マクロミル　ＶＩリサーチ　◆　リサーチソリューション：D-MAP

当社が開発した『D-MAP』は、主成分得点や数量化3類などのサンプルスコアをプロット、クラスターごとの色分けをし設問ごとのサンプル分布状況を明らかにできる、画期的な可視化ツールです。

上図は、それぞれの寿司ネタの選好度を用いて分類した5つのクラスター（k-means法による非階層クラスター分析を実施）を『D-MAP』によって可視化したものです。

ここでは、主成分分析における各サンプルの主成分得点をクラスターごとに色分けしてプロットしています。主成分分析では、非常に次元の多いデータ（この例では18種類の寿司の選好度なので18次元）を低い次元に集約することが可能ですが、さらにこの要約された主成分得点マップに5つのクラスターの分布を色分けして示すことにより、クラスターの特性を視覚からスッキリと理解することができます。

たとえば、この主成分分析において、第1主成分は「種類に関わらず寿司がどれほど好きか」を表していると考えられます。ですから、マップ中の右にいれば右にいるほど「総合的にお寿司好き」であるということがいえます。ここで、青色の「お寿司は何でも大好き」クラスターはマップの右側に固まっており、満遍なくお寿司が大好きな人たちの集団であるということが視覚的に理解できます。

また、この主成分分析のマップでは、トロ系・ヒカリ物を好む人たちはマップの右下に引っ張られていますが、黄色のトロ系・ヒカリ物が苦手なクラスタはマップの左上方向に散らばっており、トロ系・ヒカリ物から遠いという点で共通しているクラスターなのだということが理解できます。

非階層クラスター分析を行う際に分析者を常に悩ませるのがクラスター数の決定です。単なる数学的手法である非階層クラスター分析は分割したいクラスター数とデータを入力すると、ただ単にそれぞれのサンプルが属するクラスターの番号を教えてくれるだけで、どのような理由で分割されているのかは教えてはくれません。分割したいクラスターの数を入力しなくてはならないので、通常、仮説に基づいてクラスター数の候補をいくつか試し、分割されたクラスターの特徴をクロス表から読み込み、最も都合よく分割がなされたクラスター数を採用するという過程が踏まれています。

しかしながら、当社では『D-MAP』を活用して、さまざまなクラスター分析の結果を視覚的に評価し、最も分析の目的を達成するのに適したクラスター数を採用するということで、直感的でかつムラのない分析を行っています。

『D-MAP』のもう一つの利用方法として、質問ごとのサンプル分布状況の可視化があります。つまり、『D-MAP』ではクラスターごとの色分けをそのままに、ある条件にあてはまるサンプルのみを表示させることができるのです。下記の実例を見ていきましょう。

かんぴょう巻の場合

まず、一番目はかんぴょう巻の選好度によって切り分けた『D-MAP』です。かんぴょう巻が「嫌い」な人たちから「好き」な人たちにかけて、かんぴょう巻の方向である右上に引き寄せられていくということがわかります。

赤貝の場合

赤貝の選好度で切り分けてみると、「嫌い」から「大好き」にかけて、右方向に引っ張られ、赤貝大好きという人のほとんどは青色で「お寿司は何でも大好き」クラスターに属しているということがわかります。

中トロの場合

中トロの選好度で切り分けると、「嫌い」から「大好き」にかけて右下に引っ張られていく構図が良くわかりますが、中トロ大好きな人のボリュームは74％と相当に大きいです。中トロ大嫌いという人のほとんどは黄色の「トロ系・ヒカリ物は苦手」のクラスターに属しているということがわかります。

このように、当社の『D-MAP』を用いれば、色と動作という新たな二つの次元により、今まで一度に可視化できなかった多様なデータを、情報を削ることなく表せるようになりました。『D-MAP』は主成分分析や数量化3類のみならず、あらゆるプロットにおいて活躍する強力なツールであり、新たなセグメンテーションの開発や発見に大きく貢献していきます。そしてまた、プレゼンのとっておきのグラフとしても、利用することのできる便利なツールです。