コンジョイント分析が扱える代表的なテーマ

価格及び価格弾性調査
新製品開発と市場投入シミュレーション
製品リニューアルによる市場投入シミュレーション
ブランド力評価
広告・プロモーション訴求ポイント把握と効果シミュレーション
カニバリゼーション予測
製品ラインアップ拡大調査
パッケージ最適化調査

コンジョイント分析で解決可能な代表的な課題

商品購入に大きく影響する要因は何かを知りたい

コンジョイント分析では、分析結果として、商品の各特徴についての好き嫌い、つまり購入や選択への影響度を表す数値（効用値）が得られます。

例えば、デジタルカメラで言えば以下のような形になります。

例えば『画素数という属性』で言えば、最も効用の高い「1000万画素=+140」と一番効用の低い「600万画素=-40」です。

画素数という属性についての重要度はこの落差で表されます。つまり「140-(-40)=180」となります。

この効用値の差が大きいほど選択への影響が大きい属性（要因）であるといえます。

商品そのものの魅力・実力を知りたい

各属性から一つずつ水準をピックアップして商品を構成し、そのスコアである効用値を合計するとその商品の実力となります。

つまり、効用値は足し上げることが可能な数値なのです。

上記の例で言えば以下のようになります。

それぞれ、「キャノンの800万画素、4万円のデジカメ」と「ニコンの1000万画素、5万円のデジカメ」では100 vs 115となり、ニコンの方が総合効用（つまり効用値の総合計）が高い＝購入に関しての効用が高いということになります。

この総合効用値が商品そのものの魅力度・そして選択時における商品の実力と言えます。

これもひとつのシミュレーションと言えるでしょう。
上記の例はあくまでも例として単純化していますが、本当はもっと他の属性が存在するはずです。

商品の選択に影響のありそうな属性をうまくピックアップして適切な水準を設定して調査を行えば、非常に強力なツールになることは言うまでもありません。

どうすれば競合品より選ばれるか？（シミュレーション）

コンジョイントの目的の一つはシミュレーションです。
コンジョイント質問で用いた属性水準の一覧を利用して、商品構成を組み上げてみます。

競合商品も同様に入れてみます。
そうして、実際の市場と同じように商品を並べてみます。

すると効用値に基づいて現状のシェアの状況を回答者目線で得ることが可能です。
そこで、自社商品の特徴を変えてみたり、値段を下げてみたりしたときにどのような影響やシェア変化、カニバリ（自銘柄同士のシェアの共食い）が起こったりするのかを予測し、対策を打つことができるようになります。

投入予定の自社商品のターゲットユーザーは？

調査対象者を様々にセグメントし、効用値を分析することで、真のターゲットが明らかになります。

効用値からの逆引きのような考え方です。

ある商品をコンジョイントデータで構成し、仮想商品群を作ります。
自社の商品もその仮想商品群の中に一つ（いくつでも良いですが）入れて起きます。それをターゲット商品としましょう。
分析を行います。
結果、そのターゲット商品に強く反応している回答者が誰かを追うことができるのです。
ターゲット商品に強く反応している人のプロフィールを読み解けばどんなアプローチが有効かが極めてクリアになってきます。

価格をいくら位に設定すればどれ位選ばれるか？

価格と効用値の変化から価格と選択マインドの関係を分析。
更に価格を変えたシェアシミュレーションにより、価格変化の影響を測ります。

コンジョイントは価格分析、価格の決定でも非常に強力なツールとなります。
努力を重ねて開発した新機能の価格としての価値は？

いくらまで下げれば、消費は伸びてくるのか？

価格と入り数の微妙な関係は？

等々、価格まわりの疑問はつきません。
私たちはコンジョイント分析を利用した価格に関する強力な分析手法も開発しています。

選択意識の違うユーザーを分類して、ユーザーの「顔」を把握したい

効用値をもとに数量化３類、クラスター分析等を行い、ユーザーをプロファイリングする。

またコンジョイントツールには潜在クラス分析モジュールという分析ツールも存在する。

これらにより回答傾向である効用値からユーザーのグループ化を行う。
そしてそのグループの特徴を捉えていくことが可能になります。

デザインに強く反応する消費者グループ
コストに敏感な消費者グループ
機能性重視の消費者グループ

あるいはそれらの組み合わせと言った新しい消費者グループの概念を作り、ペルソナ化するなどの強力なアプローチが可能です。