Tokyo.R8 brand positioning 2010.08.28.

「ブランド・ポジショニングの分析」

Bob#3
（ @bob3bob3 ）

Tokyo.R#8
2010 年 8 月 28 日

自己紹介
✔hatena:bob3
✔twitter:@bob3bob3

✔ マーケティングリサーチャー
✔
文系
✔
歌えません。
✔
踊れません。
✔
好きな音楽
✔
プログレッシブ・ロック
✔
フォークトロニカ

ブランド・ポジショニングとは？
●
STP 戦略
●
セグメンテーション、ターゲティング、ポジショニング
●
消費者の認識に基づくブランドや製品の相対的な位置付け
●
競合ブランドと十分に差別化された独自の位置を確立できている
か？
● 自社の他ブランドと重なっていないか？（カニバってないか？）
●
ポジショニングの切り口の例
● ブランド・パーソナリティ
●
男性向け？女性向け？
●
若年層向け？中年層向け？
● 大衆志向？高級志向？

●
ベネフィット（機能的便益、情緒的便益、自己表現的便益）

ポジショニングの測定
●
消費者調査によって消費者の認識を確認
●
定性調査で消費者の評価基準を探索
● パーソナルインタビュー、グループインタビュー
●
レパートリーグリッド法
●
定量調査でポジショニングを確認
● アンケート調査

●
定量調査の結果に基づいて“知覚マップ”を描く。
●
消費者の認識に基づいて、ブランド間の相対的な位置関係
を２次元の散布図で視覚化する。

知覚マップに使われる手法
●
因子分析
●
主成分分析、共分散構造分析も同様の使われ方をする。
● ＳＤ法で測定。
●
semantic differential ：意味微分法。

●
コレスポンデンス分析
●
名義尺度の２変数の関係を散布図で視覚化する。
●
マトリクス形式で測定。

●
多次元尺度構成法（ＭＤＳ）
● ブランド間の類似度（非類似度）に基づく。

サンプル・データ
●
朝倉書店『マーケティングのデータ分析』のサンプルデータを引用。
●
サポートページからデータをダウンロードできます。
● http://www.asakura.co.jp/books/isbn/978-4-254-12822-2/
●
インターネットによるアンケート調査のデータの一部 (n=1066) 。
●
ビール類の 10 銘柄についてブランドの評価など５段階評価で測定。
●
【ビール】
● アサヒスーパードライ、キリンラガービール、キリン一番絞り、サッポロ生

ビール黒ラベル
●
【プレミアムビール】
● エビスビール、サントリー・ザ・プレミアム・モルツ

●
【発泡酒】
●
アサヒ本生ドラフト、麒麟淡麗＜生＞
●
【第３のビール】
●
キリンのどごし＜生＞、サントリー金麦

因子分析による知覚マップ

※ 各製品ブランドにつそう思うややそうどちらとあまりそそう思わ
思うもいえなう思わなない
いていい

Q3 それぞれのアルコール飲料喉越しが良い 1 2 3 4 5
の味や香りに関する項目につ
いて、あてはまると思うものを１香りが良い 1 2 3 4 5
つお選びください。
味が良い 1 2 3 4 5
Q4 それぞれのアルコール飲料飲むと、幸せな気分になる 1 2 3 4 5
を飲むとどのような気分になる
と思いますか。あてはまると思飲むと、ほっとした気分になる 1 2 3 4 5
うものを１つお選びください。
飲むと、爽快な気分になる 1 2 3 4 5
Q5 それぞれのアルコール飲このブランドを選ぶことで、自分 1 2 3 4 5
料に関する下記の項目についらしさを表現できる
て、あてはまると思うものを１つこのブランドを選ぶことは、自分 1 2 3 4 5
お選びください。のイメージアップにつながる
このブランドを選ぶ人は、センス 1 2 3 4 5
が良い
このブランドを選ぶ人は、洗練さ 1 2 3 4 5
れている

# Excel データの取り込みと整理
# csv ファイルにしてから取り込んだほうが楽かも…
library(RODBC)
conn <- odbcConnectExcel("data.xls")
sqlTables(conn)
tbl1 <- sqlQuery(conn,"select * from [G1 ローデータ $]" )
tbl2 <- sqlQuery(conn,"select * from [G2 ローデータ $]" )
odbcClose(conn)
A <- cbind(tbl1[, 24:26], tbl1[, 39:41], tbl1[, 54:57], tbl1[, 74:75])
B <- cbind(tbl1[, 27:29], tbl1[, 42:44], tbl1[, 58:61], tbl1[, 76:77])
C <- cbind(tbl1[, 30:32], tbl1[, 45:47], tbl1[, 62:65], tbl1[, 78:79])
D <- cbind(tbl1[, 33:35], tbl1[, 48:50], tbl1[, 66:69], tbl1[, 80:81])
E <- cbind(tbl1[, 36:38], tbl1[, 51:53], tbl1[, 70:73], tbl1[, 82:83])
DATA1 <- rbind(data.matrix(A), data.matrix(B), data.matrix(C), data.matrix(D), data.matrix(E))
DATA1 <- data.frame(DATA1, " 銘柄 "=rep(c(" スーパードライ ", " ラガー ", " エビス ",
" 淡麗 ", " 金麦 "), eac=577) ) # 警告が出るけど問題なし。
F <- cbind(tbl2[, 24:26], tbl2[, 39:41], tbl2[, 54:57], tbl2[, 74:75])
G <- cbind(tbl2[, 27:29], tbl2[, 42:44], tbl2[, 58:61], tbl2[, 76:77])
H <- cbind(tbl2[, 30:32], tbl2[, 45:47], tbl2[, 62:65], tbl2[, 78:79])
I <- cbind(tbl2[, 33:35], tbl2[, 48:50], tbl2[, 66:69], tbl2[, 80:81])
J <- cbind(tbl2[, 36:38], tbl2[, 51:53], tbl2[, 70:73], tbl2[, 82:83])
DATA2 <- rbind(data.matrix(F), data.matrix(G), data.matrix(H), data.matrix(I), data.matrix(J))
DATA2 <- data.frame(DATA2, brand=rep(c(" 一番搾り ", " 黒ラベル ",
" プレミアムモルツ "," 本生 ", " のどごし "), eac=530) ) # 警告が出るけど問題なし。
colnames(DATA1) <- colnames(DATA2) <- c(" 喉越し ", " 香り ", " 味 ", " 幸せ ", " ほっとした ",
" 爽快 ", " 自分らしさ ", " イメージアップ ", " センス ", " 洗練 ", " 良い ", " 好き ", " 銘柄 ")
DATA <- rbind(DATA1, DATA2)
DATA <- na.omit(DATA)

# 探索的因子分析
library(psych)
DATA.FA <- 6 - DATA[,1:10] # 解釈し易いように値を逆転させる
fa.parallel(DATA.FA, fm="ml") # 平行分析で因子数を推定
EFA <- fa(DATA.FA, nfactors=3, rotate="promax", fm="ml", scores=TRUE)
print(EFA, sort=TRUE) # 因子負荷量
> （前略）
> ML1 ML2 ML3 h2 u2
> 洗練 0.97 0.04 -0.04 0.92 0.319 ML1 「カッコよさ」因子
> センス 0.96 0.04 -0.03 0.93 0.189 ML2 「おいしさ」因子
> イメージアップ 0.90 -0.01 0.05 0.87 0.081 ML3 「リラックス」因子
> 自分らしさ 0.78 0.01 0.14 0.79 0.102
> 味 0.03 0.94 0.00 0.92 0.118
> 香り 0.07 0.85 0.00 0.81 0.262
> 喉越し -0.05 0.72 0.17 0.68 0.209
> ほっとした 0.03 0.05 0.88 0.88 0.135
> 幸せ 0.04 0.04 0.88 0.90 0.071
> 爽快 -0.01 0.19 0.71 0.74 0.078
> （後略）


# 銘柄ごとに因子得点の平均値を算出
X <- tapply(EFA$scores[,1], DATA[,13], mean)
Y <- tapply(EFA$scores[,2], DATA[,13], mean)
Z <- tapply(EFA$scores[,3], DATA[,13], mean)

# 「カッコよさ」因子と「おいしさ」因子で知覚マップ
plot(X, Y, pch=21, col="blue", cex=2, bg=c(2,3,3,5,4,5,2,3,3,4),
xlim=c(-0.35, 0.55), ylim=c(-0.45, 0.45),
xlab=" カッコよさ ", ylab=" おいしさ ",
main=" ビール類の知覚マップ（因子分析） ")
text(X, Y, names(X), srt=-45, adj=0)
abline(h=0, v=0, col="gray20", lty=3)
legend(0.2, -0.2,
legend=c(" プレミアムビール ", " ビール ", " 発泡酒 ", " 第３のビール "),
pch=21, col="blue", pt.bg=c(2,3,4,5))

コレスポンデンス分析による知覚マップ
アサヒキリンキリンサントリー
スーパーラガー～のどごし金麦
ドライビール〈生〉
下記のそれぞ普段の夕食時に飲む 1 2 ~ 9 10
れのときに、
最もふさわし
いと思うもの特別な日の夕食時に飲 1 2 ~ 9 10
を１つお選びむ
ください。
外食時に飲む 1 2 ~ 9 10

スポーツの後に飲む 1 2 ~ 9 10

仕事が終わった後に飲 1 2 ~ 9 10
む
風呂上りに飲む 1 2 ~ 9 10

１人でゆっくりと飲む 1 2 ~ 9 10

大勢で楽しく飲む 1 2 ~ 9 10


# 度数表
Beer <- matrix(c(222, 99, 239, 320, 296, 260, 153, 307,
176, 22, 82, 104, 93, 93, 59, 125,
45, 56, 179, 94, 174, 140, 104, 164,
72, 35, 79, 33, 73, 50, 55, 68,
52, 331, 199, 44, 84, 64, 231, 91,
55, 423, 103, 37, 69, 69, 271, 53,
179, 25, 43, 67, 49, 40, 31, 56,
96, 31, 54, 144, 97, 145, 63, 92,
96, 16, 44, 176, 84, 125, 35, 70,
73, 28, 44, 47, 47, 80, 64, 40), 8, byrow=TRUE)
rownames(Beer) <- c(" 普段の夕食時 ", " 特別な日の夕食時 ", " 外食時 ",
" スポーツの後 ", " 仕事が終わった後 ", " 風呂上り ",
" １人でゆっくりと ", " 大勢で楽しく ")
colnames(Beer) <- c(" 【スーパードライ】 ", " 【ラガー】 "," 【一番搾り】 ",
" 【黒ラベル】 ", " 【エビス】 ", " 【プレミアムモルツ】 ",
" 【本生】 ", " 【淡麗】 "," 【のどごし】 "," 【金麦】 ")
library(ca)
Beer.ca <- ca(Beer) # コレスポンデンス分析の実行

summary(Beer.ca) # 寄与率の確認。日本語が化ける。
> Principal inertias (eigenvalues):
>
> dim value % cum% scree plot
> 1 0.133482 42.4 42.4 *************************
> 2 0.061018 19.4 61.8 ***********
> 3 0.053222 16.9 78.7 **********
> 4 0.028949 9.2 87.9 *****
> 5 0.024882 7.9 95.8 ****
> 6 0.011837 3.8 99.6 **
> 7 0.001294 0.4 100.0
> -------- -----
> Total: 0.314683 100.0
> （後略）

# 知覚マップ
plot(Beer.ca, arrows = c(FALSE, TRUE),
main=" ビール類の銘柄と飲用場面（軸１、軸２） ")
# ３次元のマップも描けるが日本語が化ける
plot3d(Beer.ca)

Tokyo.R8 brand positioning 2010.08.28.

More Related Content

Tokyo.R8 brand positioning 2010.08.28.