分析方法や分析ツールについて解説
定量分析は各数値の相関関係は分かっても、数値の因果関係や数値の背景にあるユーザーの行動、ユーザーの価値観を探ることには向いていません。
3.定性調査の代表的な4つの手法
Webサイトにおいては、Google Analyticsを入れることで自動的に量的データが取得されます。しかし、Webサイト改善に向けた定性分析を行うためには分析者自ら調査することが必要です。
- デスクリサーチ
- Webアンケート（自由記述）
- デプスインタビュー / グループインタビュー
- ユーザビリティテスト
デスクリサーチ｜コストがほとんどかからず手軽
デスクリサーチとは、インターネット上やSNS、書籍などにすでにある調査結果や情報にアクセスし、そこからデータを収集する方法です。定性データに限らず、定量データも含めて広く入手できます。
定性調査を行うときには、まずはデスクリサーチを行い、不足している情報や視点を得るために他の調査を追加で行うと効果的です。
Webアンケート（自由記述）｜手軽に使えるが深掘りしにくい
デプスインタビュー / グループインタビュー｜潜在ニーズの深掘りが可能
インタビューは調査対象者の人数によって、「デプスインタビュー」と「グループインタビュー」に分けられます。
デプスインタビューは、テーマを選ばずに1対1でじっくりと対象者の価値観や背景を深堀りできることが特徴です。グループインタビューでは広くさまざまな意見を一度に収集できることや、対象者同士の会話が弾むことで「そうそう、そういえば私もそう感じていた！」というようにインサイトを見つけ出せることもあります。
どちらのインタビューも、対象者と双方向にやり取りでき、知りたいことを直接質問してユーザーの潜在的なニーズを探れるという点がメリットです。少人数を対象にクローズドな空間で行われるため、Webサイトの公開・非公開や商品・サービスの機密性に関わらず使えます。
ユーザビリティテスト｜UI改善をしたい方に
ユーザビリティテストでは実際にWebサイトを利用してもらった上で使いにくさや分かりにくさについてデータ収集できるので、Webサイトの操作面の改善や商材・サービスの理解を深めるために有益です。改善施策を行った後にも同じ調査を繰り返すことで、検証も可能となります。
分析方法や分析ツールについて解説
定量分析は各数値の相関関係は分かっても、数値の因果関係や数値の背景にあるユーザーの行動、ユーザーの価値観を探ることには向いていません。
3.定性調査の代表的な4つの手法
Webサイトにおいては、Google 分析方法や分析ツールについて解説 Analyticsを入れることで自動的に量的データが取得されます。しかし、Webサイト改善に向けた定性分析を行うためには分析者自ら調査することが必要です。
- デスクリサーチ
- Webアンケート（自由記述）
- デプスインタビュー / 分析方法や分析ツールについて解説 グループインタビュー
- ユーザビリティテスト
デスクリサーチ｜コストがほとんどかからず手軽
デスクリサーチとは、インターネット上やSNS、書籍などにすでにある調査結果や情報にアクセスし、そこからデータを収集する方法です。定性データに限らず、定量データも含めて広く入手できます。
定性調査を行うときには、まずはデスクリサーチを行い、不足している情報や視点を得るために他の調査を追加で行うと効果的です。
Webアンケート（自由記述）｜手軽に使えるが深掘りしにくい
デプスインタビュー / グループインタビュー｜潜在ニーズの深掘りが可能
インタビューは調査対象者の人数によって、「デプスインタビュー」と「グループインタビュー」に分けられます。
デプスインタビューは、テーマを選ばずに1対1でじっくりと対象者の価値観や背景を深堀りできることが特徴です。グループインタビューでは広くさまざまな意見を一度に収集できることや、対象者同士の会話が弾むことで「そうそう、そういえば私もそう感じていた！」というようにインサイトを見つけ出せることもあります。
どちらのインタビューも、対象者と双方向にやり取りでき、知りたいことを直接質問してユーザーの潜在的なニーズを探れるという点がメリットです。少人数を対象にクローズドな空間で行われるため、Webサイトの公開・非公開や商品・サービスの機密性に関わらず使えます。
ユーザビリティテスト｜UI改善をしたい方に
ユーザビリティテストでは実際にWebサイトを利用してもらった上で使いにくさや分かりにくさについてデータ収集できるので、Webサイトの操作面の改善や商材・サービスの理解を深めるために有益です。改善施策を行った後にも同じ調査を繰り返すことで、検証も可能となります。
初心者もすぐに使える！エクセルの「分析ツール」機能で始めるデータ分析入門
夏にホットコーヒーを飲む人はあまり見かけませんが、冬場でもアイスコーヒーはちらほら見かけます。もし気温が下がっても売上が落ちないのであれば、ある程度アイスコーヒーは用意しておかなければなりません。
相関とは
2つのデータAとBに関して、Aが増えたときにBも増える傾向にあれば「 正の相関 」、反対にAが増えたときにBは減少する傾向にあることを「 負の相関 」があるといいます。各データの動き方の共通性を見たいときに用いる手法です。
分析を行う
相関係数は、1に近いほど「正の相関」がある、－1に近いほど「負の相関」がある、0に近いほど「相関関係がない」と読み解きます。
分析結果の解釈
ケース⑤：t検定で2つの商品の売上に差があるのかを調べる
使用する手法：F検定、t検定（分散が等しくないと仮定した2標本による検定） 分析方法や分析ツールについて解説
2つの対象に関してそれぞれの平均値に「偶然とは言えない差」があるのかどうかを調べる のに、t検定を用います。
そこで、t検定を用いて「Aのほうが売上平均が高い！」かどうかを確かめます。 またこのt検定を行う前段階としてF検定というものも行われます。
t検定とは
t検定は「母平均に対する検定」と呼ばれます。「今年の桃は例年より重いか」、「AとBのクラスで数学の平均点数に差はあるのか」など、平均値の差に関する問いに答えてくれる手法です。
F検定とは
F検定は、比較するデータ間のばらつき（＝分散）が等しいかどうかを検定する手法です。このF検定の結果次第でt検定で用いる手法が変わります。
分析を行う
また、α（ A ）は分散が等しいかどうか判定するための閾値になります。通例0.05や0.001が選択されることが多いです。出力のP値がこのα（ A）を下回れば2つのデータの分散は等しいとされ、反対にP値がα（A）を上回れば2つのデータの分散は等しくないと結論付けます。
出力結果を見ると、P値は0.215(>0.05)となっています。このことから、コーヒーAとコーヒーBの売上のばらつき（＝分散）は等しくないことが分かります。
そのため、 今回は「分散が等しくないと仮定した2標本による検定」用いて平均の差の検定を行います。
t検定を行う
そしてこの値が設定したα（ A ）よりも小さければ、2つの平均に差があるといえます。
分析結果の解釈
ケース⑥：分散分析で複数商品の各売上に差があるのかを調べる
使用する手法：分散分析（一元配置）
しかしt検定では一回に2種類までしか見ることができないため、3種類すべてを見るにはt検定を3回行わなければなりません。これでは面倒ですね。
このように、 3種類以上のデータに対してその平均に差があるかを確かめるときは、分散分析を用います。
分散分析（一元配置）
分析を行う
また今回もα（ A ）は0.05に設定しています。
今回の出力で注目するのは「P値」です。この値が先ほど設定したα（ A ）より小さければ、3種類の商品の売上平均に差があるということができます。
分析結果の解釈
ケース⑦：分散分析で曜日と商品に関係性が”あるのかどうか”を調べる
使用する手法：分散分析（繰り返しのない2元配置）
商品や曜日などの 2要因に関して関係性があるのかどうかを見たいとき、二元配置の分散分析を用いることができます。
二元配置の分散分析とは
分析を行う
クロス集計表全体を「入力範囲」に指定して、必要個所に記入し「OK」を選択します。今回もα（ A ）は0.05としています。
今回の出力先でも注目すべきは「P値」です。行（曜日）と列（商品）についてそれぞれこの「P値」が先ほど設定したα（ A ）より小さければ、その要因によって売上平均に差が出ていると言うことができます。
分析結果の解釈
ケース⑧：回帰分析で売上に最も影響を与えている施策は何かを探る
使用する手法：回帰分析
「どの要因が売上に結び付いているのか」を推定する手法の一つに、回帰分析というものがあります。
回帰分析とは
回帰分析は、「他方のデータを用いて、一方のデータを予測する数式を推定する」分析です。 例えば家賃を予測したいときに回帰分析を行うことで、家賃以外の情報を利用して家賃を予測する事ができます。この時、下のような回帰式が算出されます。
分析を行う
分析結果の解釈
5. 「分析ツール」機能にない分析手法は、他ツールを使うべし
このような分析を行いたい場合、可能ならばプログラミング言語やBIツールといった他のツールの使用を検討することをお勧めします。例えば、無償であればRやPython、有償であればSPSSやSASというツールが代表的です。
以下の画像はSAS Ondemand for Academicsという統計解析ソフトウェアの操作画面です。各種設定をクリックするだけで高度な統計解析を行うことができます。
6. まとめ
データのことなら、高い技術力とビジネス理解を融合させる私たちにご相談ください。
初心者もすぐに使える！エクセルの「分析ツール」機能で始めるデータ分析入門
夏にホットコーヒーを飲む人はあまり見かけませんが、冬場でもアイスコーヒーはちらほら見かけます。もし気温が下がっても売上が落ちないのであれば、ある程度アイスコーヒーは用意しておかなければなりません。
相関とは
2つのデータAとBに関して、Aが増えたときにBも増える傾向にあれば「 正の相関 」、反対にAが増えたときにBは減少する傾向にあることを「 負の相関 」があるといいます。各データの動き方の共通性を見たいときに用いる手法です。
分析を行う
相関係数は、1に近いほど「正の相関」がある、－1に近いほど「負の相関」がある、0に近いほど「相関関係がない」と読み解きます。
分析結果の解釈
ケース⑤：t検定で2つの商品の売上に差があるのかを調べる 分析方法や分析ツールについて解説
使用する手法：F検定、t検定（分散が等しくないと仮定した2標本による検定）
2つの対象に関してそれぞれの平均値に「偶然とは言えない差」があるのかどうかを調べる のに、t検定を用います。
そこで、t検定を用いて「Aのほうが売上平均が高い！」かどうかを確かめます。 またこのt検定を行う前段階としてF検定というものも行われます。
t検定とは
t検定は「母平均に対する検定」と呼ばれます。「今年の桃は例年より重いか」、「AとBのクラスで数学の平均点数に差はあるのか」など、平均値の差に関する問いに答えてくれる手法です。
F検定とは
F検定は、比較するデータ間のばらつき（＝分散）が等しいかどうかを検定する手法です。このF検定の結果次第でt検定で用いる手法が変わります。
分析を行う
また、α（ A ）は分散が等しいかどうか判定するための閾値になります。通例0.05や0.001が選択されることが多いです。出力のP値がこのα（ A）を下回れば2つのデータの分散は等しいとされ、反対にP値がα（A）を上回れば2つのデータの分散は等しくないと結論付けます。
出力結果を見ると、P値は0.215(>0.05)となっています。このことから、コーヒーAとコーヒーBの売上のばらつき（＝分散）は等しくないことが分かります。
そのため、 今回は「分散が等しくないと仮定した2標本による検定」用いて平均の差の検定を行います。
t検定を行う
そしてこの値が設定したα（ A ）よりも小さければ、2つの平均に差があるといえます。
分析結果の解釈
ケース⑥：分散分析で複数商品の各売上に差があるのかを調べる
使用する手法：分散分析（一元配置）
しかしt検定では一回に2種類までしか見ることができないため、3種類すべてを見るにはt検定を3回行わなければなりません。これでは面倒ですね。
このように、 3種類以上のデータに対してその平均に差があるかを確かめるときは、分散分析を用います。
分散分析（一元配置）
分析を行う
また今回もα（ A ）は0.05に設定しています。
今回の出力で注目するのは「P値」です。この値が先ほど設定したα（ A ）より小さければ、3種類の商品の売上平均に差があるということができます。
分析結果の解釈
ケース⑦：分散分析で曜日と商品に関係性が”あるのかどうか”を調べる
使用する手法：分散分析（繰り返しのない2元配置）
商品や曜日などの 2要因に関して関係性があるのかどうかを見たいとき、二元配置の分散分析を用いることができます。
二元配置の分散分析とは
分析を行う
クロス集計表全体を「入力範囲」に指定して、必要個所に記入し「OK」を選択します。今回もα（ A ）は0.05としています。
今回の出力先でも注目すべきは「P値」です。行（曜日）と列（商品）についてそれぞれこの「P値」が先ほど設定したα（ A ）より小さければ、その要因によって売上平均に差が出ていると言うことができます。
分析結果の解釈
ケース⑧：回帰分析で売上に最も影響を与えている施策は何かを探る
使用する手法：回帰分析
「どの要因が売上に結び付いているのか」を推定する手法の一つに、回帰分析というものがあります。
回帰分析とは
回帰分析は、「他方のデータを用いて、一方のデータを予測する数式を推定する」分析です。 例えば家賃を予測したいときに回帰分析を行うことで、家賃以外の情報を利用して家賃を予測する事ができます。この時、下のような回帰式が算出されます。
分析を行う
分析結果の解釈
5. 「分析ツール」機能にない分析手法は、他ツールを使うべし
このような分析を行いたい場合、可能ならばプログラミング言語やBIツールといった他のツールの使用を検討することをお勧めします。例えば、無償であればRやPython、有償であればSPSSやSASというツールが代表的です。
以下の画像はSAS Ondemand for Academicsという統計解析ソフトウェアの操作画面です。各種設定をクリックするだけで高度な統計解析を行うことができます。
6. まとめ
データのことなら、高い技術力とビジネス理解を融合させる私たちにご相談ください。
アトリビューション分析とは？計測手順や効果的な活用方法、分析ツールを詳しく解説
WEB広告分析 / 測定 / レポート
広告レポート自動化なら「Databeat Explore」
その際活用できるのが、「アトリビューション分析」です。しかし、自社でアトリビューション分析を実施する上で、
「アトリビューション分析の種類や目的が理解できない」
「Web広告のアトリビューションモデルについて知りたい」
「アトリビューション分析の流れが知りたい」
上記のような課題が生じるかと思います。 本記事では、企業の広告運用担当者様へ向けて、アトリビューション分析の「種類や目的」「分析の流れ」「分析結果を効果的に活用するポイント」を紹介します。
アトリビューション分析とは？用語の定義、仕組みを詳しく解説
アトリビューション分析とは？
ユーザーがコンバージョンを達成するまでの過程をタッチポイントとして評価することで、その過程がユーザーにどの程度影響を与えたのか評価・判断します 。
これにより、ユーザーに合わせたキャンペーンへ軌道修正が可能です。
【参考】アトリビューション分析の種類
アトリビューション分析には「オンラインアトリビューション分析」「統合アトリビューション分析」「コンテンツアトリビューション分析」の3種類があります。
オンラインアトリビューション分析
オンラインアトリビューション分析では、3PAS(第三者配信)を活用することで、複数広告媒体が評価できるようになっています。
統合アトリビューション分析
統合アトリビューション分析は「オフライン」「オンライン」両方のアトリビューション分析です。 例えば「テレビ」「ラジオ」などのオフライン広告の貢献度と、Web広告の貢献度の分析を両方実施することで、広告効果を最大限発揮するためのヒントを得ることができます。
コンテンツアトリビューション分析
コンテンツだけではなく、広告を含めた貢献度も同時に分析することで、企業マーケティング施策全体の最適化に繋がりやすい特徴があります。
アトリビューション分析を行う目的
例えば、自社で「ディスプレイ広告」と「メールキャンペーン」を実施しているとしましょう。 ユーザーがメールにて特別なプロモーションを見た後に「ディスプレイ広告」でコンバージョンを達成したのであれば、「メールキャンペーン」がなかった、場合コンバージョンを達成しなかったかもしれません。
このように貢献度を分析することで、自社にとって最適なマーケティング施策を理解できます。
ディスプレイ広告は、WEB広告の中でも主要な手法の一つです。WEB広告を利用している多くの企業が、ディスプレイ広告を活用しています。 今回こちらの記事では、これからディスプレイ広告の導入を検討している方に向けて ディスプ[…]
Web広告のアトリビューションを分析する3つのメリット
- 正確な予算の調整が可能になる
- パーソナライズの改善
- ROI（投資収益率）の向上
1.正確な予算の調整が可能になる
アトリビューション分析を活用すると、正確な予算調整が可能となります。 分析方法や分析ツールについて解説 アトリビューション分析により、貢献度が高い広告を理解することで、どこに予算を投入すれば良いかが明確になるためです。
2.パーソナライズの改善
アトリビューション分析を活用すると、パーソナライズの改善が可能です。 パーソナライズとは、ユーザー動向を分析したデータから、ニーズを把握し適切なサービスを提供する方法です。
3.ROI（投資収益率）の向上
アトリビューション分析を活用すると、ROI（投資収益率）の向上が期待できます。 ROIとは、マーケティング施策に投資した費用に対して、どの程度利益が出たのかをパーセントで表した指標です。
アトリビューションの分析をおすすめしたい3つのシーン
- 商品・サービス価格が高額な場合
- 各種広告施策が頭打ちの場合
- コンバージョンを正確に分析したい場合
1.商品・サービス価格が高額な場合
高額な商品を購入する消費行動モデルとして、Webサイトを閲覧するなど多くのユーザー行動が発生します。 そこで、アトリビューション分析を活用すれば、ユーザーが高額商品を購入するにあたり、どのコンテンツが決め手になったかを把握できます。
2.各種広告施策が頭打ちの場合
しかし、アトリビューション分析を実施すれば、各広告施策の貢献度により、的確な予算調整が可能になり、結果、各種広告パフォーマンスの向上が期待できます。 分析方法や分析ツールについて解説
3.コンバージョンを正確に分析したい場合
ユーザーが複数の広告に接触してコンバージョンを達成すると、重複コンバージョンとなり、正確な分析ができません。
Web広告のアトリビューション分析に用いるアトリビューションモデルの種類
アトリビューションモデルとは？
モデルにより、各広告の貢献度が異なるので自社に合ったモデルを選択する必要があります。
ラストクリックモデル
ラストクリックモデルは、顕在ユーザー向けの分析に適していますが、潜在ユーザーの分析には向いていないといった特徴があります。
ファーストクリックモデル
先ほど紹介したラストクリックモデルとは正反対の考えといっても良いでしょう。 ファーストクリックモデルは、コンバージョン測定には不向きですが、ブランド認知度キャンペーンには最適です。
線形モデル
線形モデルにより、どのチャネルとキーワードが機能し、どれが機能しなかったかを知ることができます。 線形モデルは、幅広いキーワードからコンバージョンにユーザーを導く複雑なキャンペーンを実行している企業に適しています。
減衰モデル
コンバージョンに近い広告の貢献度を重要視しているので、慎重に広告分析を実施したい場合に向いています。
接点ベースモデル
マーケティング施策における、入り口と出口を重要視したい場合に最適なアトリビューションモデルです。
カスタムモデル
自社のマーケティング施策が複雑で「さまざまなアトリビューションモデルの追跡」を実施したい場合に最適です。
データドリブンモデル
これにより、価値の高い広告に貢献度を割り当てるモデルとなっています。 しかし、Google広告でデータドリブンモデルを活用するには下記条件があります。
モデルを使い続けるには、上記の数値を30日間連続して維持する必要もあります。 あくまで目安ですが、上記クリックとコンバージョンを達成するには最低でも月に20万円以上の広告予算が必要です。 分析方法や分析ツールについて解説
自社に最適なアトリビューションモデルを選ぶポイント
自社に最適なアトリビューションモデルを選ぶポイントを紹介します。 モデルを選定するには「自社の取り扱う商品・サービス」や「何を分析したいか」で選定するのが一番です。
ケース１：短い販売サイクルの場合
短い販売サイクルの場合は「ラストクリックモデル」「ファーストクリックモデル」が最適です。 短い販売サイクルの場合は、ユーザーとのタッチポイントが限られているため、「ラストクリックモデル」「ファーストクリックモデル」のようにシンプルなモデルが良いでしょう。
ケース２：長い販売サイクルの場合
長い販売サイクルの場合は「減衰モデル」「接点ベースモデル」のアトリビューションモデルが向いています。
ケース３：ユーザー行動の洞察を実施したい場合
ユーザー行動の洞察を実施したい場合は「線形モデル」が適しています。 各広告キャンペーンがユーザーにとってどのように作用しているかを理解したい場合に有効です。
一般的なアトリビューション分析の流れ
STEP1:ユーザーの経路を洗い出す
はじめに自社の商品・サービスをユーザーが購入するまでの経路を洗い出します。 ユーザーがどのような経路を通ってコンバージョンを達成するか、考えられる経路を全てリスト化しましょう。
STEP2:自社に合ったツール選択
後ほど紹介しますが、アトリビューション分析には「Google広告」「Googleアナリティクス」「ツール」の3つ方法があります。
STEP3:分析データを集める
ツールが準備できたら分析するデータ収集を実施します。 分析データ収集方法は分析方法によって異なります。
STEP4:自社に合ったアトリビューションモデルを選択し、分析を開始
分析時は、1つのアトリビューションモデルに絞り込むのではなく、複数のモデルから分析することで、さまざまな切り口からの分析が可能となります。
アトリビューション分析を行う3つの方法
アトリビューション分析を行う3つの方法について紹介します。 下記分析プラットフォームには、異なるアトリビューションモデルや特徴があるため、下記内容を参考に自社に合った分析プラットフォームを選択しましょう。
アトリビューション分析方法のまとめ
| 分析方法 | 概要 | こんな方にオススメ！ |
| 広告媒体の管理画面 | 「リスティング広告」「ショッピング広告」のみの分析 | 分析方法や分析ツールについて解説Google広告のみの運用者 |
| Googleアナリティクス（GA4） | Google広告以外の分析にも対応 | Google広告以外の運用者 |
| ツール | 自動更新など機能面に優れている | 分析初心者やビックデータを扱う企業 |
分析方法を選択する際は、自社のWeb施策で判断すると良いでしょう。 Google広告のみの運用であれば、Google広告での分析で十分ですが、自社で多くのWeb施策を実施する場合は「Googleアナリティクス」又は「ツール」が最適といえます。 分析方法や分析ツールについて解説
１.広告媒体の管理画面
Google広告は「リスティング広告」「ショッピング広告」にてアトリビューション分析を実施できます。 広告貢献度のレポートに関しては、管理画面から確認することが可能です。
こんな方におすすめ！
２.Googleアナリティクス(GA4)
Googleアナリティクスでは、Google広告以外の流入や、アトリビューションモデル比較の分析が可能です。 Google広告よりも多くのアトリビューションモデルを採用しているのが特徴です。
こんな方におすすめ！
Googleアナリティクスでは、Google広告以外のアトリビューション分析が可能なので、コンテンツマーケティングなど、広告以外のWeb施策を実施している企業におすすめです。
分析用のツールを使ってもアトリビューション分析が可能です。 さまざまな分析ツールが提供されていますが、Googleアナリティクスよりも簡単に分析ができ、データの自動更新など機能面で優れているのが特徴です。
こんな方におすすめ！
アトリビューション分析をしたいデータ量が多い場合にツールの利用は向いています。 ツールを活用すればビックデータも簡単に可視化できるので、複雑なキャンペーンを多く扱っている企業にもおすすめです。
広告媒体の管理画面を利用したアトリビューション分析の実施方法(Google広告の場合)
Google広告のアトリビューションレポートの特徴
Google広告のアトリビューションは、リスティング広告とショッピング広告のクリックとエンゲージメントのみの分析です。
STEP１:コンバージョンアクション
引用元：Google Ads
アカウントダッシュボードから「ツール」→「コンバージョン」タブを選択します。 キャンペーンのアトリビューション設定を変更するには、個々のコンバージョンアクションを選択する必要があります。
コメント