コンジョイント分析とは？機能と価格のトレードオフを数値化

この記事の要約

コンジョイント分析は、顧客がどの機能にいくら払うかを定量化する統計手法です。基本原理、実施手順、活用事例を解説します。

「この機能は顧客にとっていくらの価値があるのか？」この問いに、数値で答える手法がコンジョイント分析です。

本記事では、複数属性のトレードオフを定量化する統計手法の仕組みと実践方法を解説します。

本記事の表記について

金額の日本円換算は1ドル=150円で計算しています
下線付きの用語にカーソルを合わせると解説が表示されます

この記事でわかること

コンジョイント分析の仕組み: 複数属性を同時評価する原理
4つの分析手法: Full-Profile、CBC、Adaptive、MaxDiffの使い分け
実施6ステップ: 設計から市場シミュレーションまで
活用事例: Apple訴訟、VIVO、SaaS企業の成功例
他手法との比較: PSM法やGabor-Grangerとの違い

基本情報

項目	内容
トピック	コンジョイント分析（Conjoint Analysis）
カテゴリ	プライシング・市場調査
難易度	中級〜上級
対象読者	プロダクトマネージャー、プライシング担当者

コンジョイント分析の概念図

コンジョイント分析とは

定義

製品の複数属性（価格、機能、ブランド等）に対する顧客の選好を定量化し、機能と価格のトレードオフを数値化する統計手法です。

顧客が実際の購買で行う「この機能のためにいくら追加で払うか」という判断を模擬します。

歴史

年代	出来事
1960年代	Luce & Tukeyが数理心理学で理論基盤を確立
1971年	Paul E. Green（Wharton School）がマーケティングへ応用
1975年	Harvard Business Reviewが経済界に紹介
その後	Jordan LouviereがChoice-Based Conjoint（CBC）を開発

なぜ重要か

「どの機能が重要ですか？」と聞いても、顧客は「全部重要」と答えます。

コンジョイント分析は、トレードオフを強制することで、真の選好を引き出します。

従来の調査	コンジョイント分析
Q: 価格と品質、どちらが重要ですか？<br>A: 両方です	製品A: 高品質・高価格<br>製品B: 標準品質・低価格<br>→ どちらを選びますか？

4つの手法

コンジョイント分析には、回答形式によって4つの主要手法があります。

1. Full-Profile Conjoint（従来型）

特徴: 全属性を含む製品プロファイルを評価します。

メリット:

包括的な評価が可能

デメリット:

属性数が6程度に制限される
回答者の認知負荷が高い

用途: 属性が少ない製品（スマートフォン、家電等）

2. Choice-Based Conjoint（CBC）

特徴: 複数の製品プロファイルから1つを選択する形式です。

メリット:

現実の購買意思決定に最も近い
直感的で回答しやすい

デメリット:

分析に高度な統計モデル（MNL、HB）が必要

分析手法:

Multinomial Logit（MNL）
Latent Class MNL（顧客セグメンテーション）
Hierarchical Bayesian（HB）

用途: B2C製品、SaaSプラン選択

3. Adaptive Conjoint Analysis（ACA/ACBC）

特徴: 回答内容に応じて質問が適応的に変化します。

メリット:

多数の属性（20-25）を扱える
回答者ごとに最適化された質問

デメリット:

実装が複雑
質問数が多く30分以上かかる場合がある

用途: B2B複雑製品、エンタープライズソリューション

4. MaxDiff（Best-Worst Scaling）

特徴: 最も好きな項目と最も嫌いな項目を選択します。

メリット:

回答者負荷が低い
属性の優先順位付けが簡単

デメリット:

属性の組み合わせ効果は測定できない

用途: コンジョイント分析の前段階調査

手法比較表

手法	属性数上限	回答者負荷	現実性	分析の複雑さ
Full-Profile	6	高	中	低
CBC	6-8	中	高	高（MNL, HB）
Adaptive	20-25	高（30分+）	高	非常に高
MaxDiff	多数	低	中	低

実施6ステップ

コンジョイント分析の実施プロセスは以下の6ステップです。

実施フロー

Step 1: 属性と水準の設計

製品を構成する属性と、各属性の水準を決定します。

例: スマートフォンの属性設計

属性	水準
ブランド	Apple / Samsung / Google
価格	$600 / $800 / $1,000
RAM	6GB / 8GB / 12GB
ROM	128GB / 256GB / 512GB

ベストプラクティス:

属性数は最大6（Full-Profile）、6-8（CBC）
各属性の水準は2-4が理想

Step 2: 直交設計による選択セット作成

統計的に効率的な製品プロファイルの組み合わせを生成します。

重要概念:

概念	説明
直交性（Orthogonality）	属性間の相関がゼロ。独立して効果を測定できる
Level Balance	各水準が同じ回数出現する

これにより、少ない質問数で正確な推定が可能になります。

Step 3: 調査実施

回答者に選択セットを提示し、選好を収集します。

回答形式:

選択（CBC）: 3つの製品から1つを選ぶ
評価（Full-Profile）: 各製品を1-10点で評価
ランキング: 複数製品を順位付け

Step 4: Partworth Utility（部分効用値）の推定

各属性の水準が、全体の効用にどの程度寄与するかを数値化します。

解釈: 0を基準とした相対値

正の値: 基準より好まれる
負の値: 基準より好まれない

例: スマートフォンの部分効用値

属性	水準	Partworth
ブランド	Apple	+0.8
ブランド	Samsung	0.0（基準）
ブランド	Google	-0.3
価格	$600	+1.2
価格	$800	0.0（基準）
価格	$1,000	-0.9

この例では、顧客はAppleブランドを好み、低価格を強く選好することがわかります。

Step 5: Willingness to Pay（支払意思額）の推定

価格の部分効用値を用いて、他の属性を金銭価値に変換します。

計算式:

MWTP（機能Aから機能Bへのアップグレード）
= (Utility_B - Utility_A) / 価格係数

例: AppleブランドのWTP

価格係数 = (1.2 - (-0.9)) / $400 = 0.00525 per dollar

AppleのWTP = (0.8 - 0.0) / 0.00525 = $152

顧客はAppleブランドに対して約152ドル（約2.3万円）のプレミアムを支払う意思があることがわかります。

注意: 競合製品や「購入しない」選択肢を考慮しないと、WTPを過大評価するリスクがあります。

Step 6: 市場シミュレーション

様々な製品構成における市場シェアを予測します。

用途:

製品ラインの最適化
価格設定の影響予測
競合分析

例: 新製品の市場シェア予測

製品	構成	予測シェア
自社新製品	Apple / $800 / 8GB / 256GB	32%
競合A	Samsung / $700 / 6GB / 128GB	28%
競合B	Google / $600 / 8GB / 128GB	25%
購入しない	-	15%

メリット

1. 現実的なトレードオフ分析

顧客が実際の購買で行う「この機能のためにいくら追加で払うか」という判断を模擬します。

単純な「どちらが重要ですか？」という質問より、真の選好を引き出せます。

2. 複数属性の同時評価

価格、ブランド、機能を同時に評価し、相互作用を捉えられます。

例: VIVOの発見

VIVOはコンジョイント分析により、「RAMが増加すると、追加ROMの重要性が低下する」という相互作用を発見しました。

これは単一属性の調査では発見できません。

3. 市場セグメンテーション

Latent ClassやHierarchical Bayesianにより、顧客セグメントごとの選好差を特定できます。

例:

エンタープライズ顧客: セキュリティ機能を重視、プレミアム価格を受け入れる
SMB顧客: 価格を重視、基本機能で十分

4. ブランド価値の定量化

ブランド名を属性として組み込むことで、ブランドプレミアムを金銭換算できます。

5. 価格弾力性の推定

価格変動が需要に与える影響を予測できます。

デメリット

1. 設計の複雑さ

直交設計、統計モデリングに専門知識が必要です。設計ミスがバイアスを生みます。

2. 仮説バイアス

実際の金銭支出がないため、回答者が高級オプションを過大評価する傾向があります。

3. 測定誤差

調査設計が複雑なため、回答者内の一貫性が低くなりがちです。

4. 回答者負荷

Adaptive Conjointでは20-25属性で30分以上かかる場合があります。

5. 感情的価値への不向き

ラグジュアリー商品など、感情・イメージが主な購買要因の場合には適用困難です。

6. 高コスト

専門リサーチ会社に依頼すると以下のコストがかかります。

規模	コスト
標準的な調査	$15,000-$50,000（約225万円-750万円）
エンタープライズB2B	$150,000以上（約2,250万円以上）

実際の活用事例

1. Apple vs. Samsung訴訟（2012年）

背景: 特許訴訟における損害賠償額の算定

アプローチ: MIT教授John Hauserがコンジョイント分析を用い、Appleの特許機能に対する消費者需要を定量化しました。

ツール: Sawtooth Softwareのコンジョイント分析

成果: スマートフォンとタブレットで2つの選好調査を実施し、経済的損害を推定しました。

2. VIVO（スマートフォンメーカー）

背景: RAMとROM容量の最適な組み合わせを決定

サンプルサイズ: 約500人の回答者

発見: RAMが増加すると、追加ROMの重要性が低下する相互作用を発見しました。

ツール: Sawtooth Softwareのコンジョイント分析

ビジネス影響: この発見により、最適な製品ラインアップを設計できました。

3. IT Infrastructure Management Software（年間売上$10M、約15億円）

背景: SaaSパッケージングの最適化

アプローチ: コンジョイント分析により、4パッケージから2パッケージに再編しました。

成果: 機能セットの再マッピングにより、より効率的なパッケージ構成を実現しました。

4. Dogo（犬トレーニングアプリ、2024年）

背景: SaaS価格最適化

アプローチ: MaxDiffで優先順位を特定後、コンジョイント分析で機能と価格の組み合わせを最適化しました。

2段階アプローチ:

MaxDiff: どの機能が重要かを特定
Conjoint: 機能の組み合わせと価格のトレードオフを最適化

SaaS・B2B領域での活用

トレンド

B2Bソリューションへのコンジョイント分析適用が増加傾向にあります。

課題

課題	詳細
属性の特定困難	大企業向け複雑ソリューションでは、消費財市場で有効な属性が欠如
長期プロセス	意思決定者が複数存在し、購買プロセスが長期化

活用例

エンタープライズ顧客がセキュリティ機能をSMB顧客より重視し、プレミアム価格を受け入れることを発見しました。

これにより、セグメント別価格設定が可能になります。

インパクト

価値ベース価格設定（コンジョイント分析含む）を採用した企業は、コストベースや競合ベース価格設定より25%高い売上成長を報告しています。

主要ツール・ソフトウェア

1. Sawtooth Software Discover

項目	詳細
タイプ	Webベースプラットフォーム
価格	$4,500/ユーザー/年（約67.5万円）
無料トライアル	50人まで無料
機能	Choice-Based Conjoint（CBC）、MaxDiff、無制限の回答者数
対象	標準的なCBC・MaxDiff調査

2. Sawtooth Software Lighthouse Studio

項目	詳細
タイプ	Windowsデスクトップアプリケーション
価格	$10,900/年（約163.5万円）
機能	Adaptive CBC（ACBC）、Menu-Based Choice（MBC）、高度なコンジョイントモデル
対象	複雑な調査設計が必要な研究者
サポート	ワークショップ、カンファレンス、コンサルティングサービス

3. Conjointly

項目	詳細
タイプ	Webベースプラットフォーム
価格	無料プラン（Basic tier）あり。回答者を自社調達する場合、追加課金なし
機能	Generic Conjoint、Brand-Specific Conjoint、SaaS-specific feature/pricing conjoint、TURF、BPTO、MaxDiff
統合	Typeform、SurveyMonkey、Qualtrics等と統合可能
対象	コスト重視、中小規模の調査

4. Qualtrics Conjoint Analysis

項目	詳細
タイプ	エンタープライズ市場調査プラットフォームのアドオン
価格	$13,040（初年度最低コスト、約195.6万円）= $5,040/年（Strategic Researchプラン1席）+ $8,000（コンジョイント分析アドオン）。1,000回答まで含む。追加は$1/回答
機能	Choice-Based Conjoint、エンタープライズ統合
批判	機能が限定的で、2009年以降アップデートされていないような印象

5. その他

1000Minds、Survey Analytics、Package 'support.CEs'、Number Analytics、QuestionPro

PSM法・Gabor-Grangerとの比較

手法	測定対象	属性数	複雑さ	用途
PSM法	価格のみ	1	低	単一製品の価格帯探索
Gabor-Granger	価格のみ	1	低	需要曲線の推定
コンジョイント	価格+機能+ブランド	6-25	高	複数属性のトレードオフ

使い分け:

単純な製品: PSM法やGabor-Grangerで十分
複雑な製品: コンジョイント分析が必須

いつ使うべきか

適している場合

複雑な製品で複数属性のトレードオフを評価したい場合
価格設定の根拠を顧客の選好から導きたい場合
製品パッケージングの最適化
市場シェア予測が必要な場合

適していない場合

属性が少ない単純な製品（Van WestendorpやGabor-Grangerで十分）
感情・ブランドイメージが主な購買要因の製品
B2B大企業向けの超複雑ソリューション（意思決定者が多数、プロセスが長期）

ベストプラクティス

属性数を6以下に制限（Full-Profile）、6-8以下（CBC）
各属性の水準は2-4が理想
直交設計とlevel balanceを確保
価格を属性に含め、WTPを推定可能にする
「購入しない」選択肢を含めることで現実性を高める
MaxDiffで属性の優先順位を特定してから、コンジョイント分析で最適パッケージを設計するという2段階アプローチ

よくある質問（FAQ）

Q1. コンジョイント分析とMaxDiffの違いは何ですか？

MaxDiffは属性の優先順位付けに特化しています。コンジョイント分析は属性の組み合わせ効果を測定できます。

実務では、MaxDiffで属性を絞り込んでから、コンジョイント分析で最適パッケージを設計する2段階アプローチが推奨されます。

Q2. サンプルサイズはどれくらい必要ですか？

Choice-Based Conjoint（CBC）では、最低200-300人、理想的には500-1,000人です。

B2B市場では、ターゲット顧客の母集団が小さい場合、100人程度でも実施可能です。

Q3. 調査期間はどれくらいかかりますか？

フェーズ	期間
設計（属性・水準決定）	1-2週間
調査実施	1-2週間
分析・レポート作成	1-2週間
合計	3-6週間

Q4. 社内で実施できますか？

可能ですが、以下の専門知識が必要です。

直交設計の理解
統計モデリング（MNL、HB）
調査ツールの操作

初めての場合は、専門リサーチ会社に依頼するか、Conjointlyなどのプラットフォームを利用するのが確実です。

Q5. B2B SaaSでも有効ですか？

有効です。ただし、以下の点に注意してください。

意思決定者が複数いる場合、各役職の選好を個別に調査
複雑な機能は、顧客が理解できるレベルに簡略化
長期契約の場合、年間コストに換算して提示

価値ベース価格設定を採用した企業は、25%高い売上成長を報告しています。

Q6. Adaptive Conjoint（ACA）はいつ使うべきですか？

属性が20以上ある複雑なB2B製品で使用します。

ただし、回答者負荷が高い（30分以上）ため、B2C製品では避けるべきです。

Q7. 「購入しない」選択肢を入れるべきですか？

入れるべきです。これにより以下が改善されます。

市場シェア予測の精度向上
WTP推定の過大評価を防止
現実の購買状況を模擬

まとめ

主要ポイント

トレードオフの定量化: コンジョイント分析は、顧客がどの機能にいくら払うかを数値化します
4つの手法: Full-Profile、CBC、Adaptive、MaxDiffを用途に応じて使い分けます
6ステップの実施: 属性設計→直交設計→調査→Partworth推定→WTP計算→市場シミュレーション
高い投資対効果: 価値ベース価格設定を採用した企業は25%高い売上成長を報告
専門性が必要: 設計と分析には統計知識が必要。初めての場合はプラットフォームや専門家を活用

次のステップ

MaxDiffで重要属性を特定する
Conjointlyなどのプラットフォームで小規模パイロット調査を実施
PSM法やGabor-Grangerとの併用を検討

PSM分析とは：Van Westendorp価格感度メーター完全ガイド

Gabor-Granger法とは：需要曲線を描く価格調査手法

参考リソース

本記事はネクサフローのAI研究シリーズの一部です。

この記事をシェア

X Facebook はてな LinkedIn

この記事の要約

コンジョイント分析は、顧客がどの機能にいくら払うかを定量化する統計手法です。基本原理、実施手順、活用事例を解説します。

「この機能は顧客にとっていくらの価値があるのか？」この問いに、数値で答える手法がコンジョイント分析です。

本記事では、複数属性のトレードオフを定量化する統計手法の仕組みと実践方法を解説します。

本記事の表記について

金額の日本円換算は1ドル=150円で計算しています
下線付きの用語にカーソルを合わせると解説が表示されます

この記事でわかること

コンジョイント分析の仕組み: 複数属性を同時評価する原理
4つの分析手法: Full-Profile、CBC、Adaptive、MaxDiffの使い分け
実施6ステップ: 設計から市場シミュレーションまで
活用事例: Apple訴訟、VIVO、SaaS企業の成功例
他手法との比較: PSM法やGabor-Grangerとの違い

基本情報

項目	内容
トピック	コンジョイント分析（Conjoint Analysis）
カテゴリ	プライシング・市場調査
難易度	中級〜上級
対象読者	プロダクトマネージャー、プライシング担当者

コンジョイント分析の概念図

コンジョイント分析とは

定義

製品の複数属性（価格、機能、ブランド等）に対する顧客の選好を定量化し、機能と価格のトレードオフを数値化する統計手法です。

顧客が実際の購買で行う「この機能のためにいくら追加で払うか」という判断を模擬します。

歴史

年代	出来事
1960年代	Luce & Tukeyが数理心理学で理論基盤を確立
1971年	Paul E. Green（Wharton School）がマーケティングへ応用
1975年	Harvard Business Reviewが経済界に紹介
その後	Jordan LouviereがChoice-Based Conjoint（CBC）を開発

なぜ重要か

「どの機能が重要ですか？」と聞いても、顧客は「全部重要」と答えます。

コンジョイント分析は、トレードオフを強制することで、真の選好を引き出します。

従来の調査	コンジョイント分析
Q: 価格と品質、どちらが重要ですか？<br>A: 両方です	製品A: 高品質・高価格<br>製品B: 標準品質・低価格<br>→ どちらを選びますか？

4つの手法

コンジョイント分析には、回答形式によって4つの主要手法があります。

1. Full-Profile Conjoint（従来型）

特徴: 全属性を含む製品プロファイルを評価します。

メリット:

包括的な評価が可能

デメリット:

属性数が6程度に制限される
回答者の認知負荷が高い

用途: 属性が少ない製品（スマートフォン、家電等）

2. Choice-Based Conjoint（CBC）

特徴: 複数の製品プロファイルから1つを選択する形式です。

メリット:

現実の購買意思決定に最も近い
直感的で回答しやすい

デメリット:

分析に高度な統計モデル（MNL、HB）が必要

分析手法:

Multinomial Logit（MNL）
Latent Class MNL（顧客セグメンテーション）
Hierarchical Bayesian（HB）

用途: B2C製品、SaaSプラン選択

3. Adaptive Conjoint Analysis（ACA/ACBC）

特徴: 回答内容に応じて質問が適応的に変化します。

メリット:

多数の属性（20-25）を扱える
回答者ごとに最適化された質問

デメリット:

実装が複雑
質問数が多く30分以上かかる場合がある

用途: B2B複雑製品、エンタープライズソリューション

4. MaxDiff（Best-Worst Scaling）

特徴: 最も好きな項目と最も嫌いな項目を選択します。

メリット:

回答者負荷が低い
属性の優先順位付けが簡単

デメリット:

属性の組み合わせ効果は測定できない

用途: コンジョイント分析の前段階調査

手法比較表

手法	属性数上限	回答者負荷	現実性	分析の複雑さ
Full-Profile	6	高	中	低
CBC	6-8	中	高	高（MNL, HB）
Adaptive	20-25	高（30分+）	高	非常に高
MaxDiff	多数	低	中	低

実施6ステップ

コンジョイント分析の実施プロセスは以下の6ステップです。

実施フロー

Step 1: 属性と水準の設計

製品を構成する属性と、各属性の水準を決定します。

例: スマートフォンの属性設計

属性	水準
ブランド	Apple / Samsung / Google
価格	$600 / $800 / $1,000
RAM	6GB / 8GB / 12GB
ROM	128GB / 256GB / 512GB

ベストプラクティス:

属性数は最大6（Full-Profile）、6-8（CBC）
各属性の水準は2-4が理想

Step 2: 直交設計による選択セット作成

統計的に効率的な製品プロファイルの組み合わせを生成します。

重要概念:

概念	説明
直交性（Orthogonality）	属性間の相関がゼロ。独立して効果を測定できる
Level Balance	各水準が同じ回数出現する

これにより、少ない質問数で正確な推定が可能になります。

Step 3: 調査実施

回答者に選択セットを提示し、選好を収集します。

回答形式:

選択（CBC）: 3つの製品から1つを選ぶ
評価（Full-Profile）: 各製品を1-10点で評価
ランキング: 複数製品を順位付け

Step 4: Partworth Utility（部分効用値）の推定

各属性の水準が、全体の効用にどの程度寄与するかを数値化します。

解釈: 0を基準とした相対値

正の値: 基準より好まれる
負の値: 基準より好まれない

例: スマートフォンの部分効用値

属性	水準	Partworth
ブランド	Apple	+0.8
ブランド	Samsung	0.0（基準）
ブランド	Google	-0.3
価格	$600	+1.2
価格	$800	0.0（基準）
価格	$1,000	-0.9

この例では、顧客はAppleブランドを好み、低価格を強く選好することがわかります。

Step 5: Willingness to Pay（支払意思額）の推定

価格の部分効用値を用いて、他の属性を金銭価値に変換します。

計算式:

MWTP（機能Aから機能Bへのアップグレード）
= (Utility_B - Utility_A) / 価格係数

例: AppleブランドのWTP

価格係数 = (1.2 - (-0.9)) / $400 = 0.00525 per dollar

AppleのWTP = (0.8 - 0.0) / 0.00525 = $152

顧客はAppleブランドに対して約152ドル（約2.3万円）のプレミアムを支払う意思があることがわかります。

注意: 競合製品や「購入しない」選択肢を考慮しないと、WTPを過大評価するリスクがあります。

Step 6: 市場シミュレーション

様々な製品構成における市場シェアを予測します。

用途:

製品ラインの最適化
価格設定の影響予測
競合分析

例: 新製品の市場シェア予測

製品	構成	予測シェア
自社新製品	Apple / $800 / 8GB / 256GB	32%
競合A	Samsung / $700 / 6GB / 128GB	28%
競合B	Google / $600 / 8GB / 128GB	25%
購入しない	-	15%

メリット

1. 現実的なトレードオフ分析

顧客が実際の購買で行う「この機能のためにいくら追加で払うか」という判断を模擬します。

単純な「どちらが重要ですか？」という質問より、真の選好を引き出せます。

2. 複数属性の同時評価

価格、ブランド、機能を同時に評価し、相互作用を捉えられます。

例: VIVOの発見

VIVOはコンジョイント分析により、「RAMが増加すると、追加ROMの重要性が低下する」という相互作用を発見しました。

これは単一属性の調査では発見できません。

3. 市場セグメンテーション

Latent ClassやHierarchical Bayesianにより、顧客セグメントごとの選好差を特定できます。

例:

エンタープライズ顧客: セキュリティ機能を重視、プレミアム価格を受け入れる
SMB顧客: 価格を重視、基本機能で十分

4. ブランド価値の定量化

ブランド名を属性として組み込むことで、ブランドプレミアムを金銭換算できます。

5. 価格弾力性の推定

価格変動が需要に与える影響を予測できます。

デメリット

1. 設計の複雑さ

直交設計、統計モデリングに専門知識が必要です。設計ミスがバイアスを生みます。

2. 仮説バイアス

実際の金銭支出がないため、回答者が高級オプションを過大評価する傾向があります。

3. 測定誤差

調査設計が複雑なため、回答者内の一貫性が低くなりがちです。

4. 回答者負荷

Adaptive Conjointでは20-25属性で30分以上かかる場合があります。

5. 感情的価値への不向き

ラグジュアリー商品など、感情・イメージが主な購買要因の場合には適用困難です。

6. 高コスト

専門リサーチ会社に依頼すると以下のコストがかかります。

規模	コスト
標準的な調査	$15,000-$50,000（約225万円-750万円）
エンタープライズB2B	$150,000以上（約2,250万円以上）

実際の活用事例

1. Apple vs. Samsung訴訟（2012年）

背景: 特許訴訟における損害賠償額の算定

アプローチ: MIT教授John Hauserがコンジョイント分析を用い、Appleの特許機能に対する消費者需要を定量化しました。

ツール: Sawtooth Softwareのコンジョイント分析

成果: スマートフォンとタブレットで2つの選好調査を実施し、経済的損害を推定しました。

2. VIVO（スマートフォンメーカー）

背景: RAMとROM容量の最適な組み合わせを決定

サンプルサイズ: 約500人の回答者

発見: RAMが増加すると、追加ROMの重要性が低下する相互作用を発見しました。

ツール: Sawtooth Softwareのコンジョイント分析

ビジネス影響: この発見により、最適な製品ラインアップを設計できました。

3. IT Infrastructure Management Software（年間売上$10M、約15億円）

背景: SaaSパッケージングの最適化

アプローチ: コンジョイント分析により、4パッケージから2パッケージに再編しました。

成果: 機能セットの再マッピングにより、より効率的なパッケージ構成を実現しました。

4. Dogo（犬トレーニングアプリ、2024年）

背景: SaaS価格最適化

アプローチ: MaxDiffで優先順位を特定後、コンジョイント分析で機能と価格の組み合わせを最適化しました。

2段階アプローチ:

MaxDiff: どの機能が重要かを特定
Conjoint: 機能の組み合わせと価格のトレードオフを最適化

SaaS・B2B領域での活用

トレンド

B2Bソリューションへのコンジョイント分析適用が増加傾向にあります。

課題

課題	詳細
属性の特定困難	大企業向け複雑ソリューションでは、消費財市場で有効な属性が欠如
長期プロセス	意思決定者が複数存在し、購買プロセスが長期化

活用例

エンタープライズ顧客がセキュリティ機能をSMB顧客より重視し、プレミアム価格を受け入れることを発見しました。

これにより、セグメント別価格設定が可能になります。

インパクト

価値ベース価格設定（コンジョイント分析含む）を採用した企業は、コストベースや競合ベース価格設定より25%高い売上成長を報告しています。

主要ツール・ソフトウェア

1. Sawtooth Software Discover

項目	詳細
タイプ	Webベースプラットフォーム
価格	$4,500/ユーザー/年（約67.5万円）
無料トライアル	50人まで無料
機能	Choice-Based Conjoint（CBC）、MaxDiff、無制限の回答者数
対象	標準的なCBC・MaxDiff調査

2. Sawtooth Software Lighthouse Studio

項目	詳細
タイプ	Windowsデスクトップアプリケーション
価格	$10,900/年（約163.5万円）
機能	Adaptive CBC（ACBC）、Menu-Based Choice（MBC）、高度なコンジョイントモデル
対象	複雑な調査設計が必要な研究者
サポート	ワークショップ、カンファレンス、コンサルティングサービス

3. Conjointly

項目	詳細
タイプ	Webベースプラットフォーム
価格	無料プラン（Basic tier）あり。回答者を自社調達する場合、追加課金なし
機能	Generic Conjoint、Brand-Specific Conjoint、SaaS-specific feature/pricing conjoint、TURF、BPTO、MaxDiff
統合	Typeform、SurveyMonkey、Qualtrics等と統合可能
対象	コスト重視、中小規模の調査

4. Qualtrics Conjoint Analysis

項目	詳細
タイプ	エンタープライズ市場調査プラットフォームのアドオン
価格	$13,040（初年度最低コスト、約195.6万円）= $5,040/年（Strategic Researchプラン1席）+ $8,000（コンジョイント分析アドオン）。1,000回答まで含む。追加は$1/回答
機能	Choice-Based Conjoint、エンタープライズ統合
批判	機能が限定的で、2009年以降アップデートされていないような印象

5. その他

1000Minds、Survey Analytics、Package 'support.CEs'、Number Analytics、QuestionPro

PSM法・Gabor-Grangerとの比較

手法	測定対象	属性数	複雑さ	用途
PSM法	価格のみ	1	低	単一製品の価格帯探索
Gabor-Granger	価格のみ	1	低	需要曲線の推定
コンジョイント	価格+機能+ブランド	6-25	高	複数属性のトレードオフ

使い分け:

単純な製品: PSM法やGabor-Grangerで十分
複雑な製品: コンジョイント分析が必須

いつ使うべきか

適している場合

複雑な製品で複数属性のトレードオフを評価したい場合
価格設定の根拠を顧客の選好から導きたい場合
製品パッケージングの最適化
市場シェア予測が必要な場合

適していない場合

属性が少ない単純な製品（Van WestendorpやGabor-Grangerで十分）
感情・ブランドイメージが主な購買要因の製品
B2B大企業向けの超複雑ソリューション（意思決定者が多数、プロセスが長期）

ベストプラクティス

属性数を6以下に制限（Full-Profile）、6-8以下（CBC）
各属性の水準は2-4が理想
直交設計とlevel balanceを確保
価格を属性に含め、WTPを推定可能にする
「購入しない」選択肢を含めることで現実性を高める
MaxDiffで属性の優先順位を特定してから、コンジョイント分析で最適パッケージを設計するという2段階アプローチ

よくある質問（FAQ）

Q1. コンジョイント分析とMaxDiffの違いは何ですか？

MaxDiffは属性の優先順位付けに特化しています。コンジョイント分析は属性の組み合わせ効果を測定できます。

実務では、MaxDiffで属性を絞り込んでから、コンジョイント分析で最適パッケージを設計する2段階アプローチが推奨されます。

Q2. サンプルサイズはどれくらい必要ですか？

Choice-Based Conjoint（CBC）では、最低200-300人、理想的には500-1,000人です。

B2B市場では、ターゲット顧客の母集団が小さい場合、100人程度でも実施可能です。

Q3. 調査期間はどれくらいかかりますか？

フェーズ	期間
設計（属性・水準決定）	1-2週間
調査実施	1-2週間
分析・レポート作成	1-2週間
合計	3-6週間

Q4. 社内で実施できますか？

可能ですが、以下の専門知識が必要です。

直交設計の理解
統計モデリング（MNL、HB）
調査ツールの操作

初めての場合は、専門リサーチ会社に依頼するか、Conjointlyなどのプラットフォームを利用するのが確実です。

Q5. B2B SaaSでも有効ですか？

有効です。ただし、以下の点に注意してください。

意思決定者が複数いる場合、各役職の選好を個別に調査
複雑な機能は、顧客が理解できるレベルに簡略化
長期契約の場合、年間コストに換算して提示

価値ベース価格設定を採用した企業は、25%高い売上成長を報告しています。

Q6. Adaptive Conjoint（ACA）はいつ使うべきですか？

属性が20以上ある複雑なB2B製品で使用します。

ただし、回答者負荷が高い（30分以上）ため、B2C製品では避けるべきです。

Q7. 「購入しない」選択肢を入れるべきですか？

入れるべきです。これにより以下が改善されます。

市場シェア予測の精度向上
WTP推定の過大評価を防止
現実の購買状況を模擬

まとめ

主要ポイント

トレードオフの定量化: コンジョイント分析は、顧客がどの機能にいくら払うかを数値化します
4つの手法: Full-Profile、CBC、Adaptive、MaxDiffを用途に応じて使い分けます
6ステップの実施: 属性設計→直交設計→調査→Partworth推定→WTP計算→市場シミュレーション
高い投資対効果: 価値ベース価格設定を採用した企業は25%高い売上成長を報告
専門性が必要: 設計と分析には統計知識が必要。初めての場合はプラットフォームや専門家を活用

次のステップ

MaxDiffで重要属性を特定する
Conjointlyなどのプラットフォームで小規模パイロット調査を実施
PSM法やGabor-Grangerとの併用を検討

PSM分析とは：Van Westendorp価格感度メーター完全ガイド

Gabor-Granger法とは：需要曲線を描く価格調査手法

参考リソース

本記事はネクサフローのAI研究シリーズの一部です。

この記事をシェア

X Facebook はてな LinkedIn

この記事でわかること

基本情報

コンジョイント分析とは

定義

歴史

なぜ重要か

4つの手法

1. Full-Profile Conjoint（従来型）

2. Choice-Based Conjoint（CBC）

3. Adaptive Conjoint Analysis（ACA/ACBC）

4. MaxDiff（Best-Worst Scaling）

手法比較表

実施6ステップ

Step 1: 属性と水準の設計

Step 2: 直交設計による選択セット作成

Step 3: 調査実施

Step 4: Partworth Utility（部分効用値）の推定

Step 5: Willingness to Pay（支払意思額）の推定

Step 6: 市場シミュレーション

メリット

1. 現実的なトレードオフ分析

2. 複数属性の同時評価

3. 市場セグメンテーション

4. ブランド価値の定量化

5. 価格弾力性の推定

デメリット

1. 設計の複雑さ

2. 仮説バイアス

3. 測定誤差

4. 回答者負荷

5. 感情的価値への不向き

6. 高コスト

実際の活用事例

1. Apple vs. Samsung訴訟（2012年）

2. VIVO（スマートフォンメーカー）

3. IT Infrastructure Management Software（年間売上$10M、約15億円）

4. Dogo（犬トレーニングアプリ、2024年）

SaaS・B2B領域での活用

トレンド

課題

活用例

インパクト

主要ツール・ソフトウェア

1. Sawtooth Software Discover

2. Sawtooth Software Lighthouse Studio

3. Conjointly

4. Qualtrics Conjoint Analysis

5. その他

PSM法・Gabor-Grangerとの比較

いつ使うべきか

適している場合

適していない場合

ベストプラクティス

よくある質問（FAQ）

Q1. コンジョイント分析とMaxDiffの違いは何ですか？

Q2. サンプルサイズはどれくらい必要ですか？

Q3. 調査期間はどれくらいかかりますか？

Q4. 社内で実施できますか？

Q5. B2B SaaSでも有効ですか？

Q6. Adaptive Conjoint（ACA）はいつ使うべきですか？

Q7. 「購入しない」選択肢を入れるべきですか？

まとめ

主要ポイント

次のステップ

関連記事

参考リソース

この記事をシェア

あわせて読みたい

PSM分析（Van Westendorp法）とは？4つの質問で最適価格を導く

段階価格テストとは？候補価格の反応を読む調査設計

まずは無料相談・資料請求

この記事でわかること

基本情報

コンジョイント分析とは

定義

歴史

なぜ重要か

4つの手法

1. Full-Profile Conjoint（従来型）

2. Choice-Based Conjoint（CBC）