マーケティングのデータセットは、多くの変数を含んでいる、すなわち高い次元であることがしばしばあります。

たとえば顧客満足度調査においては、商品・サービスに対する総合的な満足度や品質・機能・価格等の個別の要素に対する満足度等に関して、調査対象者が点数づけを行います。

またブランド認知・イメージ調査においては、ブランドに関する認知の有無、認知の経路、ブランドのポジションや品質、イメージワードに対する適合度などに関して点数がつけられます。

さらにこれらの項目に加え、調査対象者の基本属性や行動特性などといった顧客の特徴についての情報も収集されます。

本セミナーではこれらの変数をより少ない変数で説明する、すなわちデータの次元を縮約することを目指します。

低次元にデータを縮約することで、顧客の評価する軸を探ることでそれぞれのブランドのイメージの違いを理解しやすくなり、顧客満足度やブランドイメージを高める施策につなげることができます。

本セミナーでは、データ縮約の方法として、主成分分析、因子分析、多次元尺度構成法の3つの手法を学び、マーケティングの様々な場面でこれらの手法が活用できることを紹介します。

そして、仮想的なブランドイメージ調査データをPythonを用いて解析する演習を行います。