クラスター分析とは？ビッグデータを単純化しマーケティングに活用しよう
「クラスター分析を取り入れたいが、具体的なやり方がわからない」「クラスター分析の効果的な活用方法を知りたい」など、クラスター分析について悩んでいませんか。
クラスター分析は、ターゲットやペルソナ、市場の分析に欠かせない分析手法のひとつですが、今後のマーケティングに活用するには概要や流れを理解する必要があります。
クラスター分析の知識を深めれば、今後どのようにデータを活用できるかも定めやすくなるでしょう。
本記事では、クラスター分析の特徴や種類、マーケティングへの活用方法を解説します。顧客傾向を把握したいときには、ぜひクラスター分析を役立ててください。
目次
クラスター分析は集団を類似グループに分ける分析方法
「クラスター」とはブドウの房や集団などを意味する言葉です。この意味通り、「クラスター分析」はある大きな集団から類似するデータを集めてグルーピングする分析手法で、マーケティングではターゲット分析やペルソナ分析、商品構成の分析、ポジショニングなど幅広いシーンで活用されます。
また、クラスター分析は性別や年齢層、居住地のような明確に分類できるデータではなく類似性の定義が一定していないデータを分類する際に適した分析手法です。たとえば購買データや顧客へのアンケート調査結果をもとにして、「似ているか」「似ていないか」を基準に、商品や顧客などのデータをクラスター分けする分析などにも活用できます。
クラスター分析の最大の特徴は大量で複雑なデータの単純化
クラスター分析の最大の特徴は、そのままでは扱いにくい大量で複雑なデータを単純化して、考えやすくできることです。類似する複数のデータを一つのクラスターとして括って考えるため、分類するクラスターの特性を把握していれば、データ全体をある程度理解できます。
分析精度を上げるために「クラスター分析の結果をさらにクラスター分析すること」も有効です。
ちなみに、クラスター分析で得られるのは数値ではなくデータ同士が「似ているか」「似ていないか」といった感覚的な判断結果です。そのため分析者の考え方が影響を与えやすく、実行者によって結果が異なるケースも珍しくありません。分析結果は一つの参考程度に留め、過信しすぎないことがポイントです。
クラスター分析の2種類の手法
クラスター分析には「階層クラスター分析」と「非階層クラスター分析」の2種類の手法が存在します。ここでは、それぞれの分析手法の概要とメリット・デメリットを解説します。
クラスター分析の具体的な手順は、こちらの記事をご覧ください。
階層クラスター分析
階層クラスター分析とは、分析をおこなう全データにおける類似度または非類似度を計算し、似ているデータ同士をクラスターとして併合していく考え方です。
クラスター分析のクラスター併合は「距離測定方法」を使っておこなわれます。階層クラスター分析では、データバランスを取りやすい「ウォード法」が多く用いられるようです。この方法によって樹形図が出力され、その内容を読み解くことで分類の意図を理解できます。
階層クラスター分析を用いるメリットはクラスター数を事前に決めずに分類を始められる点です。ただし、変数などのデータ量が多いと計算量も増えて分類が難しくなり、結果もわかりにくくなる場合があるため、ビッグデータの分析には「非階層クラスター分析」を使うとよいでしょう。
非階層クラスター分析
非階層クラスター分析とは、事前に分類するクラスター数を決めておき、その上で対象データを指定のクラスターに割り振っていく考え方です。
全データ間の距離を計算する必要がある階層クラスター分析と比較すると、少ない計算量で大きなデータを扱えることはメリットといえます。一方、事前にクラスター数を決める必要があるため、分析前に結果が見えやすく、分析者によって結果が変わりやすいというデメリットも存在します。
非階層クラスター分析でクラスターを併合する際、距離の測定には「k-means法」を利用することが多いです。
クラスター分析をマーケティングに活用する方法
クラスター分析をマーケティングに活用するには、次の3つのポイントを押さえる必要があります。
- 調査の目的や背景を明確にする
- 目的に合った調査方法を選ぶ
- 分析したクラスターをプロファイリングする
それぞれの項目について解説します。
調査の目的や背景を明確にする
クラスター分析に限らず、データ分析をマーケティングに生かすには、分析でおこなう計算よりも分析前後におこなう準備や結果の解釈が重要です。準備が不十分で結果の解釈も不適切では、効果的なマーケティング施策につなげられません。
多変量解析に目的を知ろう
クラスター分析のように、複数の変数間の関係を分析する統計手法を「多変量解析」といいます。多変量解析の主な目的は次の2点です。
- アンケートや調査の実態を「要約」すること
- 売上や来店顧客数などを「予測」すること
自社や自店舗がおこなっている施策の現状や問題点を把握し、クラスター分析の目的を明確化することがポイントです。
目的に合った調査手法を選ぶ
クラスター分析の目的を決めたら、目的に合った調査方法を選ぶことが大切です。クラスター分析に限らず、どのデータを使ってどの調査方法を取り入れるのかは、マーケティング分析において重要な要素といえます。
クラスター分析では、階層クラスター分析と非階層クラスター分析の使い分けが重要です。対象の数や分析対象によって適した手法が異なるため、以下の表を参考に活用しましょう。
| 階層クラスター分析 | 非階層クラスター分析 | |
| 対象の数 | 100以下(100〜300は非階層クラスター分析と併用可) | 300以上(100〜300は階層クラスター分析と併用可) |
| クラスター数を決めるタイミング | 分析しながら決定し、分析後の変更も可能 | 分析前にあらかじめ決めておく |
| 分析対象 | 集計結果などの変数 | サンプルデータ |
クラスター分析の具体的な手順は、こちらの記事をご覧ください。
分析したクラスターをプロファイリングする
クラスター分析では、データ同士が似ているか似ていないかといった判断からデータが属するクラスターを把握できますが、それ以上の情報は得られません。そのため、クラスター化したデータの法則性や規則性を発見して役立てるには、プロファイリング作業が必要です。
各クラスターについて年齢や性別、購入した商品、買い物の頻度などのさまざまな傾向を比較して特性を見極め、適したマーケティング施策を実行することでクラスター分析を活用できます。
施策の例として、各クラスターに合った在庫管理やキャンペーンの実施、メルマガ・DMの配信などが挙げられます。
まとめ：クラスター分析でビッグデータの特性を掴み、マーケティング精度を高めよう
- クラスター分析は、集団を似ているグループに分類する分析方法
- 大量で複雑なデータを単純化し、対象データの傾向を掴める
- 目的に合った調査をおこない、分析結果を活用するまでがポイント
クラスター分析では、複数のデータを「似ているか」「似ていないか」で判断し、グルーピングしていきます。複数のデータを1つのクラスターとして扱うことで、大量のデータを単純化し、データ全体の傾向をつかめることが特徴です。
クラスター分析には、「階層クラスター分析」と「非階層クラスター分析」の2種類があり、目的やデータ量に合わせたものを選ぶ必要があります。分析結果からクラスターの特性を発見し、マーケティング精度を高めていきましょう。
マップマーティングでは、出店地分析・商圏分析のために開発された、年齢別人口・世帯構成・住宅種別・就業状況などのデータを基にした生活者マーケティング特性を6グループ30クラスターに分けた商圏分析専用データを取り扱っています。
このクラスターデータについては、以下のページで詳しく紹介していますので、ぜひご覧ください。
【RFM分析とは】顧客を知る目的と分析のやり方を解説！
RFM分析とは？顧客をグループ分けする手法のメリット・デメリット
セグメンテーションのやり方とは？ユーザの細分化でマーケティングの精度アップ！
階層クラスター分析とは？非階層クラスター分析との違いについても解説