どのツールで実施するか」は調査規模と社内の統計リソースで決まります。手法の複雑さ（特にCBCや階層ベイズ）が上がるほど、専用ソフトの支援価値が大きくなります。
| 手段 | 代表例 | 向く規模 |
|---|---|---|
| 表計算 | Excel（分析ツール＋直交表） | 属性が少ない試験的分析 |
| 統計ソフト | R（support.CEs 等）／SPSS | 自社で本格運用 |
| 専用SaaS | Sawtooth／Conjointly／Qualtrics | CBC・大規模・市場予測 |
| 調査会社委託 | 大手リサーチ会社 | 設計・パネルごと外注 |
Excelは分析ツールで直交表の割付から重回帰までこなせますが、選択型（CBC）の設計・集計には手作業が多く、属性が増えると現実的ではありません。Rは無料で自由度が高く、CBCや階層ベイズの専用パッケージも揃うため、社内に統計担当がいるなら本命です。専用SaaSでは、学術研究でも広く使われるSawtooth Softwareが設計から市場シミュレーターまで一貫し、Conjointlyはテンプレートが豊富で扱いやすく、Qualtricsは既存の顧客体験基盤に組み込めます。結論として、単発の小規模検証はExcel、継続運用はR、価格戦略や市場シェア予測まで踏み込むならSawtoothなどの専用SaaSが現実的な選び方です。ライセンス費用や機能は改定が頻繁なため、導入前に各社公式で最新条件を確認してください。
適した意思決定と導入時の落とし穴
コンジョイント分析が最も効くのは、複数の要素がトレードオフになる意思決定です。価格設定（いくらまで値上げすると需要が離れるか）、新製品開発（どの機能を優先搭載するか）、パッケージや料金プランの設計などで、勘に頼らずデータで優先順位を決められます。効用値をもとに、競合が価格を下げた場合の自社シェアの変化までシミュレーションできる点が、単純なアンケートにはない強みです。
使うべきでない場面と失敗パターン
一方で、コンジョイント分析を持ち出すべきでない場面もあります。属性に落とし込めない情緒的価値（ブランドへの愛着や世界観）が購買の主因となる商品では、効用値がその魅力を取りこぼします。また、回答者は調査の中では合理的に選びがちで、実際の購買では衝動買いや店頭の雰囲気に流されるため、効用値と実売はしばしばずれます。よくある失敗は、属性を欲張って10個以上詰め込み、直交表を使っても回答者が判断を放棄してしまうケースです。属性は購買を分ける主要因に絞り込み、結果は実際の販売データと突き合わせて検証する運用を前提にすべきです。
よくある質問
コンジョイント分析とアンケート調査は何が違いますか？
通常のアンケートが「何を重視するか」を直接尋ねるのに対し、コンジョイント分析はトレードオフを含む選択肢を選ばせ、その結果から重要度を逆算します。回答者が意識していない優先順位まで測れる点が違いです。
コンジョイント分析はExcelでもできますか？
属性が少なく評価型（フルプロファイル法）であれば、Excelの分析ツールで直交表の割付と重回帰による効用値算出まで可能です。ただし選択型（CBC）や階層ベイズには専用ソフトのほうが適しています。
必要なサンプル数はどれくらいですか？
全体傾向の把握なら300人以上が一つの目安です。セグメント別に効用値を見たい場合や個人ごとの推定を行う場合は、より多くの回答者が必要になります。
直交表とは何ですか？
各水準がバランスよく現れるよう組み合わせを設計した表で、全組み合わせを提示せずに済ませるための実験計画法の道具です。3属性×3水準ならL9直交表で9枚に絞り込めます。
効用値はどう解釈すればよいですか？
各水準の部分効用値が高いほど選好への寄与が大きく、属性内の効用値の幅が広い属性ほど購買判断を左右する重要な属性と読み取ります。
