マーケティングリサーチの学び場『Lactivator』代表。自動車会社でマーケティングリサーチに従事後、誰でも気軽にマーケティングを学べる場として2012年に本サイトを開設。また故郷:群馬県の活性化の為、2013年より上毛かるたの日本一決定戦『KING OF JMK』を主宰。著書『上毛かるたはカタル』も発売中。
●無料メールで学ぶマーケティング講座配信中⇒こちら
マーケティングリサーチャーの渡邉俊です。
今日はアンケート調査の分析についてよくある質問を1つ紹介いたします。
それは『アンケートで、マトリクス形式で質問した回答データはTOP 2 boxで表したり、スコア化したりと色々集計方法がありますが、正しいやり方はどれなのですか?』というものです。
こちらについて詳しくお話します。
マトリクス形式での質問でリサーチを行う
マトリクス形式の質問とは?
マトリクス形式(表形式とも呼ばれますが)とは、複数の質問を表にしたものです。
具体的には以下のようなものですね。
そして以下がその評価結果(データ)の例になります。
このように同じ選択肢を使って複数の項目に回答・評価してもらいたい場合に使用します。
具体的には上記の様な商品に対するお客様の重視点を探ったり、または複数の商品に対する評価やイメージの比較を行う場合などです。
質問を表の形にまとめることによって、回答者がアンケートの内容をきちんと理解して回答しやすくなるという利点があります。
従いまして分析は主に、その回答・評価データを項目ごとに並列比較することになるのですが、比較の仕方が色々あるのです。
複数選択式の質問との違い
似たような方法として複数選択式という質問もあります。
これは『この中から当てはまるものを全てお選び下さい。』という形で、単純に当てはまるものを複数選んでチェックするという質問形式です。
この質問形式でも評価は可能です。
1つ1つの項目に対して回答する必要はないので、マトリクス形式と比べると回答者の負担は少ないことが利点です。
ただし、各項目の『重み』がわからないというデメリットがあります。
上記の複数選択式の質問だと、例えば「頑丈さ」にチェックが入ったとしても、回答者がそれをどのくらい重視したのかはわかりませんよね。
従いまして、詳しい評価を取りたいのであれば複数選択式よりもマトリクス形式で質問を組み立てた方がより詳細なデータを取ることができる訳です。
また高度な統計分析(因子分析やクラスター分析)を行う予定があるならば、なおさらマトリクス形式の方をお勧めします。
マトリクス形式質問の集計方法
さて冒頭に記載した『マトリクス形式の質問の正しい集計方法』についてですが、結論から言うと『正しい』方法というのはありません。
集計のやり方はいくつかありますが、調査目的やデータの状況によってどんな方法を取るのかを判断することになります。
もちろん一番シンプルな方法として、各項目の回答結果を以下のように棒グラフで描いて項目ごとに比べるというのがあります。
Excel(エクセル)などの表計算ソフトがあれば簡単にグラフ作成できますし、全項目、全選択肢に対する回答傾向を見る事が可能です。
但し、項目数や選択肢数が多くなればなるほど見にくくなり、この結果から一体何か言えるのか?が読み取るにくくなってしまいます。
その為、分析者一人がデータを見るのならこれで良いのですが、調査結果を誰かに報告する場合、このグラフだと何がポイントなのか伝わりにくくなってしまいます。
従いまして、このマトリクス形式の集計としてよく見る方法は以下の4つがあります。
・TOP 2 box
・TOP 1 box
・TOP – BOTTOM box
・Averaged Score (平均スコア)
1. TOP 2 box
文字通り、選択肢の上位2つを選んだ回答者が全体の何%いるかを算出した数字を『TOP 2 box』と言います。
要するに、該当する項目についてそれなりに良い評価をした人がどの程度いるのかを指標化したものです。
以下の例でいうと、上位2つの選択肢である『とても重視した』(41.9%)と『重視した』(51.3%)の合計(=93.2%)がTOP 2 boxになる訳です。
<メリット>
おそらく、マトリクス形式質問の集計としては一番多く使われている方法だと思います。計算も簡単で数値が示す意味もシンプルです。
<デメリット>
悪い評価をした人の意見が数値には全く反映されません。
例えば上記データの場合、6.8%の人が「どちらともいえない」、「重視していない」、「全く重視していない」のどれかを答えたことになります。
しかし、その6.8%の内訳がどうであろうが、TOP 2 boxの数値には何も影響ありません。全員が「どちらともいえない」と答えていようが、「全く重視していない」と答えていようが『頑丈さ』のTOP 2 boxは93.2%ですよね。
2. TOP 1 box
こちらも文字通り、選択肢の最上位を選んだ回答者が全体の何%いるかを算出した数字を『TOP 1 box』と言います。
最高評価をした人が全体の何%いるのかを指標化したものになります。
以下の例でいうと、『とても重視した』(41.9%)がTOP 1 boxの値です。
<メリット>
TOP 2 box同様、こちらも多用される集計方法です。数値の意味合いが分かりやすく、かつ計算も簡単です。
<デメリット>
TOP 2 box同様、悪い評価をした人の意見が数値には全く反映されません。
また最上位の選択肢だけが集計対象なので、項目ごとに比較すると有意差が出ない可能性もあります。
繰り返しますが、上記2つは良い評価をした人の意見のみが反映される数値であり、悪い評価は全く反映されません。
もちろんそれがダメな訳ではないのですが、もし良い評価も悪い評価も全て取り入れて各項目を評価したいのであれば次の2つの方法があります。
3. TOP – BOTTOM
これは『TOP』から『BOTTOM』を引くという意味です。
TOPというのは評価の良い上位項目という意味でしたが、反対に評価の悪い下位項目をBOTTOMと呼びます。
『TOP – BOTTOM』というのはTOPの値からBOTTOMの値を引くということになります。
例えば以下の場合、TOP 2 boxの値は41.9% + 51.3% = 93.2%ですが、同じようにBOTTOM 2 boxを計算すると0.8% + 0.2% = 1.0%です。
従いましてこの場合、TOP 2 box – BOTTOM 2 box = 93.2% – 1.0% = 92.2%になる訳です。
もちろん、『TOP 1 box – BOTTOM 1 box』という形で1 boxで計算しても構いません。
<メリット>
『どちらともいえない』を選択した人の意見は反映されないものの、良い評価の人と悪い評価の人の双方を反映できます。
<デメリット>
一方で、算出された値の意味が分かりにくいという懸念があります。
例えば以下の2つをご覧ください。
上は『どちらともいえない』に回答が集中している場合、下は『とても重視した』と『全く重視していない』の2つ回答が分かれた場合です。
上下で回答の傾向は全く異なりますが、TOP 2 box – BOTTOM 2 boxを計算すると両方とも0.0%になり、数値は同じという事になってしまいます。
このような状況を良しとするのであればTOP – BOTTOMを使っても良いのですが、そうでなければ避けた方がよいかもしれません。
Averaged Score(平均スコア)
上記とは全く異なる方法として、スコア化するやり方があります。
下記のように、『とても重視した』を5点、『重視した』を4点、『どちらともいえない』を3点、重視していないを2点、『全く重視していない』を1点として、平均点を計算するという方法です。
この場合、4.34点がこの項目のスコアになり、同じ計算も他項目でも行って比較します。
<メリット>
回答した方全ての意見を数値に反映、比較する事ができます。
また単純に平均を出す計算なので、それほど難しい訳ではありません。
<デメリット>
一方、出てくる値は単位のない『スコア』なので、上位の評価をしてくれた人がどの程度存在するのか、または悪い評価をした人がどの位いたのかという規模感が掴みにくいです。
商品コンセプトなどを評価してもらう場合、スコアよりも『何人が「いいね!」と言ってくれたのか?』の方が気になりますよね。
それがこのやり方だと分かりにくいのです。
参考) アンケート調査をビジネスに活用する方法は無料メール講座でも詳しく解説してます。
無料ですので、是非こちらも購読登録してみて下さい。
【注意】集計方法が決められている評価
前述の通り、どれが正しいやり方、間違ったやり方というのはありません。
メリットとデメリットをきちんと理解した上で、どれを使うのかを判断してもらえればよいと思います。
但し、集計方法が決められている評価もあります。
代表的なのがNPS(Net Promotor Score)などです。
NPSとは、商品やブランドの推奨意向(友人・知人にどの程度勧めたいと思うか?)を評価する方法であり、現在様々な業界で取り入れられています。
NPSは、推奨意向を11段階評価で回答してもらうよう決められています。
そして、上位2つ(10、9)を選んだ人を『推奨者』、その下の2つ(8、7)を選んだ人を『中立者』、それ以外(6~0)を『批判者』とし、”推奨者の割合(%) – 批判者の割合(%)”で計算されたものをNPSとします。
この方法以外で計算されたものはNPSと認められませんので注意して下さい。
※NPSについては以下のブログで詳しく解説しています!