Survey

客観的に状況を把握する市場調査明治⼤学商学部加藤拓⺒ Marketing #04

位置付け顧客管理と効果測定戦略と実⾏価値づくりの考え⽅調査による客観的な状況把握 #01 マーケティング #02 ブランドマネジメント #04
市場調査 #07 科学的検証 #08 感性⼯学 #05 消費者⾏動 #03 ロイヤルティとCRM #10 クチコミ #09 戦略と組織能⼒仮説⽴案具現化検証 #06 知覚品質

2. 結果を決めてしまう調査設計 4. どのように可視化すべきか︖ 1. 調査・検証のプロセス 3. 調査に潜むバイアス 5. まとめ

顧客に”答え”を聞くのは，調査ではない

意味の乏しい「顧客に答えを聞く調査」独創的な新製品をつくるヒントを得ようとしたら，市場調査の効⼒はゼロとなる．⼤衆の知恵は決して創意などはもっていないのである．⼤衆は作家ではなく，批評家なのである．本⽥宗⼀郎1 グラハム・ベルは電話を発明したとき，市場調査をしたと思うか︖ 顧客が今後何を望むようになるのかを本⼈よりも早くつかむのが我々の仕事だ． Steve Jobs2
なにが欲しいかと顧客に尋ねていたら，『⾜が速い⾺』といわれたはずだ．⼈々はみんな，実際に“それ”を⾒るまで，“それ”が欲しいかなんてわからない． Henry Ford2 1:本⽥宗⼀郎.(2005).やりたいことをやれ.PHP 研究所，30. 2: Gallo, C. (2010). The Innovation Secrets of SteveJobs. New York : McGraw-Hill Education.(井⼝耕⼆(訳).(2011).スティーブ・ジョブズ驚異のイノベーション.⽇経 BP，180-213.)

調査の位置付け顧客に聞く顧客の知覚で仮説検証するのではなく • ⽬的は知りたい項⽬をひたすら聞く • 調査したい項⽬があれこれ出てくる •
⽬的は仮説検証ただ1つ • 調査設計を考え抜く

「客観的な状況把握」だけでは過去に囚われる過去とその延⻑線しか知ることができないことから，状況把握のみに依存すると，新たな価値を⽣み出すことが難しくなる．過去その延⻑戦 × 消費者の回答 ↑ この知覚を把握することは出発点にすぎない

「客観的に俯瞰し，主観的に仮説を⽴て，冷徹なほど客観的に検証する」の繰り返し調査・検証プロセス客観的な状況の把握仮説づくり価値づくり仮説⽴証客観的な状況の把握主観的な
仮説⽴案仮説の具現化科学的な仮説検証 • 認知 • 購⼊意向 • ⽀払意思額 • 推奨意向 • ブランドイメージ • 困りごとの発⾒ • コンセプト策定 - 何に困っている⼈に - 何を - どのように • コンセプト具現化 • ⾼い知覚品質 • プロトタイピングによる繰り返し • 科学的根拠に基づく意思決定

客観的な状況の把握仮説づくり価値づくり仮説⽴証客観的な状況の把握主観的な仮説⽴案仮説の
具現化科学的な仮説検証 • 認知 • 購⼊意向 • ⽀払意思額 • 推奨意向 • ブランドイメージ • 困りごとの発⾒ • コンセプト策定 - 何に困っている⼈に - 何を - どのように • コンセプト具現化 • ⾼い知覚品質 • プロトタイピングによる繰り返し • 科学的根拠に基づく意思決定今回の位置付け消費者の知覚を，いかに客観的に把握するか︖ 出発点である客観的な状況把握今回の対象

EUにおける臓器提供の同意率「同意するならチェック」と「同意しないならチェック」では，⼤きく結果が変わる Hague, P. (2019). The Impact of Behavioural Economics
on Market Research. B2B International, https://www.b2binternational.com/ publications/behavioural- economics/ (last accessed September 30, 2019) オプトアウト質問オプトイン質問

統計という嘘適切な調査設計をしなければ，得られたデータはウソやゴミになってしまう “嘘には３種類ある．嘘，⼤嘘，そして統計だ．” 元イギリス⾸相ベンジャミン・ディズレーリ

調査の⽬的

統計調査の⽬的⺟集団 (神のみぞ知る世界) ⺟平均μ, ⺟標準偏差σ, ⺟集団サイズN 標本(サンプル) 標本平均 ! ",
標本標準偏差s, 標本サイズn 標本抽出・調査⺟集団の推定全数調査は現実的に難しいため，限られた標本から⺟集団を推定すること (⼿元の調査データを知ることが⽬的ではない)

誤差とは調査の⽬的は⺟集団を知ることであり，サンプルを分析することではない真値 (⺟集団) 推定値 (サンプル) 誤差知りたいもの⼿元にあるもの

標本誤差と⾮標本誤差誤差標本誤差 (sampling error) ⾮標本誤差 (non- sampling error) 標本調査における⺟集団を推定する際の誤差．
確率論によって標本誤差の範囲は計算可能．標本調査以外のすべての誤差．・無回答誤差︓無回答の⼈の発⽣率に偏り・サンプリング誤差︓⾮確率抽出で⽣じる偏り・⼈的ミスによる誤差︓調査実⾏，⼊⼒，集計など上⽥拓治. (2010). マーケティングリサーチの論理と技法. 4, ⽇本評論社.

調査のプロセス

調査のプロセス調査の有益さ(意思決定に役⽴つか否か)は，調査設計までで概ね決まってしまう仮説構築 % ⽬的定
義調査企画調査設計調査画⾯ 1 制作事前調査 6 7 8 確認本調査 < = > ? @ = A B C 集計分析 % ⽰唆導出この範囲で調査の有益さが決まる・意図せずに信頼性の低い結果が出る・意図的に結果を歪める

調査のプロセス仮説構築 % ⽬的定義
調査企画調査設計調査画⾯ 1 制作事前調査 6 7 8 確認本調査 < = > ? @ = A B C 集計分析 % ⽰唆導出

調査の⽬的定義なぜ調査するのか，⽬的を明確にする何の問題を解決したいのか︖ 何を明らかにしたいのか︖ 仮説は何か︖ どのように検証するか︖
仮説が⽀持された場合，どのような⾏動を起こすか︖

調査のプロセス仮説構築 % ⽬的定義
調査企画調査票設計調査画⾯ 1 制作事前調査 6 7 8 確認本調査 < = > ? @ = A B C 集計分析 % ⽰唆導出

調査企画項⽬内容調査背景調査結果からどんな⾏動に繋げようとしているか︖ 1 調査⽬的調査によって何を明らかにするのか︖ どんな仮説を⽴証しようとしているのか︖ 2
調査対象者調査対象の⺟集団は何か︖(属性, 状況など) 3 サンプリング標本の代表性を担保するためにどのようにサンプリングするか︖ 5 調査項⽬⽬的を達成するには何をどの順序で聴取するか︖ 項⽬数はどの程度にするのか︖(項⽬数が増えるほど、回答品質低下・回収率低下) 8 調査回数・時期調査は1度か, 定点観測か︖ 時期はいつに設定するのか︖ 7 調査⽅法どのように調査するのか︖(オンライン調査，⾏動追跡調査，インタビュー調査等) 有効回答率を踏まえた調査配信数はどうするか︖ 6 サンプルサイズ許容できる誤差の範囲からサンプルサイズはどうするか︖ 4

サンプルサイズ ≠ サンプル数 ※標本サイズ(サンプルサイズ)のことを標本数(サンプル数)と呼ぶ誤⽤が散⾒サンプルサイズ = 1 回の標本抽出において調査した個体数サンプル数 =
サンプルという集団の個数 • サンプルサイズ = 200 • サンプル数 = 5 ⺟集団標本2 n=200 標本1 n=200 標本5 n=200 ・・・

正規分布 (Normal distribution) ※標準正規分布:平均0で標準偏差が1の正規分布平均μ, 標準偏差σの左右対称な釣鐘型の分布 (正規分布を仮定することでデータの特徴を理解しやすくする) 偏差値は，平均50，標準偏差10の正規分布である Ø 偏差値40-60の範囲に，全体の68.3%の⼈が該当する
Ø 偏差値70とは，上位から2.3%の位置を意味する μ σ 2σ 3σ -3σ -2σ -σ μ ± σ = 約68.3% 確率変数確率密度 μ ± 2σ = 約95.5% μ ± 3σ = 約99.7% Image: Wikipedia

視聴率のサンプルサイズと誤差視聴率(標本⽐率)10%のテレビ番組では，誤差は±2.0% ビデオリサーチ. (2016). 関東地区テレビ視聴率調査の仕様変更について. プレスリリース, 8⽉26⽇, https://www.videor.co.jp/press/images/b74c28ba955a5404d091df3ebdfa2349.pdf ビデオリサーチ. (2019).
視聴率の誤差について.視聴率をご覧いただくときの注意事項, https://www.videor.co.jp/tvrating/attention/index.html • 2016年より関東地区視聴率調査世帯数を900世帯に拡張 (これまでは600世帯で実施) • 900世帯すべてで視聴率・タイムシフト視聴にも対応できるセンサーを配備 (2013年に開始したタイムシフト視聴調査は，これまでは300世帯で実施) Image from ビデオリサーチ

サンプルサイズを満たしても，代表性がない標本では⺟集団を推定できないサンプリングの基本はランダム(無作為) 偏って抽出している標本の例︓銀座を歩いていた100⼈に調査 ※(調査実施⽇時の)平⽇13:00-14:00に銀座を歩く⼈が対象の⺟集団で，無作為に声がけしたなら良い • • • • • ▲
▪ ★ ★ ★ ★ ★ ▪ ▪ ▪ ▪ ▲ ▲ ▲ ▲ ⺟集団 • ★ ▪ ▲ • ★ ▪ ▲ ランダムに抽出した標本1 偏って抽出した標本2 • ▪ ▲ • • • • ▪ ⺟集団の代表性がある⺟集団の代表性がない

調査したい⺟集団と⼿元の情報を踏まえて，適切なサンプリング⽅法を決定するサンプリング⽅法の決定シンプルランダムサンプリング⺟集団から完全に無作為に調査対象を抽出層別サンプリング⺟集団がいくつかの層に分かれている場合，各層のから必要な数の対象を無作為に抽出クラスターサンプリング⺟集団を構成する⼩集団(クラスター)に対して，⼩集団をランダムに抽出
+ 最も基本的な考え⽅⺟集団の構成リストが必要 (例)電話番号リストから乱数表で対象者を決定 + ⺟集団を層別に推定できる⺟集団の層の構成⽐を把握する/決定する必要 (例)性別×年代の層で⼈⼝動態⽐に即して抽出 + クラスター情報があればサンプリングが容易クラスター内は偏りがあるため偏る懸念 (例)学⼒測定のために全国の⾼校をランダム抽出

ウェイトバック集計⺟集団の構成⽐に即した標本を抽出できなかった場合，標本の構成⽐を⺟集団に合わせるように補正して代表性を担保する⺟集団に合致ウエイト値 = 対象属性の⺟集団サイズ ÷ 対象属性の標本サイズ ×
(標本サイズ ÷ ⺟集団サイズ) (例)男性65歳〜74歳ウエイト値 = 6,078,716 ÷ 507 × (2,308÷22,343,025) = 1.24 内閣府政策統括官. (2003).平成14年度⾼齢者の健康に関する意識調査結果, https://www8.cao.go.jp/kourei/ishiki/h14_sougou/html/0-1.html

代表的な調査⽅法⼀覧区分 No 調査⽅法内容定量 1 訪問調査調査員が対象者の⾃宅を訪問して，質問する調査⽅法 2
郵送調査調査票と返送⽤封筒を対象者に郵送し，回答した調査票を期⽇までに返送してもらう調査⽅法 3 電話調査対象者リストに基づいて，調査員が対象者(世帯)に電話をかけ，電話内で質問をする調査⽅法 4 ランダムディジットダイヤリング(Random Digit Dialing, RDD) 無作為に数字を組み合わせて番号を作り，調査員が電話をかけて調査する⽅法 5 オンライン調査調査会社が保有する調査パネル(モニター)等に，Webページにアクセスしてもらい，回答を得る定量的な調査⽅法 6 ホームユーステスト (Home Use Test, HUT) 家庭で実⽣活の中で商品・サービスを使⽤してもらい，感想を調査する⽅法 7 オンライン⾏動ログ調査 CookieによるWebサイトの⾏動ログ等のデータを利⽤した調査⽅法 8 オフライン⾏動ログ調査スマートテレビによるテレビ広告等の視聴ログや，スマートフォンによる位置情報ログ等のデータを利⽤した調査⽅法定性 9 デプスインタビュー調査員と対象者1対1で，インタビュー形式で深く聞き込む調査⽅法 10 フォーカスグループインタビュー (Focus Group Interview, FGI) 調査員1⼈と対象者複数⼈で，より⾃然な意⾒を収集することを狙う調査⽅法 11 会場調査(Central Location Test, CLT) 専⽤の会場を⽤意して，対象者に商品・サービス等を使⽤してもらい，感想を調査する⽅法 12 店頭陳列調査調査員が店舗を訪問して，商品の陳列状態や販促物の設置状況を観察する調査⽅法 13 ショップアロング調査調査員が同⾏しながら，対象者に店舗で買い物してもらい，商品・サービスを買うまでの感じたことを調査する⽅法 14 ミステリーショッパー調査員が消費者のふりをして店舗に訪問し，商品・サービス・従業員の応対等を調査する⽅法 15 エスノグラフィ調査員が対象⺠族と⾏動を共にしながら⽇常の⾏動様式を詳細に記述する，⽂化⼈類学等で利⽤される調査⽅法その他 16 ⽂献調査図書館やオンラインで，統計データや論⽂・書籍等の⽂献を調査する⽅法 17 店舗導線調査ビデオカメラやビーコン等を使⽤し，店舗での対象者の導線を調査する⽅法 18 アイトラッキングアイトラッキングデバイスを利⽤し，対象者の商品・サービス利⽤中や店舗で買い物中の視線の動きを調査する⽅法 19 表情解析商品・サービスの利⽤中などの対象者の表情を解析し，使⽤後ではなく，リアルタイムの感情を調査する⽅法 20 ⽣体情報・ニューロサイエンス⼼拍などの⽣体情報，脳⾎流・脳波などの脳活動を専⽤機器でデータ化し，対象者の感性を調査する⽅法

サンプルサイズよりも重要な有効回答率抽出したサンプルが偏っていなかったとしても，そのサンプルで回答した⼈に偏りがあっては代表性があるとは⾔えない有効回答率60% 500⼈に調査 300⼈有効回答率0.6% 50,000⼈に調査 300⼈信頼性が異なる

価値づくりにおける測定すべき消費者の知覚認知消費者が知らないと何も始まらない「買いたいほどではない」では価値ではない「安いなら買う」では価値が低い「1回で⼗分」では利益率が低い (再購⼊意向・推奨意向) コンセプトが理由でなければ再現性が低い購⼊意向
⽀払意思額ロイヤルティコンセプト想起率定点観測では，時系列で⽐較するため，やみくもに項⽬を増やさず，絞って固定すべき

ブランド認知の⽔準トップオブマインドブランド想起ブランド認識ブランド未知認知度低⾼⼼の中で最上位の認知である純粋想起で最初に挙げたブランド
カテゴリーに属するブランドを挙げてもらう純粋想起で確認選択肢を提⽰して，認識しているブランドを問う助成想起で確認選択肢を提⽰しても認識がない Aaker, D. A. (1991). Managing brand equity. Free Press. (陶⼭計介ら訳. (1994). ブランド・エクイティ戦略. ダイヤモンド社)

設問の順序調査対象者の負担が少なく，⾃然に回答でき，バイアスを考慮した順序に⾏動モデル認知→興味→検索→購⼊→シェア等の⾏動の順序に則して質問する事実と感情店舗への訪問や商品の購⼊等の事実を質問した後に，その感情・感想を問う⼀般と個別⼀般的な質問から始め，対象者のみに個別の(詳細な)質問をする関連質問関連する質問は分断せずに，まとめて質問する
想起⽅法純粋想起と助成想起を併⽤する場合，純粋想起を先に質問順序バイアス前の質問は後の質問に影響を与えるため，バイアスを避けたい指標は先に質問

回答形式調査⽬的と設問項⽬を踏まえて，適切な回答形式を選択する No 回答形式内容 1 単⼀回答 (Single Answer, SA)
複数の選択肢から，その中から1つ選ぶ回答形式 2 複数回答 (Multiple Answer, MA) 複数の選択肢から，その中から複数選択可能な回答形式 3 制限付き複数回答 (Limited Answer, LA) 複数の選択肢から，その中から上限がある複数選択の回答形式 4 ⾃由回答 (Free Answer, FA) 単語や⽂章で⾃由に記述する回答形式 (⽂字数の上下限を設ける場合もある) 5 数値配分回答複数の選択肢に対して，合計が⼀定の数(例︓100点)になるように配分する回答形式 6 順位回答⽤意された複数の選択肢に順位をつける回答形式 7 ⼀対⽐較複数の選択肢の順位について，1対1で⽐較して順位を明確に回答する形式 8 数値回答数値で⾃由に回答する形式 9 助成想起企業・商品ブランドの認知等を調査する際に，⽤意された選択肢から選ぶ回答形式 10 純粋想起企業・商品ブランドの認知等を調査する際に，選択肢を提⽰せずに⾃由に回答する形式

“純粋想起型SA”のススメ企業・商品の辞書を⽤意することで，バイアスを軽減してコード化された回答を得る Q. あなたが最も購⼊を検討している⾞名をお答えください．「フ」と⼊⼒「フィット」と⼊⼒「fit」と⼊⼒「フィッツ」と⼊⼒

⽂献調査におけるソースの種類 1次ソース・調査データ・論⽂の筆者主張・企業のリリース・創造物 2次ソース・分析結果と解釈・専⾨書籍・専⾨家の報告書
・(事実の)ニュース 3次ソース・⼀般向け書籍・⼀般向け記事・百科事典・教科書次数が増えるにつれ，情報量が減り，異なる意図が追加されるため，コストをかけて⽣み出された1次・2次ソースを重視すべき

2. 結果を決めてしまう調査設計アジェンダ 4. どのように可視化すべきか︖ 1. 調査・検証のプロセス 3. 調査に潜むバイアス 5.
まとめ

バイアスの種類バイアスは調査のあらゆるプロセスに潜むため，発⽣メカニズムを理解して調査設計調査票調査プロセス調査時期サンプリング調査・データ回収 • 設問数の⻑さ •
調査画⾯の設計 • シーズナルバイアス • 対象の⾏動からの経過時間 • ⺟集団の⾮代表性 • 回答デバイス • バンドワゴン効果・アンダードッグ効果 • 多国間の⽐較調査設計バイアスの種類意思決定 • 意思決定の根拠

シーズナルバイアス 1: Kato, T. (2022). Demand Prediction in the Automobile
Industry Independent of Big Data. Annals of Data Science, 9(2), 249–270. 2: Wright, J. A., Yang, H., & Walker, K. (2012). Do international surveys and censuses exhibit ʻDry Seasonʼbias?. Population, space and place, 18(1), 116-126. 3: Khandker, S. R. (2012). Seasonality of income and poverty in Bangladesh. Journal of Development Economics, 97(2), 244-256. 季節等の周期によって消費者⾏動に影響を与えるバイアス． 2時点の調査を⽐較する際，⽐較不可能な時点を選んではいけない． • ⾃動⾞の販売台数は，メーカーの決算⽉である3⽉に販売が増加する1 • 64カ国の国勢調査を⾒ると，⾬期を避けて実施され，乾季バイアスが懸念2 • バングラデシュでは，⽶の収穫前に⾷糧不⾜になる傾向がある3

「わからない」の回答率購⼊後の経過年耐久消費財における「再購⼊⾏動・意向」の難しさ 10年スパンの耐久消費財では，再購⼊意向をすべての⼈に聴取することは難しい Kato, T. (2019). Loyalty management in
durable consumer goods: trends in the influence of recommendation intention on repurchase intention by time after purchase. Journal of Marketing Analytics, 7(2), 76-83. 再購⼊意向の回答可否購⼊経過年別の回答可否わからない 26.5%

設問数の⻑さ設問の意味を理解し，関連記憶を取り出し，選択肢を選ぶのは負荷が⼤きい • 調査が⻑いほど，回答率が低下する1 • 設問数が多いと無回答率が増え，回答品質が低下する2 • 想定時間が⻑いほど，回答率が低くなり，⾃由回答の⽂字数が短くなる3 • 理解しにくい質問を提⽰された回答者は，回答品質が低下する4
1: Fan, W., & Yan, Z. (2010). Factors affecting response rates of the web survey: A systematic review. Computers in human behavior, 26(2), 132-139. 2:Deutskens, E., De Ruyter, K., Wetzels, M., & Oosterveld, P. (2004). Response rate and response quality of internet-based surveys: An experimental study. Marketing Letters, 15(1), 21-36. 3: Galesic, M., & Bosnjak, M. (2009). Effects of questionnaire length on participation and indicators of response quality in a web survey. Public opinion quarterly, 73(2), 349-360. 4: Lenzner, T. (2012). Effects of survey question comprehensibility on response quality. Field Methods, 24(4), 409-428.

調査画⾯の設計同じ項⽬を調査したとしても，画⾯環境によって，その回答結果は変化する • 調査の招待メール冒頭に，名前を記載することで参加率が増加する1 • ⻑いスクロールより，短い設問数でのページ遷移の⽅が無回答率が少ない2 • ドロップダウンより，ラジオボタンの⽅が回答の誤りが少ない3 • ⾃由回答では，テキストボックスを⼤きく表⽰することで⽂字数が増加する4
1: Sauermann, H., & Roach, M. (2013). Increasing web survey response rates in innovation research: An experimental study of static and dynamic contact design features. Research Policy, 42(1), 273-286. 2: Peytchev, A., Couper, M. P., McCabe, S. E., & Crawford, S. D. (2006). Web survey design: Paging versus scrolling. International Journal of Public Opinion Quarterly, 70(4), 596-607. 3: Healey, B. (2007). Drop downs and scroll mice: The effect of response option format and input mechanism employed on data quality in web surveys. Social Science Computer Review, 25(1), 111-128. 4: Maloshonok, N., & Terentev, E. (2016). The impact of visual design and response formats on data quality in a web survey of MOOC students. Computers in Human Behavior, 62, 506-515.

市場代表性偏った標本を抽出してしまうと，⺟集団を推定することが困難に 1: Smith, A. B., King, M., Butow, P.,
& Olver, I. (2013). A comparison of data quality and practicality of online versus postal questionnaires in a sample of testicular cancer survivors. Psycho-oncology, 22(1), 233-237. 2: Kato, T., Kishida, N., Umeyama, T., Jin, Y., & Tsuda, K. (2020). A random extraction method with high market representation for online surveys. International Journal of Business Innovation and Research, 22(4), 569-584. 3: Auspurg, K., Schneck, A., & Thiel, F. (2020). Different samples, different results? How sampling techniques affect the results of field experiments on ethnic discrimination. Research in Social Stratification and Mobility, 65, 100444. • 郵送調査と⽐較して，オンライン調査は学歴が⾼い⼈が参加しやすい1 • 調査会社の保有するパネルでは，⾦銭的インセンティブを⽬的にした⼈の偏り2 • 調査時に，⼀部の⼈種・⺠族を排他してしまうサンプリングバイアスが懸念3

回答デバイス同じ項⽬を調査したとしても，デバイスによって，その回答結果は変化する PCに⽐べて，スマートフォンで回答する⽅が回答に時間がかかり1，回答完了率が低くなり，測定誤差が⼤きくなる3 1: Couper, M. P., & Peterson,
G. J. (2017). Why do web surveys take longer on smartphones?. Social Science Computer Review, 35(3), 357-377. 2: Mavletova, A. (2013). Data quality in PC and mobile web surveys. Social Science Computer Review, 31(6), 725-743. 3: Lugtig, P., & Toepoel, V. (2016). The use of PCs, smartphones, and tablets in a probability-based panel survey: Effects on survey measurement error. Social Science Computer Review, 34(1), 78-94.

弱者を応援したい気持ち・強者に便乗したい気持ち • アンダードッグ効果︓愛らしい敗者や弱者を⽀援したいという願望1 • バンドワゴン効果︓予想される多数派や⽀配的地位に加わる傾向2 • 2つの効果はほぼ相殺されると考えられているが，⼗分に⽴証されていない3 途中結果がわかると，その状況から影響を受けて，⾔動が変化してしまう 1:Paharia, N.,
Keinan, A., Avery, J., & Schor, J. B. (2011). The underdog effect: The marketing of disadvantage and determination through brand biography. Journal of Consumer Research, 37(5), 775-790. 2: Schmitt-Beck, R. (2015). Bandwagon effect. The international encyclopedia of political communication, 1-5. 3:峰久和哲. (2010). 新聞の世論調査⼿法の変遷 (< 特集> 世論と世論調査). マス・コミュニケーション研究, 77, 39-58.

⽇本⼈の中間回答傾向 • アメリカ⼈と⽐較して，⽇本⼈は最も良い/悪い回答を嫌う傾向がある1 • この特性は，ポジティブな項⽬ほど抑制する傾向が強くなる2 • 対策例として，各国での選択肢の強弱調整が提唱3 (しかし，正解はない) ⽇本︓「1.満⾜，2.やや満⾜， 3.やや不満，4.不満」
アメリカ︓「1. very satisfied, 2. satisfied, 3. unsatisfied, 4. very unsatisfied」複数国での調査は，単純に⽐較すると回答傾向によるバイアスが懸念 1:Iwata, N., Okuyama, Y., Kawakami, Y., & Saito, K. A. Z. U. O. (1989). Prevalence of depressive symptoms in a Japanese occupational setting: a preliminary study. American Journal of Public Health, 79(11), 1486-1489. 2:Iwata, N., Saito, K., & Roberts, R. E. (1994). Responses to a self-administered depression scale among younger adolescents in Japan. Psychiatry Research, 53(3), 275-287. 3: 吉野諒三，林⽂，⼭岡和枝.(2010).国際⽐較データの解析:意識調査の実践と活⽤.20-95，朝倉書店.

意思決定の根拠同じ分析結果であっても，受け取り⼿の状況によって，意思決定が変化してしまう 1: Zhu, T. (2022). Accounting for the last-sampling
bias in perceptual decision-making. Cognition, 223, 105049. 2: Mitsuda, T., & Yoshioka, Y. (2018). Final Sampling Bias in Haptic Judgments: How Final Touch Affects Decision-Making. Perception, 47(1), 90-104. 3: Walmsley, S., & Gilbey, A. (2019). Understanding the past: Investigating the role of availability, outcome, and hindsight bias and close calls in visual pilots' weather-related decision making. Applied cognitive psychology, 33(6), 1124-1136. 4: Mamede, S., Goeijenbier, M., Schuit, S. C., de Carvalho Filho, M. A., Staal, J., Zwaan, L., & Schmidt, H. G. (2021). Specific disease knowledge as predictor of susceptibility to availability bias in diagnostic reasoning: a randomized controlled experiment. Journal of general internal medicine, 36(3), 640-646. • 意思決定において，最後にサンプリング調査した結果に影響を受けやすい1 • 2つのアイテムを⽐較して選択する場合，最後に評価したものを選択する傾向2 • 直前に読んだレポートによって，その後の評価に影響が⽣じる3 • 知識の低い医師は，知識の⾼い医師よりも，利⽤可能性バイアスに陥りやすい4 ※印象に残るものや⾝近にあるものを基準に選択する傾向

バイアスの捉え⽅バイアスを完全になくすことは，おおよそ不可能である．バイアスの存在と発⽣原因を把握し，対象者の状況を考慮して最⼤限バイアスを低減する調査設計を⾏うことが重要である．調査にあたって，バイアスの存在を知らないことが最も恐ろしい状態である

2. 結果を決めてしまう調査設計アジェンダ 4. どのように可視化すべきか︖ 1. 調査・検証のプロセス 3. 調査に潜むバイアス 5.
まとめ

円グラフ Before 最も⼤きい箇所を判断できない(3D)円グラフは決して使ってはならない Brand 1 Brand 2 Brand 3
Brand 4 Brand 5 Brand 6 Brand 7 NG

3D円グラフ After 1つのテーマカラーを⽤いた，ムダな線のないシンプルな棒グラフ Good 22% 0% 5% 10% 15% 20%
25% Brand 1 Brand 2 Brand 3 Brand 7 Brand 4 Brand 6 Brand 5 シェア

表 Before 線が多く，⾏間が狭い，ごちゃごちゃした表は読みにくい NG

表 After 線は横線のみで，⾏間が広く，シンプルな表 Good

悪しきグラフの特徴デザイン的視点客観的視点⼀眼でわからない悪しきグラフ • 視覚的に歪む3D・⽴体化 • 0から始まらない軸 •
軸名称の⽋如 • 不揃いな⼩数点の桁数 • カンマのない数字 • 恣意的な項⽬分類 • 図表中の略語の未説明 • ⾒苦しい多すぎる線 • ⾒苦しい太すぎる線 • ⽬に悪い多⾊展開 • パッと結びつかない凡例 • 複雑な⼆軸グラフ • 細かすぎる項⽬分類 • ⼿抜きのExcel標準出⼒

まとめ • 解決されていない問題とその対策(仮説)は，顧客に聞くものではなく，⾃ら考えるものであり，その出発点として客観的調査がある • ⺟集団の定義とサンプリング⽅法の決定，サンプルサイズ設計，調査⽅法と回答率，質問の順序など，調査では設計が極めて重要である • バイアスの存在と発⽣原因を把握し，対象者の状況を考慮して最⼤限バイアスを低減する調査設計を⾏うべき
• 多国間の調査における結果は，単純に⽐較すべきではない

Survey

Survey

More Decks by Takumi Kato

Other Decks in Research

Featured

Transcript