マーケティング手法のひとつ「統計分析」とは何なのか？

データ分析

2018.09.04

企業がマーケティングを行う際、ビッグデータ（統計）の分析・解析をスムーズに行うために、ソフトウェアの導入を検討することがあります。では、統計を解析するとはどのようなことなのでしょうか？　そこで今回は、今やWEBマーケティングにおいては必須ともいわれる統計分析について、その手法も含めて紹介していきます。

統計解析とは？

統計解析とは、簡略的にいうと「統計学の理論に基づき、データを分析すること」です。この分析には、「教師あり学習」と「教師なし学習」と呼ばれるものがあり、これらを総合して統計解析と呼んでいます。

現代では、いわゆる四大マスメディア（テレビ・ラジオ・新聞・雑誌）だけではなく、インターネットでの広告宣伝も主体になっています。そのため、これまでのような勘や経験といった類のものではなく、ビッグデータに基づいた裏付けのある施策が求められるようになってきました。

そのようなインターネットの世界の統計解析のうち、現在取得しているデータから将来的に起こりうるであろうデータを予測することを「教師あり学習」と呼びます。例を挙げると、ユーザーがアプリをアンインストールしてしまったとして、このユーザーがアンインストールに至ったパターンを「教師」として、未来のユーザーがどのような利用方法をたどってアプリをアンインストールしてしまうのかを予測するというものです。

逆に、「教師なし学習」は“データの特徴”を理解することに重点が置かれていて、あるユーザーの過去の購買履歴からその好みを何種類かのグループに分類し、グループ別のマーケティング施策を行うような場合に使用されます。

主な統計解析方法

それでは、具体的にはどのような統計解析方法があるのでしょうか？

回帰分析

売上高・ユーザー数といった数値の予測に利用されるのが、「教師あり学習」のひとつである回帰分析です。例えば、売上高は「客数×客単価」で求められるので、単価の高い（企業側にとって）優良なユーザー数と単価の低い（同じく企業側にとって）ライトな利用をするユーザー数を分析し、売上高を予測するような活用方法があります。

サポートベクターマシン

数値を予測する「教師あり学習」である回帰分析に対し、カテゴリーを予測する「教師あり学習」がサポートベクターマシンです。例えば、直近のWEBやアプリの利用頻度やECサイトの購買額などを分析して、カテゴリーの分類基準を見出します。その精度が高くなると、未来のユーザーの行動が予測しやすくなります。

クラスタリング

過去のデータに基づき新たなデータを分類しようとするのがサポートベクターマシンでしたが、似た者同士をまとめていきカテゴリー分類を目指す「教師なし学習」がクラスタリングという手法です。例えば、あるサイトの閲覧履歴の分析により、意外な傾向を示しているカテゴリー分類ができると、新たなユーザー像を発見できるというものです。

主成分分析

似た者同士をまとめるのがクラスタリングの手法でしたが、その似た者同士が膨大な数になってしまうと、カテゴリー分類が複雑化してしまいます。この複雑化を防ぐのが主成分分析という手法で、多くの変数を少ない変数に集約することで、データの可視化を簡略化します。

バスケット分析

最後に紹介するのは、WEBマーケティングにおけるレコメンドシステム（商品推薦システム）で利用されるバスケット分析です。この分析では、「Aという条件があるときに、Bという事象が起こる確率」を計算し、ある一定の規則性・関連性を見出し、ユーザーの行動パターンの分析に利用します。

国も統計解析を公開している

実は、日本では国家戦略レベルでこの統計分析を推奨しています。2017年5月12日に、総務省が公開した「統計ダッシュボード」では、各官公庁が作成した統計をグラフ化し、誰もが閲覧できるようになっています。およそ5000というデータを基にした55のグラフを軸にして、国内のデータを絞り込んで取得できるというもので、地方自治体や教育現場はもちろん、民間企業の積極的な利用も想定していることから無料でビジネスに活用できるようになっています。