EXCELマーケティングリサーチ＆データ分析 ［ビジテク］ 2013/2010/2007対応

1　マーケティングリサーチ概論

1-01 現在の市場の問題
1-02 消費者が商品／サービスを購入する理由
1-03 陥りやすい調査方法と調査結果
1-04 潜在的ニーズを活用した場合のメリット

2　潜在ニーズを導き出すマーケティングリサーチ

2-01 商品開発に必要なマーケティングリサーチとは
2-02 企業のタイプに合った調査課題の例
2-03 1 次データを取得するリサーチタイプ
2-04 マーケティングリサーチの作業フロー
2-05 現状分析の実施
2-06 課題の明確化
2-07 調査票の設計

3　サンプリングとデータ集計

3-01 対象者の選び方
3-02 サンプリング（標本抽出）プロセス
3-03 サンプル調査の種類
3-04 データの種類
3-05 尺度化技法の比較
3-06 データの調整
　001 商品のリニューアル前と後の購入意向の変化を探る
3-07 単純集計
　002 平均値を求める
　003 最頻値を求める
　004 中央値を求める
3-08 分散と標準偏差
　005 分散を求める
　006 標準偏差を求める
3-09 単純集計を行う
　007 ピボットテーブルを準備する
3-10 ピボットテーブルを使ってクロス集計する
　008 ピボットテーブルを準備する
3-11 グラフを使って視覚化する
3-12 検定を実施する
　009 単純集計の集計結果が平均となると仮定した場合
　010 単純集計の集計結果の割合がわかっている場合
3-13 クロス集計の結果を検定する
　011 クロス集計表を検定する
　012 残差判定をする
　013 P 値（正規分布の両側確率）を作成する

4　自社商品／サービスのポジショニング分析をする

4-01 ポジショニング分析で現状の市場を確認する
4-02 嗜好調査を行う
　014 データ行列を作成する
　015 サンプルスコアとカテゴリスコアの値を決める
　016 大きい固有値を求める
　017 ソルバーでサンプルスコアとカテゴリスコアを求める
　018 軸の精度を確認する

5　潜在的なニーズを主成分／因子／クラスター分析で把握する

5-01 主成分分析とは
　019 共分散行列を求める
　020 共分散行列を完成させる
　021 共分散行列の1 つ目の固有ベクトルを求める
　022 共分散行列の2 つ目の固有ベクトルを求める
　023 データをグラフへプロットする
　024 グラフを見やすく修正する①
　025 グラフを見やすく修正する②
　026 グラフの軸の意味を決定する
5-02 因子分析とは
　027 相関係数行列を求める
　028 相関係数行列を完成させる
　029 初期値行列を作成して1 つ目の固有値を求める
　030 初期値行列の2 つ目の固有値を求める
　031 因子負荷量と共通性を求めて次の初期値行列を作成する
　032 最終の因子負荷量を求めグラフを作成する
　033 グラフの軸を回転する
　034 データをグラフへプロットする
　035 軸の意味を決定する
　036 因子分析と主成分分析の違い
5-03 クラスター分析とは
　037 全データのユークリッド距離を求める
　038 距離の最小値を見つける
　039 最小距離のデータをクラスターに統合する
　040 デンドログラムでデータをグループ化する

6　顧客のニーズをコンジョイント分析で探る

6-01 コンジョイント分析とは
6-02 設問を考える上で気を付けたいこと
6-03 コンジョイント分析の実践
6-04 直交表の型に合せてアンケートを設計するコツ
　041 商品／サービスのスペック項目とその内容を熟考する
　042 直交表に割り付ける
　043 3 水準の列に4 水準を当てはめる①
　044 3 水準の列に4 水準を当てはめる②
　045 アンケート結果を集計する
　046 回帰分析を実行する
6-05 もっとも評価が高くなる組み合わせを探る
　047 評価により影響を与えている項目を探る
　048 層別で傾向を探る：男性（51 名）の分析結果
　049 層別で傾向を探る：女性（34 名）の分析結果
　050 層別で傾向を探る： 20 代（11 名）の分析結果
　051 層別で傾向を探る： 30 代（25 名）の分析結果
　052 層別で傾向を探る：40 代（32 名）の分析結果
　053 層別で傾向を探る：40 代男性（17 名）の分析結果
　054 層別で傾向を探る： 40 代女性（15 名）の分析結果

7　売上高を回帰分析／数量化理論Ⅰ類で予測する

7-01 2 変数のデータの関連性を探る
　055 散布図を描く
　056 2 つのデータの関連性の強さを求める①
　057 2 つのデータの関連性の強さを求める②
　058 3 種類以上のデータの関係を求める
7-02 予測と要因分析を行う（単回帰分析）
　059 予測に使う単回帰式を求める①
　060 予測に使う単回帰式を求める②
　061 求めた単回帰式から大船店の初月売上高を予測する①
　062 求めた単回帰式から大船店の初月売上高を予測する②
7-03 3 変数以上のデータの関連性を探る（重回帰分析）
7-04 回帰分析で目的変数に与えている要因を探す
　063 売上高に影響を与えている要因を探す
　064 グラフを描いて視覚的にとらえる
7-05 重回帰式から新商品の売上高を予測する
　065 新商品の売上高を予測する
7-06 さらに精度が高い方法で予測する（変数減少法）
　066 変数減少法で回帰モデルを求めてRu を計算する
　067 説明変数を1 つ減らして回帰分析を行う
7-07 説明変数が定性的なデータの場合（数量化理論Ⅰ類）
7-08 定性的なデータをダミー変数に置き換える
　068 説明変数を1 つ減らして回帰分析を行う
7-09 売上高に影響を与えている要因を探す
　069 売上高に影響を与えている要因を見つける
　070 未来の売上高を予測する
　071 要因分析を行う
7-10 さらに精度が高い方法で予測する（変数減少法）
　072 Ru を求める

8　一対比較法と判別予測によるアンケート設計と分析

8-01 一対比較法を用いたアンケート調査
8-02 アンケート項目の設定と調査
8-03 回帰分析を用いて各要素を点数化する
　073 重み付き評価点を算出する
　074 ポイントA、B の項目を数値化して回帰分析を実行する
8-04 判別予測式を基に選ばれる要因を探る
8-05 アンケート調査票を設計してデータを収集する
8-06 回帰分析を実行する前にデータの冗長化を解消する
　075 数量化理論Ⅱ類で回帰分析をする
　076 予測と要因分析を行う
　077 最適な回帰モデルを求める
　078 正判率を求めて結果を検証する

9　顧客満足をCS ポートフォリオ分析で探る

9-01 CS ポートフォリオ分析で顧客満足を探る意義
9-02 満足度に直結するかどうかを考える
9-03 CS ポートフォリオ分析に向けて準備する
　079 CS ポートフォリオ分析を行うために必要なアンケートを作成する
　080 回答データを単純集計する
　081 集計した凡例をわかりやすくする
　082 集計した結果の合計を求めて並び替える
　083 100％積み上げ横棒グラフを作成する
　084 作成したグラフを項目順に変更する
9-04 CS ポートフォリオ分析を行う
　085 CS ポートフォリオ分析を行うために重要度を求める
　086 CS ポートフォリオ分析を行う
　087 評価項目名を上書きする

column

アンケートの結果を把握するために気を付けること！
ブランドポートフォリオとは
BSC（バランススコアカード）
SWOT 分析を提唱した Ken Andrews 氏
ラグランジュの未定乗数法～条件付き極値問題～
価格の影響度

付属データはこちら

お問い合わせ

内容についてのお問い合わせは、正誤表、追加情報をご確認後に、お送りいただくようお願いいたします。

正誤表、追加情報に掲載されていない書籍内容へのお問い合わせや
その他書籍に関するお問い合わせは、書籍のお問い合わせフォームからお送りください。

利用許諾に関するお問い合わせ

本書の書影（表紙画像）をご利用になりたい場合は書影許諾申請フォームから申請をお願いいたします。
書影（表紙画像）以外のご利用については、こちらからお問い合わせください。