選好回帰は、マーケティング担当者が消費者の好むコアベネフィットを特定するために用いる統計手法です。通常、多次元尺度構成法や因子分析といった製品ポジショニング手法を補完し 、知覚マップ上に理想ベクトルを作成するために使用されます。
応用
研究者は調査の生データから始めて、ポジショニング手法を適用し、重要な次元を特定し、これらの次元における競合製品の位置をプロットします。次に、調査データを次元に対して回帰分析します。独立変数は調査で収集されたデータです。従属変数は選好データです。すべての回帰法と同様に、コンピューターはデータを最もよく予測するために重み付けを行います。結果として得られる回帰直線は、ベクトルの傾きが2つの次元に対する選好の比率であるため、理想ベクトルと呼ばれます
すべてのデータを回帰分析に用いると、プログラムは単一の方程式、ひいては単一の理想ベクトルを導出します。これは往々にして鈍い手段となるため、研究者はクラスター分析を用いてこのプロセスを洗練させます。これにより、市場セグメントを反映するクラスターが作成されます。次に、各セグメント内のデータに対して個別の選好回帰分析が行われます。これにより、各セグメントの理想ベクトルが得られます。
代替法
自己申告重要度法は、統計的補完ではなく直接調査データを用いて重み付けを決定する代替手法です。3つ目の方法は、加法的な手法を用いる コンジョイント分析です。
関連項目
参考文献
- Park, ST; Chu, W. (2009). 「コールドスタート推薦のためのペアワイズ選好回帰」.第3回ACMレコメンデーションシステム会議 - RecSys '09 議事録. p. 21. doi :10.1145/1639714.1639720. ISBN 9781605584355。
- Jarboe, GR; McDaniel, CD; Gates, RH (1992). 「複数選択肢医療提供システムの選好回帰モデリング」Journal of Ambulatory Care Marketing , 5(1), p.71-82
