マーケティングに活用できる分析手法のひとつ、回帰分析についてご紹介します。
こちらの記事は前編です。
＊後編はこちら↓
回帰分析とは
相関関係や因果関係があると思われる要因・要素（説明変数）のうち、 ある目標・成果（目的変数）の未来を予測するための予測式（回帰直線）を求める統計学上のデータ分析の手法です。
一つの要因（説明変数）で予測する手法を「単回帰分析」と言います。また複数の要因のうちどの変数がどのくらい結果（目的変数）を左右しているのか数値化し、 それを元にして将来の予測を行う手法を「重回帰分析」と言います。
回帰分析を活用することで、目標（売上/CVなど）の予測や、要因（SNS広告、SEO、メルマガなどの施策）のうち、 どれがどのくらい貢献しているのかといった分析が可能となります。
相関関係と因果関係
混乱しやすい「相関関係」と「因果関係」を理解しましょう。回帰分析では相関関係はわかりますが、正しく因果関係を把握するためには注意が必要です。
相関関係とは双方向に影響し合うもので、
「いずれか一方が伸びると⇔もう一方も伸びる」ことを指します。
因果関係とは 原因と結果が明確にあるもので、
「ある要素が伸びると⇒もう一方が伸びる」ことを指します。
上記のようにNPS（ネットプロモータースコア）調査で「NPS（企業・ブランド等への愛着や信頼の度合い）が高い人」と「来店頻度が高い人」は相関関係があると分かったとします。
この結果から「来店頻度が高まる」⇒「NPSが上がる」と理解して再来を促すスタンプカードを作る施策を実行しましたが、なかなかNPSが上がりません。
なぜなら正しくは「NPSが高い人」⇒「来店頻度が高い人」だった･･･ということもあり得ます（来店頻度が増えると愛着が湧くのではなく、愛着があるから来店頻度が高かった）。
相関関係に因果関係があることが確実でも、原因と結果の向きの考え方によって施策に影響を与える可能性があります。
因果関係を正しく把握するためには、以下のような事に留意して分析しましょう。
原因と結果（因果）の流れ
購入数が上がると売上が伸びる、バーゲンを実施すると顧客数が伸びるなど、原因と結果の関係が明確なものも因果関係を表してくれません。因果の流れはどちらの矢印なのか留意しましょう。
原因と結果に影響を及ぼす他の要素
価格を変動させた場合、購入数と売上両方に影響を及ぼしますが、価格を変数に入れずに分析してしまうと、購入数と売上の因果関係を正しく算出できないことがあります。
変数を選ぶ際には影響を及ぼす要素を洗い出してみましょう。
時系列の要素
マス広告で徐々に話題となり長期的に効果が表れる可能性のあるものなどは、同時にデータを取ってしまうと正確な効果を算出できないことがあります。
回帰分析を使うと相関関係は分かりますが、因果関係を正しく捉えるためには注意が必要です。
回帰分析の回帰式
単回帰分析：y = a ＋ bx
重回帰分析：y = a ＋ b1 ｘ 1 ＋ b2 ｘ 2 ＋ bn x n⋯
y：目標とする数値（目的変数）
x：yの要因となる数値（説明変数）
a：切片（説明変数に影響を受けない値）
b：変数（回帰係数）
上記のような複雑な回帰式も、Excelの分析ツールを使用すると簡単に計算することができます。
POINT
回帰分析を使うと、目標の予測を行ったり、どの要因がどのくらい貢献しているか確認できます。
コメント