クラスター分析とは

クラスター分析はどのようなマーケティング手法なのでしょうか。定義や種類を解説します。

定義

クラスター分析のクラスター（cluster）は「集団・群れ」の意味を持つ言葉です。クラスター分析とは、異なる要素や傾向を持つ集団のなかから、類似性を持ったものを集めて分類する方法です。クラスタリング (clustering) と呼ばれることもあります。

クラスター分析の対象は、人間、企業、競合商品などさまざまです。データの量もビックデータ解析から小規模なセミナーにおけるアンケート結果分析などまで幅広くあります。

目的

クラスター分析の目的は、複雑なデータを利用しやすいデータにグループ化すること、見える化することです。

たとえば、顧客を的確に分類して効果が高いアプローチをするために、クラスター分析を用います。BtoBにおけるOne to Oneマーケティングに活用する企業もあります。また、競合他社と比較したときの自社製品の位置付けやブランディング、商圏の分析などに用いることも可能です。

クラスター分析は2種類｜「階層クラスター分析」「非階層クラスター分析」

クラスター分析は「階層クラスター分析」と「非階層クラスター分析」の2種類に分けられます。それぞれについて解説します。

階層クラスター分析

階層クラスター分析とは、データ群のなかから最も近いデータ同士を順にまとめていき、徐々にクラスターの数を少なくしていく手法です。類似度を計算するために、特定の「距離測定方法」を用います。

似ている要素ごとに分類していく過程で「樹形図（デンドログラム）」を出力できるため、分類の経緯を分析者が理解できることも特徴です。

手法の種類

階層クラスター分析の手法は以下のとおりです。

・ウォード法：平方和が最小になるようクラスターを結合する。計算量が多く、高精度。

・最長距離法：クラスター同士の距離を最も類似性の低い2つのデータで計算して結合する。計算量が少なく、クラスターが結合できない「拡散現象」が起こりやすい。

・最短距離法：類似性の高い2つのデータで計算して結合する。計算量が少なく、クラスターが帯状になる「鎖現象」が起こりやすい。

・群平均法：クラスター同士の全データの組み合わせの平均を求めて結合する。最長距離法と最短距離法のデメリットを補える。

非階層クラスター分析

非階層クラスター分析は、最終的なクラスター数を決めてから、自動グルーピングを行う手法です。ビックデータのような複雑で階層構造に分類できないようなデータ群の分析に適しています。また、大量のサンプルを分類しても分析結果の信頼性が高いことが特徴です。

手法の種類

非階層クラスター分析の代表的な手法はk-means法と超体積法です。

・k-means法：あらかじめ決めておいたクラスター数に大まかに分類。次に、各データとクラスターの重心の距離が、別のクラスターの重心より小さくなるようにデータを再配置していく方法。

・超体積法：点集合を凸多面体と考えて、凸多面体の体積が最小になるようにクラスターを分割していく方法。

クラスター分析の手順

クラスター分析の手順について、目標の設定から手法の選択、マーケティングへの活用までの流れを簡単に解説します。

1.目的の設定

ブランディングや顧客育成など、どのような目的でクラスター分析をするのか決めます。クラスター分析の対象が人や商品などの実体なのか、購買頻度や単語の出現数などの変数を分析するのかも決定します。分析するデータがない場合、データ収集方法から検討しなければなりません。

2.階層クラスター分析か非階層クラスター分析かを選ぶ

階層クラスター分析か非階層クラスター分析のどちらを用いるか選びます。基本的な検討項目は、「目的」「サンプル数（計算量）」「分析過程を観測する必要の有無」などです。マーケティングオートメーションなどが扱うビックデータにおいては、ほとんどのケースで非階層的方法を使うため、現実的には選択に迷うことがありません。

3.類似度の定義・クラスターの結合方法を決める

何をもって類似性が高いか低いかを定義します。クラスター分析の本質的な部分であり、かつ最も難易度が高い工程です。先に紹介した距離測定におけるX・Y・Z軸の要素が何で、距離がどの範囲なら「似ている／似ていない」と判定するのかを決めます。また、どのようにクラスター同士を結合するかも決めなければなりません。

4.分析手法を選択

類似度の定義やクラスターの結合方法に適した手法を選びます。階層クラスター分析ならばウォード法や最短距離法、非階層クラスター分析ならばk-means法や超体積法などが選択肢になります。統計ソフトにはこれらのアルゴリズムが搭載されており、クラスター数や類似度の定義などを設定することで効率的にクラスター分析を行うことが可能です。

5.クラスターを解釈して販売戦略などに活用する

クラスター分析はあくまで類似性を持ったグループに分けるところまでです。その結果を分析者が解釈する必要があります。

たとえば、「食」に関する階層クラスター分析では、マーケティングに適した樹形図ができた段階で「ヘルシー志向」「がっつりタイプ」などのように解釈します。ペルソナ設定やブランディングなど具体的な目的を持って、クラスター分析結果を活用することが重要です。

クラスター分析の活用事例

ここでは、階層クラスター分析と非階層クラスター分析のそれぞれについて、具体的なマーケティング施策を含めて活用事例を解説します。

階層クラスター分析の活用事例

企業規模や購買履歴などの顧客情報をもとにDM配布を効率的にしたい場合に活用するケースがあります。メニューが多い店舗でも、どのような客層に支持されているのか調査が必要でしょう。クラスター数を事前に決める必要がないため、適しています。

オンライン化によって扱うデータは増えており、複雑で基準があいまいな要素を分析するケースも多くなっています。

非階層クラスター分析の活用事例

ビッグデータ解析を行う場合は、通常、非階層クラスター分析を用います。たとえば、SNSのメッセージを解析して消費者のトレンドを分析するテキストマイニングに、非階層クラスター分析が使われています。

BtoBにおいても、マーケティングオートメーション（MA）によって多角的に大量のデータを収集可能です。非階層クラスター分析にかけることで、たとえばOne to oneマーケティングを実現できます。

クラスター分析の注意点

マーケティング担当者がクラスター分析を行う際は、どのような点に注意すればよいのでしょうか。3つのポイントを解説します。

マーケティング担当者の主観が入る可能性

クラスター分析を行った後の解釈の時点で主観が入るリスクがあります。特に、非階層型クラスター分析は、クラスター分析にかける前にクラスターの数を決定します。そのため、あらかじめ結果を予測・期待してしまいやすく、解釈にも主観が混じりやすいことに注意が必要です。

クラスター分析で分析できない対象もある

クラスター分析はクラスターに分類するところまでしかできません。クラスター分析の結果から因果関係や法則を導き出すのは別の作業です。たとえば、相関分析や回帰分析など違う分析方法との併用によって、誤った結論を出すリスクを減らせます。

Excel単体では分析できない

クラスター分析は複雑な計算を繰り返します。最低限、Excelのアドインとして提供されている「エクセル統計」が必要です。より高度なクラスター分析をするなら、「R」「SPSS」「JMP」などの統計ソフトを活用しましょう。

オンラインにおけるBtoBマーケティングでは、マーケティングオートメーションとの連携も必須です。さまざまな経路からデータ収集してクラスター分析することで、自社商品の強みや立ち位置が明確になることがあります。現在主流になりつつある営業主導からマーケティング主導の顧客開拓、育成への移行が可能です。

まとめ

クラスター分析とは、異なる要素や傾向を持つ集団のなかから類似性を持ったものを集めて分類する方法です。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、ビックデータ解析やOne to Oneマーケティングなどに活用されています。

ワンマーケティングは、BtoBマーケティングサポート事業を展開し、MAの導入から運用、コンテンツ制作までワンストップで請け負います。ノウハウのないBtoB企業であっても、短期間でマーケティング主導の案件創出を実現可能です。資料を配布しているので、役立ててください。

ホワイトペーパーダウンロード