デザイン要件を可視化する方法と製品開発への適用

デザイン要 件 を可 視 化 する方 法 と製 品 開 発 への適 用
平 成 ２５年 ９月
和 歌 山 大 学 大 学 院 シ ス テ ム工 学 研 究 科
池本 浩幸
1
A v i s u a l i z a t i o n t e c h n i q u e f o r d e s i g n r eq u i r e me n t s
and application in product development
September 2013
Graduate School of Systems Engineering
Wakayama University
Hiroyuki IKEMOTO
2
概 要
本研究は，製品デザインに対する消費者の価値観やこだわりをデザイン要件
として可視化することが目的である．研究対象は消費者向け電気製品（家電や
映 像 ･情 報 ･通 信 機 器 な ど ） で あ る ． デ ザ イ ン 要 件 の 可 視 化 と は ， 製 品 の 魅 力 や
消費者の満足を高めるために，デザインが具備すべき仕様・特徴を定量的かつ
視覚的に示すことである．
消費者向け電気製品のコモディティ化を回避するためには，製品に機能や性
能だけではない新たな顧客価値を付与し，価格だけの競争に陥らないようにす
ることが重要である．デザインは消費者の五感に訴求し，製品に情緒的・精神
的な意味的価値を与える重要な役割を担っている．従って，製品開発において
は，消費者の多様な価値観やこだわりをデザイン要件としてデザインコンセプ
トに反映しなければならない．
本研究では，デザインコンセプトの策定を支援する「デザイン要件を可視化
する方法」を提案する．提案方法は，クラスター分析で消費者をセグメント化
しつつ，以下の手法を組み合わせて用いることにより，デザイン要件を可視化
する．
①選好度付きポジショニング分析：２次元ガウス分布の確率密度関数に似た
選好関数を用いた選好回帰によって，従来手法の欠点を解消し，デザイン
に対する消費者の多様な選好を定量的に可視化できる．
②プロファイルカードを最小枚数にするコンジョイント分析：完全プロファ
イル型コンジョイント分析のプロファイルカードを，実験計画としてバラ
ンスが良い最小枚数とする．これにより，分析精度を落とすことなく回答
者の負担を減じ，調査にデザインの属性・水準をより多く盛り込める．
③構造方程式モデリング：消費者がデザインに感じる印象や価値を構成概念
とするデザイン選好構造モデルを用いることにより，選好や購入意向を高
めるデザインの要件を定量的に説明できる．
提案方法を冷蔵庫のデザイン開発に適用した．デザイン開発の課題は，伝統
的なデザインの潮流は踏襲しつつ消費者の新しい価値観に合うデザインコンセ
プトを提案することであった．提案方法を用いることにより，冷蔵庫らしくな
い家具のようなデザインが購入意向に結びつくことを消費者の価値観や態度か
ら定量的に示すことができた．この結果は新しいデザインの冷蔵庫の開発・上
市に活用された．この事例から提案方法の有効性を確認した．
今後，提案方法を様々な製品デザインの開発に適用することによって手法の
改良を行う．
3
Abstract
The objective of this research is to visualize consumers’ values and specific tastes in
respect to product design as design requirements. The research subject is consumer
electrical
products
(home
appliances,
imaging
and
visual,
information,
and
communications equipment, etc.). Design requirement visualization quantitatively and
visually expresses the specifications and characteristics that a design should have to
increase product attractiveness and consumer satisfaction.
To p r e v e n t c o n s u m e r e l e c t r i c a l p r o d u c t s f r o m b e i n g c o m m o d i t i z e d i t i s c r i t i c a l t o g i v e
them not just function and performance but also new customer value so that products do
not compete solely on price. Design plays an important role by appealing to the
consumer’s five senses and giving meaningful emotive and psychological value to
products. During product development, therefore, consumers’ diverse values and peculiar
tastes must be built into the design concept as design requirements.
This research proposes a “visualization technique for design requirements” to support
the process of making a design concept. The proposed technique visualizes design
requirements by performing cluster analysis to segment consumers, then using a
combination of the following methods.
(1) Positioning analysis with degree of preference: This method extends conventional
methods and solves the problems associated with them by performing a preference
regression using a preference function resembling a two-dimensional Gaussian
distribution probability density function. This makes it possible to quantitatively
visualize consumers’ diverse preferences in respect to design.
(2) Conjoint analysis that minimizes the number of profile cards: Full-profile conjoint
analysis profile cards are kept to the minimum with a good balance as the
experimental design. As a result, there is less burden on respondents but no loss of
analysis precision, and many design attributes and levels can be incorporated into
t h e s u r v e y.
(3) Structural equation modeling: A design preference structure model is used, whose
framework concepts are the impressions and values that consumers feel in respect to
design. This makes it possible to quantitatively explain design requirements that
increase consumer preference and intention to purchase.
T h e p r o p o s e d t e c h n i q u e w a s a p p l i e d t o t h e d e s i g n d e v e l o p m e n t o f a r e f r i g e r a t o r. A n
issue faced during design development was how to propose a design concept that follows
traditional design trends while conforming to new consumer values. Using the proposed
technique, the research showed quantitatively from consumer values and behavior that
furniture design that is not very “refrigerator-like” increases consumers’ intention to
purchase. This result was put to use during the development and market launch of a
refrigerator with a new design. This example confirmed the validity of the proposed
technique.
Going forward, the research will focus on improving the methods by applying the
proposed technique to the development of various product designs.
4
目次
第 １ 章 序 論 .................................................................................... 10
１ ． １ ． 研 究 の 社 会 的 背 景 .............................................................. 10
１ .１ .１ ． 消 費 者 向 け 電 気 製 品 の コ モ デ ィ テ ィ 化 .............................. 10
１ .１ .２ ． 競 争 力 強 化 を 目 的 と し た デ ザ イ ン 重 視 の 潮 流 ..................... 12
１ ． ２ ． デ ザ イ ン 要 件 を 可 視 化 す る 既 存 手 法 と そ の 課 題 ....................... 19
１ .２ .１ ． 製 品 の デ ザ イ ン プ ロ セ ス ................................................ 19
１ .２ .２ ． デ ザ イ ン 要 件 を 可 視 化 す る 既 存 手 法 ................................. 21
１ .２ .３ ． デ ザ イ ン 要 件 を 可 視 化 す る 既 存 手 法 の 課 題 ........................ 37
１ ． ３ ． 研 究 の 目 的 ....................................................................... 42
１ ． ４ ． 本 論 文 の 構 成 .................................................................... 45
１ ． ５ ． 第 １ 章 の 引 用 文 献 お よ び 参 考 文 献 ......................................... 47
１ .５ .１ ． 引 用 文 献 ..................................................................... 47
１ .５ .２ ． 参 考 文 献 ..................................................................... 47
第 ２ 章 デ ザ イ ン 開 発 に お け る ポ ジ シ ョ ニ ン グ 分 析 の 活 用 ........................ 53
２ ． １ ． は じ め に .......................................................................... 53
２ ． ２ ． デ ザ イ ン 開 発 の た め の ポ ジ シ ョ ニ ン グ 分 析 ............................. 55
２ ． ３ ． 選 好 回 帰 分 析 と デ ザ イ ン 開 発 で の 活 用 に お け る 課 題 ................. 58
２ ． ３ ． １ ． 理 想 ベ ク ト ル モ デ ル .................................................. 58
２ ． ３ ． ２ ． 理 想 点 モ デ ル ........................................................... 59
２ ． ４ ． デ ザ イ ン 開 発 に 応 用 す る た め の 選 好 回 帰 分 析 の 拡 張 ................. 66
２ ． ４ ． １ ． ガ ウ ス 関 数 を 用 い た 選 好 回 帰 分 析 の 提 案 ....................... 66
２ ． ４ ． ２ ． 負 の 理 想 点 と 鞍 点 の 解 消 ............................................ 67
２ ． ４ ． ３ ． マ イ ナ ス 無 限 大 選 好 の 解 消 ......................................... 68
２ ． ４ ． ４ ． ガ ウ ス モ デ ル の 選 好 関 数 の 推 定 ................................... 70
２ ． ５ ． 提 案 手 法 の 有 効 性 の 検 証 ..................................................... 72
２ ． ５ ． １ ． 実 験 概 要 ................................................................. 72
２ ． ５ ． ２ ． 実 験 方 法 ................................................................. 72
２ ． ５ ． ３ ． 実 験 結 果 の 考 察 ........................................................ 92
２ ． ６ ． 検 証 ツ ー ル の 試 作 .............................................................. 94
２ ． ７ ． お わ り に .......................................................................... 96
２ ． ８ ． 第 ２ 章 の 参 考 文 献 .............................................................. 97
第 ３ 章 完 全 プ ロ フ ァ イ ル 型 コ ン ジ ョ イ ン ト 分 析 の 効 果 的 活 用 .................. 99
5
３ ． １ ． は じ め に .......................................................................... 99
３ ． ２ ． デ ザ イ ン 開 発 の た め の コ ン ジ ョ イ ン ト 分 析 ............................101
３ ． ２ ． １ ． コ ン ジ ョ イ ン ト 分 析 .................................................101
３ ． ２ ． ２ ． デ ザ イ ン 開 発 で 活 用 す る た め の 要 件 ............................104
３ ． ３ ． カ ー ド 枚 数 を 最 小 化 す る 方 法 ..............................................106
３ ． ４ ． 提 案 手 法 の 有 効 性 の 検 証 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 0
３ ． ４ ． １ ． 有 効 性 を 検 証 す る た め の 実 験 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 0
３ ． ４ ． ２ ． プ ロ フ ァ イ ル カ ー ド の 設 計 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 11
３ ． ４ ． ３ ． 調 査 方 法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2
３ ． ４ ． ４ ． 調 査 結 果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 6
３ ． ５ ． 不 完 全 な 順 位 回 答 を 用 い た コ ン ジ ョ イ ン ト 分 析 の 検 討 .............121
３ ． ５ ． １ ． 部 分 順 位 回 答 を 用 い た 部 分 効 用 値 推 定 ア ル ゴ リ ズ ム ......121
３ ． ５ ． ２ ． デ ジ タ ル カ メ ラ の 調 査 事 例 で の 分 析 結 果 と 考 察 .............127
３ ． ６ ． 検 証 ツ ー ル の 試 作 .............................................................136
３ ． ７ ． お わ り に .........................................................................138
３ ． ８ ． 第 ３ 章 の 参 考 文 献 .............................................................140
第 ４ 章 デ ザ イ ン 要 件 を 可 視 化 す る 方 法 の デ ザ イ ン 開 発 へ の 適 用 .................144
４ ． １ ． は じ め に .........................................................................144
４ ． ２ ． デ ザ イ ン 要 件 を 可 視 化 す る 方 法 ...........................................145
４ ． ２ ． １ ． デ ザ イ ン 要 件 を 可 視 化 す る 方 法 の 全 体 像 ......................145
４ ． ２ ． ２ ． プ ロ フ ァ イ ル カ ー ド 数 を 最 小 に す る コ ン ジ ョ イ ン ト 分 析 148
４ ． ２ ． ３ ． 選 好 度 付 き ポ ジ シ ョ ニ ン グ 分 析 ..................................149
４ ． ２ ． ４ ． 構 造 方 程 式 モ デ リ ン グ ..............................................150
４ ． ３ ． 冷 蔵 庫 の デ ザ イ ン 開 発 へ の 適 用 ...........................................153
４ ． ３ ． １ ． 調 査 方 法 ................................................................153
４ ． ３ ． ２ ． 実 験 協 力 者 全 員 の 分 析 結 果 ........................................158
４ ． ３ ． ３ ． セ グ メ ン ト ご と の 分 析 結 果 ........................................171
４ ． ３ ． ４ ． 調 査 結 果 に 基 づ く 考 察 ..............................................194
４ ． ４ ． 提 案 し た 方 法 の 有 効 性 お よ び 課 題 ........................................197
４ ． ５ ． お わ り に .........................................................................200
４ ． ６ ． 第 ４ 章 の 参 考 文 献 .............................................................202
第 ５ 章 総 括 ...................................................................................206
５ ． １ ． ま と め （ 要 約 ） ................................................................206
５ ． １ ． １ ． 各 章 の ま と め ..........................................................208
6
５ ． １ ． ２ ． 全 体 的 な 考 察 ..........................................................215
５ ． ２ ． 本 研 究 の 今 後 の 課 題 と 展 望 .................................................216
５ ． ３ ． 第 ５ 章 の 参 考 文 献 .............................................................217
図目次
図 １ -１ ． コ レ ス ポ ン デ ン ス 分 析 に よ る 製 品 デ ザ イ ン の 知 覚 マ ッ プ 例 ....... 27
図 １ -２ ． 選 好 回 帰 （ 理 想 ベ ク ト ル モ デ ル ） に よ る 選 好 分 析 例 ................ 29
図 １ -３ ． コ ン ジ ョ イ ン ト 分 析 の プ ロ フ ァ イ ル カ ー ド の 例 ...................... 31
図 １ -４ ． Ａ Ｈ Ｐ で の 問 題 の 階 層 構 造 例 ............................................... 33
図 １ -５ ． Ａ Ｈ Ｐ で の 一 対 比 較 の 例 ..................................................... 34
図 １ -６ ． Ａ Ｈ Ｐ で の 重 要 度 の 推 定 例 .................................................. 35
図 １ -７ ． Ａ Ｈ Ｐ で の 総 合 的 な 重 要 度 の 例 ............................................ 35
図 １ -８ ． 理 想 ベ ク ト ル と 理 想 点 ........................................................ 38
図 １ -９ ． パ ス 図 の 要 素 と 記 述 例 ........................................................ 40
図 ２ -１ ． ２ 元 表 と コ レ ス ポ ン デ ン ス 分 析 の 結 果 の 例 ............................. 55
図 ２ -２ ． 理 想 ベ ク ト ル と 理 想 点 ........................................................ 59
図 ２ -３ ． 理 想 点 モ デ ル の 選 好 等 高 線 .................................................. 61
図 ２ -４ ． 評 価 対 象 デ ザ イ ン と そ の 選 好 度 ............................................ 73
図 ２ -５ ． コ レ ス ポ ン デ ン ス 分 析 の 結 果 ............................................... 77
図 ２ -６ ． 理 想 ベ ク ト ル モ デ ル に よ る 選 好 表 現 ...................................... 79
図 ２ -７ ． 理 想 点 モ デ ル に よ る 選 好 表 現 ............................................... 81
図 ２ -８ ． 重 み 理 想 点 モ デ ル に よ る 選 好 表 現 ......................................... 83
図 ２ -９ ． 回 転 重 み 理 想 点 モ デ ル に よ る 選 好 表 現 ................................... 85
図 ２ -１ ０ ． 等 高 線 マ ッ プ モ デ ル に よ る 選 好 表 現 ................................... 87
) ................................ 89
図 ２ -１ １ ． ガ ウ ス モ デ ル に よ る 選 好 表 現 (選 好
３
図 ２ -１ ２ ． ガ ウ ス モ デ ル に よ る 選 好 表 現 (選 好
１ ０
) .............................. 90
図 ２ -１ ３ ． ガ ウ ス モ デ ル に よ る 選 好 表 現 か ら 得 ら れ た 解 釈 ................... 91
図 ２ -１ ４ ． 検 証 ツ ー ル の 表 示 画 面 例 .................................................. 94
図 ３ -１ ． 完 全 プ ロ フ ァ イ ル 型 コ ン ジ ョ イ ン ト 分 析 の 概 要 .....................102
図 ３ -２ ． カ ー ド 枚 数 最 小 化 ア ル ゴ リ ズ ム ...........................................108
図 ３ - ３ ． 調 査 で 提 示 し た プ ロ フ ァ イ ル カ ー ド の 例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 5
図 ３ - ４ ． コ ン ジ ョ イ ン ト 分 析 に よ る 推 定 結 果 の 比 較 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 8
図 ３ -５ ． シ ミ ュ レ ー シ ョ ン 結 果 .......................................................126
7
図 ３ -６ ． 順 位 深 さ と 部 分 効 用 値 （ 最 小 枚 数 の デ ー タ ） ........................128
図 ３ -７ ． 順 位 深 さ と 部 分 効 用 値 （ 直 交 計 画 の デ ー タ ） ........................129
図 ３ -８ ． コ ン ジ ョ イ ン ト 分 析 ツ ー ル の 表 示 画 面 例 ...............................136
図 ４ -１ ． デ ザ イ ン 要 件 を 可 視 化 す る 方 法 の 全 体 像 ...............................146
図 ４ -２ ． Ｓ Ｅ Ｍ に よ る 分 析 モ デ ル の 基 本 構 造 .....................................151
図 ４ -３ ． Ｓ Ｅ Ｍ に よ る デ ザ イ ン 選 好 構 造 モ デ ル の 例 ............................152
図 ４ -４ ． 調 査 に 用 い た 冷 蔵 庫 デ ザ イ ン (１ １ 枚 )..................................156
図 ４ -５ ． 好 き な デ ザ イ ン の 平 均 順 位 （ 全 体 ） .....................................159
図 ４ -６ ． 冷 蔵 庫 ら し い デ ザ イ ン の 平 均 順 位 ........................................159
図 ４ -７ ． 購 入 し た い デ ザ イ ン の 平 均 順 位 ...........................................160
図 ４ -８ ． 購 入 意 向 の 強 さ と 支 持 の 広 さ の 関 係 .....................................161
図 ４ -９ ． コ ン ジ ョ イ ン ト 分 析 の 結 果 （ 属 性 寄 与 率 ） ............................162
図 ４ -１ ０ ． 好 き な デ ザ イ ン へ の 部 分 効 用 値 ........................................163
図 ４ -１ １ ． 冷 蔵 庫 ら し い デ ザ イ ン へ の 部 分 効 用 値 ...............................163
図 ４ -１ ２ ． 購 入 し た い デ ザ イ ン へ の 部 分 効 用 値 ..................................164
図 ４ -１ ３ ． 購 入 し た い デ ザ イ ン の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ （ 全 員 ）
...................................................................................................166
図 ４ -１ ４ ． Ｓ Ｅ Ｍ ： 実 験 協 力 者 全 員 の パ ス 図 .....................................168
図 ４ -１ ５ ． Ｓ Ｅ Ｍ ： 直 接 効 果 と 間 接 効 果 （ 実 験 協 力 者 全 員 ） ...............169
図 ４ -１ ６ ． 好 き な デ ザ イ ン の 平 均 順 位 （ タ イ プ 別 ） ............................174
図 ４ -１ ７ ． 冷 蔵 庫 ら し い デ ザ イ ン の 平 均 順 位 （ タ イ プ 別 ） ..................175
図 ４ -１ ８ ． 購 入 し た い デ ザ イ ン の 平 均 順 位 （ タ イ プ 別 ） .....................176
図 ４ -１ ９ ． コ ン ジ ョ イ ン ト 分 析 の 結 果 （ 属 性 寄 与 率 ） ........................177
図 ４ -２ ０ ． 好 き な デ ザ イ ン へ の 部 分 効 用 値 ........................................178
図 ４ -２ １ ． 冷 蔵 庫 ら し い デ ザ イ ン へ の 部 分 効 用 値 ...............................179
図 ４ -２ ２ ． 購 入 し た い デ ザ イ ン へ の 部 分 効 用 値 ..................................180
図 ４ -２ ３ ． 購 入 し た い デ ザ イ ン の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ （ タ イ プ
１ ） ............................................................................................181
図 ４ -２ ４ ． 購 入 し た い デ ザ イ ン の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ （ タ イ プ
２ ） ............................................................................................182
図 ４ -２ ５ ． 購 入 し た い デ ザ イ ン の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ （ タ イ プ
３ ） ............................................................................................183
図 ４ -２ ６ ． Ｓ Ｅ Ｍ ： タ イ プ １ の パ ス 図 ..............................................185
図 ４ -２ ７ ． Ｓ Ｅ Ｍ ： タ イ プ １ の 総 合 効 果 （ 直 接 効 果 ， 間 接 効 果 ） .........186
8
図 ４ -２ ８ ． Ｓ Ｅ Ｍ ： タ イ プ ２ の パ ス 図 ..............................................187
図 ４ -２ ９ ． Ｓ Ｅ Ｍ ： タ イ プ ２ の 総 合 効 果 （ 直 接 効 果 ， 間 接 効 果 ） .........188
図 ４ -３ ０ ． Ｓ Ｅ Ｍ ： タ イ プ ３ の パ ス 図 ..............................................189
図 ４ -３ １ ． Ｓ Ｅ Ｍ ： タ イ プ ３ の 総 合 効 果 （ 直 接 効 果 ， 間 接 効 果 ） .........190
表目次
表 １ -１ ． 製 品 の 一 般 的 な デ ザ イ ン プ ロ セ ス <2> .................................... 20
表 １ -２ ． 製 品 ラ イ フ サ イ ク ル ・ マ ネ ジ メ ン ト モ デ ル <3> ........................ 22
表 １ -３ ． ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー の 各 ス テ ッ プ で の 実 施 内 容 <4> 23
表 １ -４ ． デ ザ イ ン 属 性 を 含 む コ ン ジ ョ イ ン ト 分 析 の 分 析 結 果 ................ 31
表 ２ -１ ． 原 点 か ら 理 想 点 ま で の 距 離 お よ び マ ッ プ 内 の 理 想 点 数 ............. 93
表 ３ - １ ． デ ジ タ ル カ メ ラ の 属 性 と 水 準 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 0
表 ３ - ２ ． コ ン ジ ョ イ ン ト 分 析 に 用 い る プ ロ フ ァ イ ル . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2
表 ３ - ３ ． コ ン ジ ョ イ ン ト 分 析 に よ る 推 定 結 果 の 比 較 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 7
表 ３ -４ ． シ ミ ュ レ ー シ ョ ン 結 果 .......................................................125
表 ３ -５ ． 最 小 枚 数 で の 順 序 深 さ と 部 分 効 用 値 の 順 位 と 全 順 位 と の 相 関 ， お よ
び 属 性 寄 与 率 の 順 位 と 全 順 位 と の 相 関 ...............................................131
表 ３ -５ （ 続 き １ ） .........................................................................132
表 ３ -５ （ 続 き ２ ） .........................................................................133
表 ４ -１ ． 冷 蔵 庫 デ ザ イ ン の 属 性 と 水 準 ..............................................154
表 ４ -２ ． プ ロ フ ァ イ ル カ ー ド ..........................................................155
表 ４ -３ ． ク ラ ス タ ー 分 析 に よ る 実 験 協 力 者 の セ グ メ ン ト ......................172
表 ４ -４ ． 消 費 者 セ グ メ ン ト （ 購 入 し た い デ ザ イ ン と 消 費 者 の 特 徴 ） ......173
9
第１章 序論
１．１．研究の社会的背景
１ .１ .１ ． 消 費 者 向 け 電 気 製 品 の コ モ デ ィ テ ィ 化
消費者向け電気製品は，近年，技術の成熟化やグローバル競争によって，コ
モ デ ィ テ ィ 化 が 進 ん で い る [1-5]．
コモディティ化とは，製品の差異化ができず市場へ多数の企業が参入し，結
果的に企業の利益が上がらなくなることをいう．コモディティ化の技術面での
要因は，①重要デバイスの市場化と②製品のモジュール化である．
① 特 定 の 企 業 だ け が 持 つ 特 別 な 差 異 化 技 術 が 普 及 し ，他 社 製 品 の 機 能 ・ 性 能
が向上すること（重要デバイスの市場化）
② 製 品 の 標 準 化 や 規 格 化 ，モ ジ ュ ー ル 化 に よ っ て 多 く の 企 業 が 同 じ 技 術 を 使
うようになること（製品のモジュール化）
上記①②が生じた結果，消費者側の要因として，③顧客の満足化が生じる．
③機能，性能，品質に本質的な差が無い多数の製品が出回ることになり，ど
の 製 品 で も 顧 客 要 求 を 満 た し て し ま う こ と に な る （ 顧 客 の 満 足 化 ）．
製品のコモディティ化は，競争要因が主に価格と購買機会だけとなる現象を
引き起こす．現在は，技術力や生産力が向上した新興国から安価で良質な製品
がグローバル市場に流入しており，価格競争が激化していることもコモディテ
ィ化を早める要因となっている．
コモディティ化を回避するためには，製品に機能や性能だけではない新たな
顧客価値を付与して自社製品を差異化し，価格競争に陥らないようにすべきで
あ る [6]．
製品の機能，性能，品質など客観的な基準によって評価できる価値は「機能
的価値」と呼ばれ，消費者が製品に対して持つ，こだわりや自己表現としての
主 観 的 ・ 情 緒 的 な 価 値 は「 意 味 的 価 値 」と 呼 ば れ る [6-7]．顧 客 が 感 じ る 製 品 価
10
値は，機能的価値と意味的価値の総和であるが，機能的価値と意味的価値は独
立ではない．機能的価値として提供される製品のある特徴が，意味的価値とし
てのこだわりにつながる可能性がある．機能的価値だけを向上させても，前述
の要因によって，短期間でコモディティ化し，消費者の顧客要求を超える水準
に達してしまう恐れがあるため，製品価値の向上に寄与しない．機能的価値に
どのような意味的価値を付与するのかが，製品の価値を向上させ，コモディテ
ィ 化 を 回 避 す る 鍵 と な る [6-8]．
消費者が製品から受ける便益を，製品の機能性から生じる「機能便益」と製
品 の 記 号 性 か ら 生 じ る 「 精 神 便 益 」 に 分 け る 捉 え 方 も あ る [9]． こ の 分 類 で は ，
精神便益はブランドやデザインに対する記号としての好意的な認知や心地よい
使用経験などの情緒的な働きによってもたらされる．前述の意味論的価値は，
精神便益と同等のものである．
ま た ， 消 費 者 か ら 見 た ブ ラ ン ド 価 値 を ， 以 下 の よ う な ， (1)概 念 価 値 ， (2)観
念 価 値 ， (3)便 宜 価 値 ， (4)基 本 価 値 の ４ つ に 分 類 す る 考 え 方 も あ る [10]．
(1) 概 念 価 値 ： 意 味 論 や 解 釈 論 に お け る 製 品 の 価 値
(2) 観 念 価 値 ： 消 費 者 の 五 感 に 訴 求 す る 価 値
(3) 便 宜 価 値 ： 製 品 を 便 利 に た や す く 購 買 し 消 費 し う る 価 値
(4) 基 本 価 値 ： 製 品 と し て な く て は な ら な い 価 値
意 味 論 的 価 値 は ，こ の 分 類 で は ，概 念 価 値 や 観 念 価 値 に 相 当 す る ．す な わ ち ，
意味的価値は，消費者の五感に訴求し，消費者の情緒的，精神的な便益を生み
出 す も の と 言 え る [9-12]．
日本企業はこれまで，機能的価値の向上にばかりに注力し，意味的価値への
取 り 組 み が 不 十 分 で あ っ た [ 6 - 8 ] ．消 費 者 向 け 電 気 製 品 に お い て も ，コ モ デ ィ テ
ィ化を回避して価格競争から抜け出すためには，消費者が日常の生活経験の中
で製品にどのような意味的価値を見いだすのかを理解し，製品に消費者が選択
したくなるような他にはない特徴を盛り込むことが重要である．
前述のようにブランドやデザインは消費者の五感に訴求し，製品に情緒的，
精神的な意味的価値を付与するうえで有効である．デザインは，機能，性能，
技術，品質など，日本企業がこれまで得意としてきた製品の機能的価値を視覚
的 に 分 か り や す く 消 費 者 に 訴 求 す る 上 で 特 に 重 要 で あ る [13-14]．
11
１ .１ .２ ． 競 争 力 強 化 を 目 的 と し た デ ザ イ ン 重 視 の 潮 流
製品のコモディティ化で企業収益が悪化している中，製品の差異化の要素と
してデザインが注目されるようになり，デザインを競争力の源泉として戦略的
に 活 用 し よ う と す る 動 き が 活 発 に な っ て き た [13-22]．
2003 年 に 経 済 産 業 省 製 造 産 業 局 に 設 置 さ れ た 「 戦 略 的 デ ザ イ ン 活 用 研 究 会 」
は，日本の産業競争力強化のために必要とされるデザインの創造と活用に関す
る 課 題 と 対 応 に つ い て 検 討 ・ 研 究 し ，「 競 争 力 強 化 に 向 け た 4 0 の 提 言 」 を 取 り
ま と め た [13-14]．
戦 略 的 デ ザ イ ン 活 用 研 究 会 は ，「 競 争 力 強 化 に 向 け た 4 0 の 提 言 」 の 中 で ， 以
下 (1) ～ (6) に 示 す ６ つ の 論 点 か ら 計
40 項 目 の デ ザ イ ン 政 策 を 提 言 し て い る
[14]．
(1) ブ ラ ン ド 確 立 の た め の デ ザ イ ン の 戦 略 的 活 用 支 援
(2) デ ザ イ ン の 企 画 ・ 開 発 支 援
(3) デ ザ イ ン 情 報 イ ン フ ラ の 確 立 ・ 整 備
(4) 意 匠 権 等 の 権 利 保 護 の 強 化
(5) 実 践 的 人 材 の 育 成
(6) 国 民 意 識 の 高 揚
戦略的デザイン活用研究会は，日本における情報通信機器を含めた家電のデ
ザインの現状について，技術や素材の特性を生かし比較的高い水準だが，多数
に選ばれる無難なデザインがほとんどを占めており，多様な消費者の要求に応
える個性的なデザインが少なく，デザインをベースに世界規模でブランドを確
立するところまでに至っていないと分析している．その背景として，ヒット商
品が生まれるとこれに追随して売上げを伸ばそうとすることや，意図的に似た
デザインを販売してライバル社の特徴的なデザインの個性を低下させようとす
る傾向があるとしている．その上で，技術的には大きな差をつけにくい状況の
中で，デザインは従来以上に家電の販売力に大きな影響を持つものとして，以
下 の 対 策 が 有 効 で あ る と 提 言 し て い る [14]．
(1) 意 匠 権 等 の 権 利 強 化 に よ る 個 性 的 な デ ザ イ ン 開 発 の 促 進
(2) 産 学 連 携 な ど の デ ザ イ ン 活 用 ， 実 践 的 な 人 材 育 成 の 拡 充
(3) ブ ラ ン ド 形 成 に 貢 献 し た デ ザ イ ン ， 企 業 ， 教 育 機 関 の 表 彰
12
(4) 優 れ た デ ザ イ ン を 有 す る 製 品 の 政 府 調 達 の 促 進
(5) 使 い や す い デ ザ イ ン を 実 現 す る た め の 人 間 特 性 デ ー タ の 整 備
近 畿 経 済 産 業 局 は「 競 争 力 強 化 に 向 け た 4 0 の 提 言 」を う け ，デ ザ イ ン 力 を 活
かしたものづくりで価格競争に巻き込まれないようにする「デザイン経営」を
標榜し，近畿がデザイン先進地域となるための方策をまとめた．具体的には，
経営者，デザイナー，行政機関，初等中等児童らに対する教育および見本市の
開催やデザイン情報のデータベース化などのインフラ整備に関する方策が提言
さ れ て い る [15]．
経 済 産 業 省 は ，継 続 的 に 行 っ て い る デ ザ イ ン 政 策 の 一 環 と し て ，2 0 0 7 年 に「 感
性 価 値 創 造 イ ニ シ ア テ ィ ブ 」 を 提 唱 し た [21-22]．
この施策は，国内産業が人口減少に伴う量的需要減や近隣諸国の追撃など構
造変化に直面する中，産業の国際的な競争力を維持・向上させていくために不
可欠な差異化やイノベーションの要素として「感性価値」に着目したもので，
機能，信頼性，コストといった経営学的に分析できる要素以上の「＋αの訴求
力」を持った製品やサービスを生み出すことを意図している．
感性価値創造イニシアティブでは，感性価値の高い商品・サービスを『素材
な ど 見 え な い と こ ろ ま で に 及 ぶ 「 こ だ わ り 」， も の に 込 め た 「 趣 向 」，「 遊 び 」，
「 美 意 識 」， 新 し い 使 い 方 や ラ イ フ ス タ イ ル を 提 案 す る 「 コ ン セ プ ト 」， 場 合 に
よ っ て は 「 企 業 の 価 値 観 そ の も の 」 が ， (1) 技 術 ， デ ザ イ ン ， 信 頼 ， 機 能 ， コ
ス ト 等 に よ っ て 裏 打 ち さ れ ， (2) 「 ス ト ー リ ー 」 や 「 メ ッ セ ー ジ 」 を 持 っ た も
の と し て 可 視 化 さ れ （ も の 語 り ）， ( 3 ) こ れ が ， 生 活 者 に ， 驚 き ， わ く わ く 感 ，
どきどき感，爽快感，充足感，信頼感，納得感，安らぎ，癒しなど「感動」や
「 共 感 」 を も っ て 受 け 止 め ら れ る も の 』 と 定 義 し て い る [22]．
経 済 産 業 省 は ， 2008 年 度 か ら 2010 年 度 ま で を 「 感 性 価 値 創 造 イ ヤ ー 」 と 定
め，感性価値を実現している先進事例を紹介する国内展示会「感性価値創造ミ
ュ ー ジ ア ム 」 や 日 本 製 品 の 感 性 価 値 を 伝 え る た め の 海 外 展 示 会 「 kansei-Japan
Design Exhibition」な ど の 情 報 発 信 を 行 っ た ほ か ，感 性 価 値 創 造 の 実 践 に 向 け
た 人 材 育 成 や 意 見 交 換 を 行 う 場 と し て 「 KANSEI カ フ ェ 」 を 運 用 し た ．
13
１ .１ .３ ． デ ザ イ ン 価 値 や 企 業 デ ザ イ ン 力 を 測 定 す る 試 み
競争力強化のためにデザインを重視する傾向が強まる中，デザインが製品の
価値をどの程度向上させたのかを測定する試みや，消費者が好ましいデザイン
の製品に対しどの程度の追加費用を支払う意思があるのかを調査する試みが行
わ れ て い る [ 2 3 - 2 7 ] ．ま た ，消 費 者 が 企 業 の デ ザ イ ン 力 を ど の よ う に 評 価 し て い
る の か に つ い て も 調 査 が 行 わ れ て い る [28]．
(1)デ ザ イ ン の 価 値 と 経 済 効 果 の 測 定
三留はコンジョイント分析を用いてデザイン価値の定量評価や経済効果の測
定 を 行 っ た [ 2 3 - 2 4 ] ．コ ン ジ ョ イ ン ト 分 析 は ，あ ら か じ め 調 査 し た デ ザ イ ン を 含
む複数の購入要因（機能，性能，デザインなど）を属性として消費者に示し，
組み合わせを変化させて選好度を測定することによって各属性の効用値を求め
るものである．これにより，デザインや他の要因がどのように購買に関連して
いるのかが明らかになる．デザイン価値や経済効果をの計算は次のように行う
[23-24]．
デ ザ イ ン 貢 献 度 (DCF)は ， 式 (1.1)の よ う に デ ザ イ ン に 関 連 し た 属 性 の 効 用 値
を属性全体の効用値の総和で除したもので，消費者の選好にデザインに関連し
た 属 性 が ど の 程 度 の 影 響 を 与 え た の か を 数 値 化 し た も の で あ る <1>．
デザイン関連効用値
デザイン貢献度 (DCF)  各属性の効用値の総和
(1.1)
デ ザ イ ン 市 場 性 係 数 (DMF)は ， 式 (1.2)の よ う に 自 社 製 品 デ ザ イ ン 関 連 属 性 効
用 値 の 総 和 を 対 象 競 合 製 品 デ ザ イ ン 関 連 属 性 効 用 値 の 総 和 で 除 し て 求 め る <1>．
デザイン市場性係数 (DMF) 
 自社製品デザイン関連 属性効用値 　 対象競合製品デザイン 関連属性効用値 　14
(1.2)
デ ザ イ ン 価 値 (DV)は ， 式 (1.3)の よ う に 粗 利 に デ ザ イ ン 貢 献 度 (DCF)を 乗 じ て
計 算 す る <1>．
デザイン価値　(DV)  粗利  デザイン貢献度 ( DCF)
(1.3)
デ ザ イ ン 効 率 (η d)は ， 式 (1.4)の よ う に デ ザ イ ン 価 値 (DV)を デ ザ イ ン コ ス ト
(DC)で 除 し て 求 め る <1>．
デザイン価値
DV
デザイン効率 (d) 　　デザインコスト　DC
(1.4)
自 動 車 ，家 電 ，情 報 通 信 機 器 に つ い て デ ザ イ ン 貢 献 度 ( D C F ) を 調 査 し た 結 果 に
よ れ ば ，そ れ ぞ れ ，自 動 車 で 0 . 7 4 ～ 0 . 7 7 ，情 報 通 信 機 器（ パ ソ コ ン ，携 帯 電 話 ）
で 0.21～ 0.42， 家 電 で 0.40～ 0.77 で あ る と し て い る [24]．
また，幅広薄型のエアコンが登場した際のデザインの経済的価値を調査し，
東 芝 の エ ア コ ン の 事 例 で は ，デ ザ イ ン 市 場 性 係 数 (DMF)は 1.1，デ ザ イ ン 貢 献 度
(DCF)は 0.5 程 度 と な り 粗 利 の 約 半 分 が デ ザ イ ン 価 値 (DV)で あ る と 結 論 づ け て
い る ．こ の 調 査 事 例 で は ，デ ザ イ ン 効 率 ( η d ) は 機 種 に 依 存 す る が 概 ね 1 8 0 ～ 2 0 0
倍と計算している．尚，この調査でコンジョイント分析に用いられた属性およ
び 水 準 は 次 の 通 り で あ る < 1 > ．水 準 は 括 弧 内 に 記 し ，調 査 の 結 果 ，各 属 性 で 最 大
の 効 用 値 と な っ た 水 準 に *印 を 付 し た ．
① 価 格 （ 16 万 円 *, 20 万 円 , 22 万 円 , 24 万 円 , 28 万 円 ）
② ブ ラ ン ド （ 東 芝 *, P 社 , M 社 , Y 社 , H 社 , S 社 , D 社 ）
③ 性 能 （ 効 き が 良 く 温 度 安 定 *, 効 き が 弱 い が 温 度 安 定 ,
効きが弱く温度不安定）
④ 音 の 大 き さ （ 全 く 聞 こ え な い *, 日 常 き に な ら な い ）
⑤ リ モ コ ン （ 簡 単 *, 複 雑 ）
⑥ 室 内 機 形 状 （ 高 さ が あ る , 幅 が 広 い *, 奥 行 き が 厚 い ）
⑦ 室 外 機 形 状 （ 高 さ が あ る *, 幅 が 広 い , 奥 行 き が 厚 い ）
⑧ 手 入 れ （ し や す い *, し に く い ）
⑨ 外 観 デ ザ イ ン （ す っ き り *， 個 性 的 ， 高 級 ）
⑩ 色 （ 白 色 系 *, 単 色 系 , 濃 色 系 , 木 目 調 ）
15
(2) デ ザ イ ン の 価 値 測 定
日 経 BP 社 は ，雑 誌「 日 経 デ ザ イ ン 」に お い て ，消 費 者 を 対 象 と し た 定 量 調 査
により，デザインの価値を金額で定量化する一連の試みについて記事を掲載し
て い る [ 2 5 - 2 7 ] ．い ず れ の 記 事 に お い て も ，魅 力 あ る デ ザ イ ン を 備 え た 製 品 を 購
入する際，そうでない製品と比較してどの程度の追加費用を許容するのかを消
費 者 300 人 に 対 す る ア ン ケ ー ト 調 査 で 明 ら か に し て い る ． 調 査 対 象 と し て い る
デザインは，プロダクトデザイン（家電，情報通信機器，自転車，自動車，雑
貨など）とパッケージデザイン（日用品，食品，飲料，調味料など）である．
記事では消費者がデザインの好ましさで選択した製品に支払う意思がある金額
の平均から一般的なその分野の製品の価格（一般価格）を引いたものをデザイ
ン価値と定義し，製品価格を引き上げるデザイン力を表すものとしている．ま
た，デザイン価値を一般価格で除した数字を価格寄与度と定義し，一般価格に
対するデザイン価値の割合を示すものとしている．
日 経 デ ザ イ ン 2 0 0 8 年 6 月 号 の 記 事「 特 集 お 金 を 出 し た い デ ザ イ ン 出 し た く
な い デ ザ イ ン 」 で は ， デ ザ イ ン の 価 格 寄 与 度 が そ れ ぞ れ ， 携 帯 電 話 機 で 1.4%，
小 型 液 晶 テ レ ビ で 2.6%， サ イ ク ロ ン 式 掃 除 機 で 7.1%と な っ て い る [25]．
日 経 デ ザ イ ン 2 0 1 0 年 6 月 号 の 記 事「 こ の デ ザ イ ン な ら お 金 を 払 え る ！ 」で は ，
デ ザ イ ン の 価 格 寄 与 度 は そ れ ぞ れ ，ス マ ー ト フ ォ ン で 2 . 3 % ，携 帯 電 話 機 で 3 . 2 %
～ 5.7%， 液 晶 テ レ ビ で 5.0%， デ ジ タ ル カ メ ラ で 4.4%， ア イ ロ ン で 6.7%と な っ
て い る [26]．
日 経 デ ザ イ ン 2 0 1 2 年 2 月 号 の 記 事「 特 集 デ ザ イ ン の 価 値 測 定 2 0 1 2 － 消 費 者
300 人 調 査 低 成 長 時 代 で も 売 れ る デ ザ イ ン 」 で は ， デ ジ タ ル カ メ ラ で 4.7%～
9.4%， 電 気 フ ァ ン ヒ ー タ で 28.9%な ど と な っ て い る [27]． こ の 記 事 で 興 味 深 い
ことは，外観デザインだけでなく製品が特徴として持っている他社にはない機
能や性能を説明した上でデザインの好ましさによる製品選択をさせるとデザイ
ン価値がさらに高まるという実験結果である．他社にはない優れた特徴を説明
するのではなくデザインとして表現することができれば，デザイン価値をさら
に向上させることが可能となることを示している．
(3) 企 業 デ ザ イ ン 力 の 測 定
日 本 デ ザ イ ン 振 興 会 （ 旧 日 本 産 業 デ ザ イ ン 振 興 会 ） は ， 2007 年 か ら 2008 年
16
に か け て 合 計 ５ 回 の デ ザ イ ン に 関 す る 意 識 調 査 を 行 っ て い る [28]．
こ の 調 査 は 日 本 デ ザ イ ン 振 興 会 が 「 goo リ サ ー チ 」 を 運 営 す る NTT レ ゾ ナ ン
ト株式会社と共同で実施したもので，現代社会における生活者のデザインに関
する意識を様々な角度から把握する目的でなされたものである．各回の調査意
図 と 概 要 お よ び 分 析 の 結 果 得 ら れ た 知 見 を 示 す [28]．
・第１回調査：生活者のデザインに対する全体イメージの把握
生活者のデザインに対する全体イメージを把握することを目的として，
2007 年 11 月 に 非 公 開 型 イ ン タ ー ネ ッ ト 調 査 で 1,093 名 の 有 効 回 答 を 得 て
実 施 さ れ た ． 各 世 代 を 通 し て 7 2 ％ が デ ザ イ ン に 興 味 を 示 し ，「 デ ザ イ ン は
美しさ，独創性だけでなく，機能性や使いやすさも含め，商品性全体の質
をイメージするもの」と分析している点が示唆に富んでいる．
・第２回調査：企業のデザイン力のランキング調査
どのような企業がデザインの力が備わっているかに関し，生活者がどう考
えているのかを企業のデザイン力という視点でランキングすることを目
的 と し て ，2 0 0 8 年 4 月 に 非 公 開 型 イ ン タ ー ネ ッ ト 調 査 で 1 , 0 6 0 名 の 有 効 回
答を得て実施された．デザイン力のある企業として，純粋想起・助成想起
ともに特定の 2 社が他社を圧倒する結果となり，デザイン力がブランドロ
イヤリティーの向上や企業価値の向上に大きく貢献している事実が判明
した．デザイン力の訴求には「シンプル・斬新・ユニーク・印象」が必須
要素であると分析している点が興味深い．
・ 第 ３ 回 調 査 ：「 企 業 の デ ザ イ ン 力 」 を も た ら す 要 因 に 関 す る 調 査
第 ２ 回 調 査 の 企 業 の デ ザ イ ン 力 ラ ン キ ン グ の 上 位 17 社 を 事 例 と し て ， 生
活者がどのような視点・要素で企業のデザイン力を認識しているかを調査
し た も の で あ り ，2 0 0 8 年 7 月 に 非 公 開 型 イ ン タ ー ネ ッ ト 調 査 で 1 , 2 2 2 名 の
有効回答を得て実施された．ブランドイメージに貢献するデザインを行っ
ている企業は，デザイン力が優れていると評価される傾向にあることが判
明 し ， 分 析 の 結 果 と し て ，「 企 業 に お け る デ ザ イ ン の 重 要 課 題 は ， 独 創 性
と明確なデザインポリシーの開拓およびそれを象徴するフラッグシップ
モデルの開発であり，それによりブランドイメージを構築し，企業のデザ
イン力を高めていくことにある」と結論付けている．
・第 ４ 回 調 査：企 業 の デ ザ イ ン 力 ラ ン キ ン グ 調 査（ ビ ジ ネ ス マ ネ ー ジ ャ ー 編 ）
第２回調査に続き，どのような企業にデザイン力が備わっているか，期待
をしているかについて，部長職以上の職位につくビジネスパーソンを対象
17
に ， 2008 年 10 月 に 非 公 開 型 イ ン タ ー ネ ッ ト 調 査 で 1,013 名 の 有 効 回 答 を
得 て 実 施 さ れ た 調 査 で あ る ．「 デ ザ イ ン の 力 が 今 後 と て も 強 ま る ・ 高 ま る
と思う企業」を純粋想起させて「デザイン力期待値」とする調査が行われ
た．結果として「デザイン力期待値の高い企業は，ビジネスマネージャー
も生活者からも評価され，企業規模や知名度の高さだけではデザイン力と
は認識されない」と分析している．
・ 第 ５ 回 調 査 ： 都 市 圏 在 住 20 代 前 半 の 女 性 対 象 ， デ ザ イ ン に 関 す る 意 識 調 査
消費行動におけるボリュームゾーンを占める層のデザイン意識の把握を
目 的 と し て ，20 代 前 半 の 女 性 が ど の 企 業 ，商 品 に 関 し て デ ザ イ ン 力 が あ る
と 感 じ て い る か を ， 2008 年 12 月 に 東 京 圏 ， 大 阪 圏 ， 東 海 地 方 在 住 の 20 代
前 半 (20 歳 ～ 26 歳 )の 女 性 を 対 象 と し て ， 非 公 開 型 イ ン タ ー ネ ッ ト 調 査 で
1,102 名 の 有 効 回 答 を 得 て 実 施 さ れ た ． デ ザ イ ン が 優 れ て い る と 感 じ る 商
品，日本を代表するデザインと感じる商品と企業，デザインが優れている
と感じるブランドについて，少なくとも上位にランキングされる商品やブ
ランドは，一連の調査結果を裏付ける結果となっている．
経済産業省が主導して行った戦略的デザイン活用研究による競争力強化に向
け た 4 0 項 目 の 提 言 や ，感 性 価 値 創 造 イ ニ シ ア テ ィ ブ の 政 策 は ，様 々 な 波 及 効 果
があった．消費者向け電気製品を開発・製造する企業においてもデザインを重
要な経営資源として活かそうする気運が高まり，また，企業のインハウスデザ
イン部門においては，従来は漠然としていたデザイン価値を感性価値や感性品
質として捉え直す好機となった．
公益法人による企業のデザイン力に関する一連の調査は，独創的で明確なデ
ザインポリシーに基づく製品デザインがデザイン力の評価を高め，ブランド価
値向上に寄与することを明らかにした．
また，デザイン価値を数値化する試みは，これまでは難しいとされてきたデ
ザイン価値の経済効果や投資対効果の計測が，一定の条件を設けることで近似
値として算出可能であることを立証した．
これらの一連の活動の成果は，コモディティ化が進んでいる消費者向け電気
製品においても，消費者の五感に訴求し，消費者の情緒的，精神的な満足が得
られるようなデザイン価値の提供が，製品の機能，信頼性，コストといった機
能的価値に「＋αの訴求力」となる意味的価値を与え，具体的な経済効果を伴
った製品の差異化と競争力強化に役立つことを示している．
18
１．２．デザイン要件を可視化する既存手法とその課題
１ .２ .１ ． 製 品 の デ ザ イ ン プ ロ セ ス
デザイン要件とは製品のデザイン開発を行う際に考慮すべき事項であり，消
費者向け電気製品においては，製品購入時に選択する魅力があり，製品使用時
に 満 足 を 感 じ る よ う な 消 費 者 が 製 品 デ ザ イ ン に 求 め る 事 項 で あ る [ 2 9 - 3 3 ] ．製 品
のデザイン開発においては，デザイン要件を明確にしてデザインコンセプトを
策定し，それを具現化していく．
製品のデザインプロセスは，製品分野，市場規模，消費者特性，製品ライフ
サ イ ク ル な ど に よ っ て 異 な る が ，一 般 に 表 １ - １ に 示 す プ ロ セ ス に よ り 行 わ れ る
[29-30]． 表 １ -１ に 示 す よ う に ， デ ザ イ ン プ ロ セ ス は 商 品 開 発 プ ロ セ ス と 密 接
な関係にあり，①企業デザイン戦略，②商品デザイン戦略，③デザイン企画，
④ デ ザ イ ン 開 発 ， ⑤ デ ザ イ ン フ ォ ロ ー (製 造 段 階 )， お よ び ⑥ デ ザ イ ン フ ォ ロ ー
(営 業 段 階 )か ら な る <2>．
経営戦略や商品戦略を策定する段階では，ブランドイメージ向上や他社との
差異化などを意図した先行デザインや将来予測によって，企業デザイン戦略，
商品デザイン戦略を構築する．
商 品 企 画 の 段 階 で は ，表 １ - １ に 示 す よ う に ，ま ず プ ロ ジ ェ ク ト の 目 標 を 達 成
するために必要となる投入リソースやスケジュールを明確にしたデザイン計画
を立案し，市場の動向や消費者のニーズなどデザインに必要な情報を収集して
デザイン目標を設定する．次にデザイン目標や収集・整理した情報に基づいて
デザインコンセプトを検討して立案する．そして，デザインコンセプトに従っ
てアイデア発想を行い，それをスケッチや簡易モデルで視覚化して評価した上
でデザイン企画書としてまとめる．
デザイン開発の段階には，詳細なデザインを行ってデザイン仕様書を作成す
る詳細デザインプロセスと開発支援プロセスとがある．詳細デザインプロセス
では，デザインコンセプトに従ってデザインを詳細に検討し，レンダリングや
モ デ ル を 用 い て デ ザ イ ン 案 を 評 価 し た 後 ， 図 面 ， 版 下 ， 色 見 本 ， CAD デ ー タ な
どを含むデザイン仕様書を作成する．この段階では技術者や調達担当者らと連
携してデザインの実現可能性を高めていく．開発支援プロセスでは，製品がデ
ザイン仕様書に従ったデザインとなるよう，図面や版下の調整や成型時の発色
管理など設計や試作の商品開発プロセスを支援する．
19
デザインフォローのプロセスには，製造に対するものと営業に対するものと
がある．製造に対するデザインフォローでは，デザイン品質を維持したまま量
産が可能となるよう試作品の評価やデザイン仕様の調整などを行う．また，営
業に対するデザインフォローでは，デザインコンセプトを販売店や消費者に訴
求するための販促資料，パッケージ，マニュアルなどのコミュニケーションデ
ザインを行う．
表 １ -１ ． 製 品 の 一 般 的 な デ ザ イ ン プ ロ セ ス <2>
商品開発プロセス
デザインプロセス
具体的なデザインプロセス
1
経営戦略
企業デザイン戦略
企業デザイン戦略の構築
2
商品戦略
商品デザイン戦略
商品デザイン戦略の構築
デザイン計画
情報収集と目標設定
・デザイン情報収集
・ユーザ調査・分析
・デザイン目標設定
3
商品企画
デザイン企画
デザインコンセプト
・コンセプトデザイン検討
・アイデアの視覚化
・デザイン評価
・デザイン企画書
詳細デザイン
・詳細デザイン検討
・詳細モデル作成
4
商品開発
デザイン開発
・デザイン評価
・詳細デザイン仕様作成
開発支援
・設計支援，試作支援
・開発試作評価支援
5
製造
6
営業
デザインフォロー
量産設計支援
(製 造 段 階 )
量産試作支援
デザインフォロー
(営 業 段 階 )
20
営業支援
ライフサイクル支援
前項で述べたように，コモディティ化を回避し，競争力のある消費者向け電
気製品を開発するためには，消費者の五感に訴求し，消費者の情緒的，精神的
な満足が得られるようなプラスαの意味的価値を持つデザインを生み出すこと
が必要である．そのためには，デザインプロセスの上流段階（デザインに関す
る情報を収集して目標を定めデザインコンセプトを企画する段階）で，消費者
の多様な価値観や潜在的なニーズ，こだわりや自己表現を理解し，それを製品
デザインの要件として明確にしデザインコンセプトに反映する必要がある．
１ .２ .２ ． デ ザ イ ン 要 件 を 可 視 化 す る 既 存 手 法
一般的な製品のデザインプロセスは前項の通りであるが，デザイナーの勘と
経験に頼りがちであった製品デザインを科学的に行うことを目的として，マー
ケティング・リサーチで用いられる手法をデザインプロセスに応用したデザイ
ン の 方 法 論 が 提 案 さ れ て い る [31-36]．
マーケティング・リサーチで用いられる定量的な調査分析手法は，デザイン
に関する消費者の認知や選好を可視化し，デザインの目標を定めデザインコン
セプトを策定する際に数値化された客観的で科学的な根拠を与える．
代表的な方法論として，上田らによる「製品ライフサイクル・マネジメント
モ デ ル 」[ 3 1 ] と ，山 岡 に よ る「 ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー（ H u m a n D e s i g n
T e c h n o l o g y ）」 [ 3 3 - 3 6 ] が あ る ．
製品ライフサイクル・マネジメントモデルはマーケティング・プロセスの中
に 製 品 の デ ザ イ ン プ ロ セ ス を 位 置 づ け た も の で あ る [ 3 1 ] ．表 １ - ２ は 製 品 ラ イ フ
サイクル・マネジメントモデルが扱うプロセスと製品デザインプロセス（太枠
の範囲）における実行ステップと手法をまとめたものである．
一方，ヒューマンデザインテクノロジーは，山岡が考案した人間中心設計の
プ ロ セ ス ・ 手 法 で あ り ，「 人 間 に 関 す る 諸 情 報 （ 生 理 ， 心 理 ， 認 知 ， 行 動 な ど ）
をデザイン要件（ヒューマン・リクアイアメント）に変換し，製品の企画から
デザイン，評価までのプロセスに反映させ，人間優先の魅力ある商品作りに寄
与 す る 技 術 で あ る 」と 定 義 し て い る [ 3 3 ] ．ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー は ，
人間工学，工業デザイン，マーケティング・リサーチ，認知科学，ユーザビリ
ティ工学，統計（多変量解析）などを統合し，従来，直感に頼っていた製品開
発のプロセスをできるだけ定量化するという視点で見直し，検討漏れのない人
間優先の魅力のある製品作りを支援することを目的としており，製品開発の現
21
場 で の 応 用 事 例 も 多 い [37-40]．
ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー の プ ロ セ ス ス テ ッ プ は 表 １ -３ に 示 す 通 り ，
( 1 ) ユ ー ザ ニ ー ズ 収 集 ス テ ッ プ ，( 2 ) 状 況 把 握 ス テ ッ プ ，( 3 ) 製 品 コ ン セ プ ト 構 築
ス テ ッ プ ，( 4 ) デ ザ イ ン ( 総 合 化 ) ス テ ッ プ ，( 5 ) デ ザ イ ン 評 価 ス テ ッ プ ，( 6 ) ユ ー
ザ使用実態調査，の６ステップからなる.
表 １ -２ ． 製 品 ラ イ フ サ イ ク ル ・ マ ネ ジ メ ン ト モ デ ル <3>
プロセス
実行ステップ
手 法 (製 品 デ ザ イ ン )
市場の定義
1
市場機会発見
市場細分化
アイデア創出
既存製品のポジショニングによ
・知覚マップ
る判断基準の発見
2
製品デザイン
消費者のセグメンテーション
・クラスター分析
新製品の最適ポジションの発見
・選好回帰
製品諸属性の水準の決定
・コンジョイント分析
売上ポテンシャルの予測
・コンジョイント分析
・ロジットモデル 等
マ ー ケ テ ィ ン グ・ミ ッ ク ス の 決 定
3
テスト
4
市場導入
テスト
新製品予測
導入計画
追跡・修正
5
ラ イ フ サ イ ク
市場反応分析
ル ・ マ ネ ジ メ
競争的防衛
ント
ポートフォリオ・マネジメント
22
多様
表 １ -３ ． ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー の 各 ス テ ッ プ で の 実 施 内 容 <4>
ステップ
実施内容
3 ポイントタスク分析，直接観察，グルー
１
ユーザニーズ収集ステップ
プ イ ン タ ビ ュ ー ，ア ク テ ィ ブ リ ス ニ ン グ 法 ，
レパートリーグリッド法等によるユーザリ
クアイアメントの収集
簡易ポジショニング，コレスポンデンス分
２
状況把握ステップ
析，因子分析等による製品の現状把握およ
び分析
３
商品コンセプト構築ステップ
構造化コンセプト（ＡＨＰ等を使ったデザ
イン項目のウエイト付け）
70 の デ ザ イ ン 項 目 に よ る 可 視 化
1)ユ ー ザ イ ン タ フ ェ ー ス 関 係 （ 29 項 目 ）
2)感 性 デ ザ イ ン 関 係 （ 9 項 目 ）
3)ユ ニ バ ー サ ル デ ザ イ ン 関 係 （ 9 項 目 ）
４
デザイン（総合化）ステップ
4)安 全 性 （ PL） 関 係 （ 6 項 目 ）
5 ) ロ バ ス ト ( 頑 強 性 ) デ ザ イ ン 関 係（ 5 項 目 ）
6)メ ン テ ナ ン ス (保 守 性 )関 係 （ 2 項 目 ）
7)エ コ ロ ジ ー デ ザ イ ン 関 係 （ 5 項 目 ）
8)そ の 他
リクアイアメントに基づく評価，レパート
リーグリッド法と多属性効用理論に基づく
評価，ＡＨＰ，コンジョイント分析，平均
５
デザイン評価ステップ
順 位 法 ，商 品 評 価 3 項 目 (有 用 性 ・ 便 利 性 ・
魅 力 性 ) 等 を 用 い た 仕 様 の 妥 当 性
(Verification)
と
有
効
性
の
確
認
(Validation)に よ る デ ザ イ ン 評 価
６
購入後使用実態調査
アンケートやインタビューによる満足度お
よび実態調査
23
前述の２つの方法論は，デザイン要件を数値化し可視化する手法を用いてい
ることに共通点がある．
表 １ - ２ に 示 す よ う に ，製 品 ラ イ フ サ イ ク ル ・ マ ネ ジ メ ン ト モ デ ル で は ，既 存
製品のポジショニングによる判断基準の発見に知覚マップを用い，新製品の最
適ポジションの発見に選好回帰を用いる．また，製品諸属性の水準の決定や売
上ポテンシャルの予測にはコンジョイント分析を用いる．
一 方 ， ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー は 表 １ -３ に 示 す 通 り マ ー ケ テ ィ ン
グ・リサーチで用いられる以外の手法も援用する包括的な方法論であるが，定
量的な調査分析手法に着目すると，状況把握ステップでコレスポンデンス分析
や因子分析による知覚マップを，商品コンセプト構築ステップではＡＨＰ
（ Analytic Hierarchy Process： 階 層 分 析 法 ） を ， デ ザ イ ン 評 価 ス テ ッ プ で は
コンジョイント分析とＡＨＰをそれぞれ用いる．
前記２つの代表的な方法論に見られるように，デザインに関する消費者の認
知 や 選 好 を 可 視 化 し て デ ザ イ ン コ ン セ プ ト を 策 定 す る プ ロ セ ス に お い て ， (1)
知 覚 マ ッ プ ，( 2 ) 選 好 回 帰 ，( 3 ) コ ン ジ ョ イ ン ト 分 析 お よ び ( 4 ) Ａ Ｈ Ｐ が デ ザ イ ン
要件を定量的に可視化する手法として用いられている．各手法の概要を以下に
記す．尚，これらの手法は多変量解析を基礎としており詳細には様々な数理モ
デルを用いた幾つかの解法が存在するが，デザイン要件を可視化する手法の現
状 を 明 ら か に す る こ と が 本 節 の 目 的 で あ る の で ，代 表 的 な 解 法 の 記 述 に 留 め る ．
(1) 知 覚 マ ッ プ
知覚マップとは製品やブランドを消費者がどのように知覚しているのかを地
図のように可視化する手法であり，主に自社の製品やブランドを他社と差異化
し 相 対 的 に 優 位 な 地 位 を 得 る こ と を 目 的 と し て 用 い ら れ る [31][41]．
知覚マップを作成する際に用いられる統計手法として，多次元尺度構成法
（ M D S ： M u l t i D i m e n s i o n a l S c a l i n g ）， 因 子 分 析 ， コ レ ス ポ ン デ ン ス 分 析 （ 数 量
化Ⅲ類）などがある．
多 次 元 尺 度 構 成 法 は ，対 象（ 製 品 や ブ ラ ン ド ）間 の 類 似 性（ ま た は 非 類 似 性 ）
を 意 味 す る デ ー タ か ら 知 覚 マ ッ プ を 作 る た め に 用 い る [ 4 1 - 4 2 ] ．一 方 ，因 子 分 析
や コ レ ス ポ ン デ ン ス 分 析 は ， 対 象 （ 製 品 や ブ ラ ン ド ） と そ の 評 価 属 性 （「 洗 練 さ
れ た 」，「 伝 統 的 」 な ど の 対 象 を 評 価 す る 属 性 ） へ の 反 応 デ ー タ か ら 知 覚 マ ッ プ
を 作 成 す る た め に 用 い る [41]．
24
・多次元尺度構成法
多 次 元 尺 度 構 成 法 は ，デ ー タ の 類 似 性 を 空 間 的 に 表 現 す る た め の 手 法 で あ る ．
この手法は，対象間の類似性（または非類似性）を意味するデータに対し，対
象を多次元空間内の点として表し，点間距離が類似性と一致するように点の布
置 す る [ 4 1 - 4 2 ] ．点 間 距 離 に は ユ ー ク リ ッ ド 距 離（ 個 人 差 を 扱 う 場 合 は 重 み 付 き
ユークリッド距離）が用いられる．
ま た ， 類 似 度 と 距 離 を 結 び つ け る 方 法 に は 計 量 MDS と 非 計 量 MDS と が あ り ，
類 似 度 を 示 す デ ー タ が 間 隔 尺 度 や 比 尺 度 の 場 合 は 計 量 MDS を ， 類 似 度 デ ー タ が
順 序 尺 度 の 場 合 は 非 計 量 MDS を そ れ ぞ れ 用 い る ．
計 量 MDS で は 類 似 度 を そ の ま ま 扱 い 主 座 標 分 析 [43]と い う 解 法 を 用 い て ， 非
計 量 MDS で は 類 似 度 の 大 小 関 係 を 用 い る Kruskal の 方 法 [44]を 用 い て ， そ れ ぞ
れ類似度と距離を結びつける．製品やブランドを対象とし，それらの類似性に
関する消費者の認知を測定したデータを多次元尺度構成法で空間的に表現する
ことによって製品やブランドの知覚マップが得られる．
・因子分析
因子分析は，いくつかの変数間に潜む共通の要因となる共通因子（以降は単
に 因 子 と 記 す ）を 推 定 す る 手 法 で あ る [ 4 5 - 4 6 ] ．因 子 分 析 で は ，抽 出 し た 因 子 に
よるモデルが実際のデータをどの程度説明しているかが重要であり，モデルに
よる推定値がデータに近づく（収束する）まで繰り返しモデルを修正する．モ
デル化を行う代表的な方法として，主因子法，最小二乗乗法および最尤法があ
る ．主 因 子 法 は モ デ ル の 情 報 量 が 最 大 と な る よ う に 因 子 を 決 定 す る 方 法 で あ り ，
また，最小二乗法は実際のデータとモデルによる推定値の差が最小になるよう
因子を決定する方法である．最尤法はデータの母集団の分布を仮定し，実際の
データがその母集団から得られる尤もらしさ（生起確率）が最大になるよう因
子を決定する．因子分析では，変数（例：製品やブランドの評価属性）と因子
の相関を因子負荷量と呼び，因子負荷量の大きい変数を考慮して因子の名前付
け（例：親近感，人材力など）を行う．また，対象（例：製品やブランド）と
因子の相関を因子得点と呼ぶ．
上記のモデル化による分析の結果は，１つの変数が無視できない因子負荷量
で複数の因子に負荷していることが多く，そのままでは解釈が難しいため回転
を行う．回転はモデルを１つの変数がある特定の因子に高く負荷しそれ以外の
因子への負荷が少ない単純構造と呼ばれる状態に変換する．回転法として代表
的なものとして，因子間に相関がない場合は直交回転（バリマックス回転が代
25
表的）を行い，因子間に何らかの相関がある場合は斜交回転（プロマックス回
転が代表的）を行う．
・コレスポンデンス分析
コレスポンデンス分析は離散データを集計した分割表を分析し，カテゴリの
関係の強さや類似性を図示することによって２組の質的変数の関係を視覚的・
直 感 的 に 解 釈 さ せ る 分 析 手 法 で あ る [ 4 7 - 4 8 ] ．コ レ ス ポ ン デ ン ス 分 析 に は ，尺 度
解析，数量化Ⅲ類，最適尺度法，双対尺度法，等質性分析と呼ぶ類似手法があ
る が 原 理 的 に は 同 等 の 手 法 で あ る [49]． 具 体 的 な 分 析 で は ， 対 象 （ 製 品 デ ザ イ
ン な ど ） と 評 価 属 性 （「 上 品 な 」，「 シ ン プ ル な 」 な ど 対 象 を 評 価 す る 属 性 ） の デ
ータをクロス集計した表を作成し，表の行・列をそれぞれ行和・列和で標準化
した後，特異値分解によって軸を抽出する（行・列の標準化と特異値分解の手
順 を ま と め て 一 般 化 特 異 値 分 解 と 呼 ぶ こ と も あ る ）[ 5 0 - 5 1 ] ．分 析 す る 行 列 の 標
準化の方法が異なるが，特異値分解は主成分分析の解法であり，コレスポンデ
ンス分析は離散データのある種の主成分分析と言える．分析によって得られた
対象と評価属性の主成分得点を空間上に布置することで知覚マップが得られる．
前述した因子分析が誤差を独自因子とみなしてデータを共通因子に分解する
ための手法であるのに対し，コレスポンデンス分析は誤差を許容したままデー
タ を 主 成 分 に 総 合 化 す る 次 元 圧 縮 の 手 法 で あ る [51]．
図 １ -１ に コ レ ス ポ ン デ ン ス 分 析 に よ る 製 品 デ ザ イ ン の 知 覚 マ ッ プ の 例 を 示
す ． 図 １ -１ に 示 す 製 品 デ ザ イ ン の 知 覚 マ ッ プ に は 18 タ イ プ の デ ザ イ ン と 20
語のデザイン評価語（イメージ語）が布置されている．マップ上で近い位置に
あるデザインやイメージ語は，それらが回答者にとって関連が強いと知覚され
ているものと解釈する．原点から同じ方向にあるデザインはイメージ語による
印象が相対的に類似していることを示す．また，原点付近に布置されたデザイ
ンは，その印象が調査しているイメージ語に平均的にあてはまる（平均的な特
徴を持つ）と回答されたものである．
26
図 １ -１ ． コ レ ス ポ ン デ ン ス 分 析 に よ る 製 品 デ ザ イ ン の 知 覚 マ ッ プ 例
多次元尺度構成法による対象の空間表現では対象間の距離は相対的な類似度
を表している．従って，空間をどのように回転させても相対的な距離は変わら
ないために，空間内に軸を設定して解釈しようとするのは難しいという欠点が
あ る [41]． 一 方 ， 因 子 分 析 や コ レ ス ポ ン デ ン ス 分 析 で は ， 分 析 に よ っ て 共 通 因
子や主成分といった軸が得られる．軸の意味を検討することは必要であるが，
知覚マップを解釈するにあたって予め手掛かりがあるのは実務家には有用であ
る．
因子分析とコレスポンデンス分析を比較すると，因子分析では分析処理が収
束しない場合があるほか，因子数の決定やモデル化・回転の方法を選択する際
27
に試行錯誤と統計的な知識が求められる場合があるのに対し，コレスポンデン
ス 分 析 で は そ の よ う な 問 題 や 手 間 は 発 生 し な い [52]． 厳 密 に は ２ つ の 分 析 法 の
結果には差があるが，デザインの実務家が製品デザインの知覚マップを手早く
作成して解釈するという目的においては，より手軽なコレスポンデンス分析が
用 い ら れ る こ と が 多 い [33][52-55]．
製品ライフサイクル・マネジメントモデルでは，既存製品のポジショニング
による判断基準の発見に，ヒューマンデザインテクノロジーでは状況把握ステ
ップにおける簡易ポジショニングに知覚マップをそれぞれ用いる．既に市場に
出ている製品のデザインを消費者がどのように認知しているのかを知覚マップ
で可視化することにより，自社製品のデザインが競合する製品のデザインと差
異化できているかどうか，および自社製品のラインナップが意図通りに消費者
に区別されているがなどを知ることができる．また，知覚マップを用いること
により，マップ上の空白の領域に新たなデザインの可能性があるかどうかを考
える機会となる．開発中の製品デザイン案を対象とする知覚マップを作成すれ
ば，各デザイン案が意図通りに消費者に認知されているかどうか，どのデザイ
ン 案 を 採 用 す べ き か ど う か を 検 討 す る 手 掛 か り と な る [54-55]．
(2) 選 好 回 帰
知覚マップをもとに消費者の選好を分析することを，マーケティング・リサ
ー チ の 分 野 で は 選 好 回 帰 と い う [56]． 選 好 回 帰 は ， 知 覚 マ ッ プ の 軸 を 説 明 変 数
とし，消費者の選好度を目的変数とした重回帰分析を行うものであり，分析の
結果得られた偏回帰係数から選好に影響を与える形容詞の重要度を計算するこ
と が で き る ． キ ャ ロ ル の PREFMAP（ 選 好 度 の 写 像 分 析 法 ） [57]は 代 表 的 な 選 好
回帰の手法であり，コレスポンデンス分析や多次元尺度構成法などで作成した
知覚マップに，１次または２次の多項式による選好回帰の結果を，知覚マップ
上に選好のベクトル（線）や等高線として描き，理想的な方向や位置を表現す
る ． PREFMAP で は 代 表 的 な 選 好 関 数 と し て ， 選 好 関 数 を 一 次 関 数 と し た 理 想 ベ
ク ト ル モ デ ル と ，選 好 関 数 を 二 次 関 数 と し た 理 想 点 モ デ ル ，重 み 理 想 点 モ デ ル ，
および回転重み理想点モデルとがある．
製品ライフサイクル・マネジメントモデルでは，新製品の最適ポジションの
発見を目的に理想ベクトルモデルによる選好回帰を行う．
28
図 １ -２ に 理 想 ベ ク ト ル モ デ ル を 用 い た デ ザ イ ン の 選 好 回 帰 の 例 を 示 す ．
：理想ベクトル
図 １ -２ ． 選 好 回 帰 （ 理 想 ベ ク ト ル モ デ ル ） に よ る 選 好 分 析 例
図 １ -２ に 多 数 存 在 す る 灰 色 の 矢 印 は 回 答 者 １ 人 １ 人 の 理 想 ベ ク ト ル で あ る ．
ま た ，図 １ - ２ の 中 央 付 近 に あ る 太 い 矢 印 は 回 答 者 全 員 の 理 想 ベ ク ト ル を 示 し て
い る ．理 想 ベ ク ト ル モ デ ル に よ る 分 析 で は ，選 好 関 数 に １ 次 関 数 を 用 い る た め ，
知覚マップ上での選好度は直線的に変化する．これを選好度が増大する方向に
向かうベクトルとして矢印で表現する．この分析例では，理想ベクトルを示す
矢印の線の長さは編回帰係数（ベクトルの勾配）を表しており，長いほど矢印
29
の方向に向かって進むときに増大する選好の量が多い．
選好回帰は製品ライフサイクル・マネジメントモデルにおいて新製品の最適
ポジションの発見に用いる．選好回帰は知覚マップの上で消費者の選好度を重
ね合わせて可視化するため，自社製品のデザインが競合する製品のデザインと
比較してどの程度選好されているか，知覚マップ上のどの方向に消費者の選好
が集まっているのかなど，対象としている製品デザインの相対的な消費者の認
知と選好を知ることができる．
(3) コ ン ジ ョ イ ン ト 分 析
コンジョイント分析は，顧客に好まれる商品コンセプトは何かを探索するた
めに，商品全体の好き嫌いの程度をたずねることにより，その商品を構成する
個 別 の 要 因 ご と の 効 用 を 推 定 す る 調 査 ・ 分 析 手 法 で あ る [ 4 1 ] [ 5 3 ] [ 5 8 - 6 1 ] ．コ ン
ジ ョ イ ン ト 分 析 で は ，商 品 の 価 値 を 決 定 す る 要 因 を「 属 性 」，属 性 の 条 件 を 具 体
的に示した内容を「水準」と呼び，各属性から１つの水準を選んで組み合わせ
た商品コンセプトをプロファイルカードとして回答者に提示する．一般的に用
いられるコンジョイント分析は，属性間に交互作用が無いことを前提に，直交
計画法を用いて，プロファイルカードの数が少なく，バランスの良い水準の組
み合わせを決定する．このプロファイルカードを回答者に提示して，選好順位
や評定値を回答させ，最小二乗法により各水準が選好に与える効用をパラメー
タ 推 定 す る ．表 １ - ４ に デ ザ イ ン 属 性 を 含 む コ ン ジ ョ イ ン ト 分 析 の 分 析 結 果 の 例
を 示 す ．ま た ，表 １ - ４ に 示 す 属 性 と 水 準 を 組 み 合 わ せ て 作 成 し た プ ロ フ ァ イ ル
カ ー ド の 例 を 図 １ -３ に 示 す ．
各水準の効用を部分効用値と呼ぶ．また，選好判断における属性の重視度を
寄 与 率 と 呼 び ，全 て の 属 性 に お け る 推 定 部 分 効 用 値 の 分 散 の 合 計 を 1 0 0 % と し た
ときの，各属性の推定部分効用値の分散の割合として求められる．
コ ン ジ ョ イ ン ト 分 析 は 調 査 方 法 (質 問 形 式 )の 違 い か ら ， 完 全 プ ロ フ ァ イ ル 型
と 一 対 比 較 型 に 分 類 で き る [ 6 1 - 6 2 ] ．完 全 プ ロ フ ァ イ ル 型 は ，全 て の プ ロ フ ァ イ
ルカードを提示し，選好の順位や評定値を回答させて分析を行う．一対比較型
は，二つのプロファイルカードを提示して，どちらがどのくらい好ましいかの
程度を一対比較で回答させて分析を行う．選択型コンジョイント分析は，複数
のプロファイルカードを同時に提示するが，最も魅力のあるコンセプトを１つ
選択するか，どれも選択しないことによって選好を回答させる手法である．
30
表 １ -４ ． デ ザ イ ン 属 性 を 含 む コ ン ジ ョ イ ン ト 分 析 の 分 析 結 果
属性
水準
部分効用値
300 万 画 素
-1.203
500 万 画 素
1.203
画素数
寄与率
59.64
３倍ズーム
-0.890
８倍ズーム
0.890
ＳＤ
0.465
ＭＳ
0.038
ＣＦ
-0.012
ｘＤ
-0.490
リチウムイオン専用充電池
-0.036
光学ズーム
32.64
メモリーカード
4.72
電池
0.05
単 ３ 型 充 電 池 (乾 電 池 OK)
0.036
Ｇ
-0.069
Ｊ
-0.030
Ｌ
0.420
Ｗ
-0.321
デザイン
2.94
部分効用値の定数項
8.500
図 １ -３ ． コ ン ジ ョ イ ン ト 分 析 の プ ロ フ ァ イ ル カ ー ド の 例
31
各属性で最大の部分効用値を持つ水準の組み合わせが最適な商品コンセプト
で あ り ，表 １ - ４ に 示 す コ ン ジ ョ イ ン ト 分 析 の 結 果 例 で は ，画 素 数 は 5 0 0 万 画 素 ，
光 学 ズ ー ム は 8 倍 ， メ モ リ ー カ ー ド は SD カ ー ド ， 電 池 は 単 ３ 型 充 電 池 (乾 電 池
OK)， デ ザ イ ン は タ イ プ Ｌ と い う 水 準 の 組 み 合 わ せ が 最 適 コ ン セ プ ト で あ る ．
コンジョイント分析は，製品ライフサイクル・マネジメントモデルでは製品
諸属性の水準の決定や売上ポテンシャルの予測に，ヒューマンデザインテクノ
ロ ジ ー で は デ ザ イ ン 評 価 に そ れ ぞ れ 用 い ら れ る ．コ ン ジ ョ イ ン ト 分 析 に お い て ，
機能や価格などと並んでデザインを属性の一つとし，デザイン候補をその水準
とすれば，デザインを含む商品コンセプトの効用を分析できる．完全プロファ
イル型のコンジョイント分析はプロファイルカードを一覧できるので実際の購
買 行 動 に 近 く ， 回 答 者 に は 店 頭 や Web サ イ ト で 商 品 を 選 択 す る の と 同 等 の ト レ
ードオフが働く．また，完全プロファイル型のコンジョイント分析は製品デザ
インのような全ての候補を見比べながら判断する必要がある属性を扱う場合に
都合が良い．
(4) Ａ Ｈ Ｐ （ Analytic Hierarchy Process： 階 層 分 析 法 ）
Ａ Ｈ Ｐ は 複 数 の 評 価 基 準 が あ る 意 思 決 定 問 題 に 対 し ，問 題 を 目 標 ，評 価 基 準 ，
および代替案の階層構造に分割した上で各階層における要素同士の相対的な重
要度を一対比較で評価し，評価基準と代替案の重要度を総合して問題の意思決
定 を 行 う 意 思 決 定 手 法 で あ る [ 6 3 - 6 4 ] ．具 体 的 に は ，Ａ Ｈ Ｐ は 次 の ４ つ の ス テ ッ
プで構成される．
・ STEP1 問 題 を 評 価 基 準 と 代 替 案 の 階 層 構 造 に 分 割 す る
ＡＨＰでは意思決定の問題を目標，評価基準および代替案の階層構造に分割
す る ．図 １ - ４ は エ ア コ ン の 購 入 に お い て 製 品 Ａ ～ Ｃ の 代 替 案 の 中 か ら １ つ を
選択する問題の階層構造の例である．この例では説明を簡単にするために，
代替案を３製品，評価基準をデザイン，省エネ性能および使いやすさの３基
準としているが，実際の意思決定ではさらに多くの選択肢や評価基準が用い
ら れ る [65]．
32
図 １ -４ ． Ａ Ｈ Ｐ で の 問 題 の 階 層 構 造 例
・ STEP2 各 階 層 で 要 素 間 の 一 対 比 較 を 行 う
図 １ -４ に 示 す 評 価 基 準 お よ び 代 替 案 の 各 階 層 で 要 素 同 士 の 相 対 的 な 重 要 度
を 一 対 比 較 で 評 価 す る ．一 対 比 較 の 例 を 図 １ - ５ に 示 す ．例 に 示 す よ う に 評 価
基準の一対比較では，デザインと省エネ性能，デザインと使いやすさといっ
た２つの要素に対し，目標に対しどちらがどの程度重要であるかを比較評価
す る ．比 較 評 価 は 図 １ - ５ に 示 す よ う に １ ～ ９ の 整 数 と そ の 逆 数 を 一 対 比 較 値
として用い，同一階層のすべての２組の要素間の一対比較の結果から一対比
較行列を完成させる．このような一対比較を代替案に対しても評価基準ごと
に行って各階層で一対比較行列を作る．
一対比較値に用いる逆数の用法は，例えば「要素Ａより要素Ｂが尺度５で重
要 で あ る 」と 評 価 し た 場 合 は「 要 素 Ｂ よ り 要 素 Ａ が 尺 度
1
で 重 要 で あ る 」と
5
して用いる．これは一対比較値が重要度や重みを示す比率尺度であり，各要
素間の重要度の比率で構成される一対比較行列から問題全体の重要度の比率
を 推 定 す る た め の 方 法 で あ る [63-64]．
33
図 １ -５ ． Ａ Ｈ Ｐ で の 一 対 比 較 の 例
STEP3 一 対 比 較 行 列 か ら 各 要 素 の 重 要 度 を 推 定 す る
要素の重要度は一対比較行列の固有ベクトルを求めることで推定するが，一
対比較行列の各行要素の一対比較値の幾何平均で近似値を求める簡便な方法
も あ る [63]． 図 １ -６ は 固 有 ベ ク ト ル に よ る 重 要 度 の 推 定 結 果 の 例 で あ る ．
評価基準や代替案が増えるほどＡＨＰの階層構造は複雑となり，一対比較の
回数が増え一対比較の判断に整合性がなくなる恐れがある．整合性がなくな
るとは，具体的には「要素Ｉより要素Ｊが重要で，かつ，要素Ｊより要素Ｋ
が 重 要 」で あ れ ば ，
「 要 素 Ｉ よ り 要 素 Ｋ が 重 要 」と な る と い う 推 移 律 が 成 り 立
た な い こ と で あ る ．一 対 比 較 行 列 Ａ に お い て 一 対 比 較 値 ａ
ik
＝ａ
ij
×ａ
jk
が全
て の i, j, k で 成 立 す る と き に 一 対 比 較 行 列 Ａ は 整 合 し て お り ， 一 対 比 較 行
列 Ａ の 最 大 固 有 値 λ m a x は 要 素 の 数 と 一 致 し ，そ う で な い 場 合 は 固 有 値 λ m a x
が 要 素 の 数 よ り 大 き く な る ． Ａ Ｈ Ｐ で は 整 合 度 C.I.（ Consistency Index）
と し て λ m a x を 用 い ，そ の 値 が 0 . 1 あ る い は 0 . 1 5 以 下 で あ る 時 に 整 合 し て い
る と す る ． 図 １ -６ に 示 す 重 要 度 の 推 定 結 果 は 全 て の 一 対 比 較 行 列 に お い て
C.I.が 0.1 以 下 で あ る の で 一 対 比 較 の 判 断 に 整 合 性 が あ る と 言 え る ．
34
図 １ -６ ． Ａ Ｈ Ｐ で の 重 要 度 の 推 定 例
・ STEP4 階 層 構 造 に 従 っ て 重 要 度 の 積 和 を 総 合 的 な 重 要 度 と す る
図 １ -７ に 示 す よ う に 前 記 手 順 で 求 め た 評 価 基 準 の 重 要 度 と 代 替 案 の 重 要 度
の積和を求める（評価基準の重要度行列に代替案の重要度行列を乗じる）こ
とにより，各代替案の問題に対する総合的な重要度を推定する．
図 １ -７ ． Ａ Ｈ Ｐ で の 総 合 的 な 重 要 度 の 例
35
図 １ - ７ に 示 す 例 で は ，エ ア コ ン の 購 入 と い う 目 標 の 解 と し て 製 品 Ａ を 選 択 す
るという意思決定がなされたことを意味するが，製品に対するデザイン要件
を可視化するという立場からは製品選択基準の優先度と具体的な製品の受容
度を数値で把握することができる．ヒューマンデザインテクノロジーでは，
商品コンセプトを構築するステップおよびデザインを評価するステップでそ
れぞれＡＨＰを用いる．
(5) ク ラ ス タ ー 分 析
クラスター分析（クラスタリングとも言う）は対象の中から類似しているも
の を 集 め て 群 を 作 る こ と に よ っ て 対 象 を 分 類 す る 分 析 方 法 の 総 称 で あ る
[ 6 6 - 6 8 ] ．ク ラ ス タ ー 分 析 は 消 費 者 を 対 象 と し た 調 査 で 良 く 用 い ら れ る 手 法 で あ
り ，調 査 の 目 的 や デ ー タ の 特 徴 に よ っ て 様 々 な 分 析 手 法 が 使 い 分 け ら れ て い る ．
ここでは手法の説明は最低限に留め，デザイン要件の可視化でクラスター分析
を用いる方法を述べる．
クラスター分析ではクラスター化の方法や類似度の測定法として様々なもの
があるが，大別すると階層的な方法と非階層的な方法に分けられる．階層クラ
スター分析はクラスター化する過程を階層構造として得ることができる方法で，
最短距離法やウォード法など多くの方法がある．一方，非階層クラスター分析
は，予めクラスターの数を決めておいてクラスター内を均一化しつつクラスタ
ー 間 が で き る 限 り 異 な る よ う に 分 類 す る 方 法 で ，k - m e a n s 法（ K 平 均 法 ）や 自 己
組 織 化 マ ッ プ （ Kohonen ネ ッ ト ワ ー ク ） な ど の 手 法 が あ る ． 類 似 度 と し て 用 い
るデータ間の距離にはユークリッド距離やマハラノビス距離など様々な測度が
あ る [67-68]．
製品ライフサイクル・マネジメントモデルでは消費者のセグメンテーション
にクラスター分析を用いる．デザイン要件を明確化するための各種の調査・分
析では，性別や年代などの人口統計学的変数のほか，消費態度や価値観などの
心理学的変数を用いてクラスター分析を行って消費者をセグメント化する．
デザイン要件を可視化する前述の手法でもクラスター分析が併用される．知
覚マップの利用においては，クラスター分析によってセグメント化した消費者
群ごとに知覚マップを作成することにより，消費者セグメントによる既存製品
やデザイン案の認知の違いを知ることができる．また，選好回帰では，個人の
理想ベクトルをクラスター分析で分類し，各クラスターの理想ベクトルの平均
36
を求めることにより，製品デザインとその属性を選好の違いで類型化できる．
コンジョイント分析では個人の部分効用値をクラスター分析で分類することに
より，各クラスターでの最適コンセプトの立案が可能となる．
１ .２ .３ ． デ ザ イ ン 要 件 を 可 視 化 す る 既 存 手 法 の 課 題
デザイン要件を可視化する手法の課題を以下に述べる．
(1) 知 覚 マ ッ プ を 用 い た 選 好 回 帰
知覚マップを用いる選好回帰は，製品デザインに対する消費者の認知や選好
を 定 量 的 に 可 視 化 し ，自 社 製 品 の 市 場 で の ポ ジ シ ョ ン ，競 合 と の 差 異 化 の 程 度 ，
および新たなデザインの可能性を検討することができる．
選好回帰を製品のデザインに役立てようとする際，デザイナーは消費者にと
って最も魅力的なポジションを知覚マップ上で探索する．前項で述べた理想ベ
ク ト ル モ デ ル は 選 好 を 理 想 ベ ク ト ル (直 線 )で 表 現 す る た め ， 図 １ -８ (a)に 示 す
ように一定の方向に向かって離れれば離れるほどより好まれるデザインになる
という性質を持ち，知覚マップ上で選好が最大となる最適な位置が分からない
という問題がある．
一 方 ，二 次 の 選 好 関 数 を 用 い る P R E F M A P の 理 想 点 モ デ ル ，重 み 理 想 点 モ デ ル ，
および回転重み理想点モデルは，選好を点（理想点）で表現する．二次の選好
関 数 の 推 定 結 果 は 図 １ - ８ ( b ) ～ ( d ) に 示 す い ず れ か の 分 布 と な る た め ，理 想 点 が
図 １ -８ (c)に 示 す よ う な 近 づ く ほ ど 選 好 度 が 高 く な る 「 正 の 理 想 点 」 に な れ ば
デ ザ イ ン の 最 適 な ポ ジ シ ョ ン を 明 ら か に で き る 可 能 性 が あ る が ， 図 １ -８ (b)に
示 す よ う な 近 づ く ほ ど 選 好 度 が 下 が る 「 負 の 理 想 点 」 や ， 図 １ -８ (d)に 示 す 選
好度の変化率の符号が２軸で変化する「鞍点」になった場合は解釈できなくな
る と い う 欠 点 が あ る [41][57][69]．
37
選好軸
z
選好軸 z
z ＝f（x, y）
z＝f（x, y）
＝a + b x + c y
鞍点
y
知覚マップ平面
y
.
x
x
知覚マップ平面
(a) 理 想 ベ ク ト ル
選好軸 z
(b) 理 想 点 （ 鞍 点 ）
z＝f（x, y ）
正の理想点
.
x
z＝f（x, y ）
選好軸 z
負の理想点
y
知覚マップ平面
(c) 正 の 理 想 点
.
x
y
知覚マップ平面
(d) 負 の 理 想 点
図 １ -８ ． 理 想 ベ ク ト ル と 理 想 点
(2) コ ン ジ ョ イ ン ト 分 析
コンジョイント分析やＡＨＰは，消費者が製品に求める価値を製品の属性や
仕様の重要度に分解することができるので，デザインの価値分析や商品コンセ
プトの策定に用いることができる．
コ ン ジ ョ イ ン ト 分 析 と Ａ Ｈ Ｐ （ Analytic Hierarchy Process： 階 層 分 析 法 ）
はともに製品価値を左右する属性と水準（ＡＨＰでは評価基準と代替案）の効
用 （ Ａ Ｈ Ｐ で は 重 要 度 ） を 推 定 で き る が 本 質 的 に 異 な る 手 法 で あ る [58]．
ＡＨＰは属性（評価基準）と水準（代替案）の重要度を消費者に直接尋ね，
属性の重要度と水準の重要度の積和から合成的に製品全体の価値を推定する
（ 期 待 価 値 モ デ ル ）．一 方 ，コ ン ジ ョ イ ン ト 分 析 で は ，製 品 全 体 の 効 用 か ら 各 属
性 ・ 水 準 の 効 用 を 分 解 的 に 推 定 す る （ コ ン ジ ョ イ ン ト モ デ ル ） [58]． 属 性 や 水
準の魅力を直接問う自己申告型の調査手法は回答者の建前的な意見しか得られ
38
ないという問題があり，コンジョイント分析はその欠点を解消し，回答者の本
音を引き出すために考案された行動分析型の調査手法であるといえ，定量化が
難しいとされるデザインのような属性の効用を推定できる点でＡＨＰより優れ
て い る [53]． ま た ， Ａ Ｈ Ｐ で は 評 価 基 準 と 代 替 案 の 全 て の 組 み 合 わ せ に お け る
重要度を一対比較で判断し回答しなければならないため，課題全体の重要度を
推定する前に重要度の判断に整合性があるかどうかを判定する必要がある．評
価基準と代替案の数が増えると一対比較の回数が増えるほか，判断に整合性が
無 い 場 合 は 判 断 を や り 直 す 必 要 が あ り ，コ ン ジ ョ イ ン ト 分 析 よ り 手 間 が 掛 か る ．
前項で述べたようにコンジョイント分析を消費者向け電気製品のデザイン要
件の可視化に用いる場合は，店頭での商品選択と同様のトレードオフが働く完
全プロファイル型のコンジョイント分析を用いるのが良い．完全プロファイル
型のコンジョイント分析は属性・水準の増加によりプロファイルカードの枚数
が増え，回答者の負担の増加や回答データの質の低下が問題となるため，プロ
フ ァ イ ル カ ー ド の 枚 数 を 20～ 30 枚 以 内 に す る こ と や 属 性 の 数 を 6 以 内 (2 水 準
の 属 性 だ け で も 1 0 以 内 ) に す る こ と が 推 奨 さ れ て い る [ 5 8 ] [ 7 0 - 7 1 ] ．し か し ，調
査したい属性としてのデザインや機能・性能の水準は多くあり，そのまま直交
計画を用いてプロファイルカードを作ると回答が困難に思えるほどの枚数のカ
ードとなるのが問題である．
(3) 構 造 方 程 式 モ デ リ ン グ （ 共 分 散 構 造 分 析 ）
前 項 で 述 べ た 既 存 の デ ザ イ ン の 方 法 論 [31-36]に は 含 ま れ て い な い 手 法 だ が ，
心理学や社会学で用いられマーケティング・リサーチでの応用例も多い手法と
し て 構 造 方 程 式 モ デ リ ン グ（ Ｓ Ｅ Ｍ ： S t r u c t u r a l E q u a t i o n M o d e l i n g ）が あ る ．
構造方程式モデリングは因子分析（測定方程式モデル）と回帰分析（構造方
程式モデル：パス解析ともいう）を同時に行う手法であり，直接観測できない
潜在変数（因子や主成分）と観測変数との間の因果関係を調べることにより，
社 会 現 象 や 自 然 現 象 を 理 解 す る た め に 用 い ら れ る 手 法 で あ る [ 7 2 - 7 3 ] ．共 分 散 構
造分析とも呼ばれるが，本論文では構造方程式モデリング（以降，ＳＥＭと略
す）とよぶ．
ＳＥＭでは変数間の因果関係や相互関係（相関や共変動）をパス図として記
述 す る ． 図 １ -９ に パ ス 図 の 要 素 と 記 述 例 を 示 す ．
39
図 １ -９ ． パ ス 図 の 要 素 と 記 述 例
変数には，観測変数，潜在変数，および誤差変数がある．観測変数は直接的
に測定された変数のことであり，潜在変数は直接的に観察されない仮定上の変
数（構成概念）である．誤差変数はモデルとして分析している要素以外の要因
を意味する変数であり，例えば因子分析では独自因子である．
変 数 は パ ス 図 で は 図 １ -９ (a)に 示 す よ う に ， 観 測 変 数 は 四 角 形 で ， 潜 在 変 数
は 円 ま た は 楕 円 で ，誤 差 変 数 は 円（ 楕 円 の 場 合 も あ る ）で ，そ れ ぞ れ 表 現 す る ．
変 数 間 の 関 係 に は 因 果 関 係 と 相 関 関 係 が あ り ， パ ス 図 で は 図 １ -９ (a)に 示 す よ
うに，因果関係は片方向に矢印のある線で，相関関係は双方向に矢印のある円
40
弧（ 線 の 場 合 も あ る ）で ，そ れ ぞ れ 表 現 す る [ 7 2 ] ．図 １ - ９ ( b ) は 目 的 変 数 を ｙ ，
説 明 変 数 を ｘ と し た 単 回 帰 の 記 述 例 で あ る ．ま た ．図 １ - ９ ( c ) は 目 的 変 数 を ｙ ，
説 明 変 数 を ｘ 1～ ｘ n と し た 重 回 帰 の 記 述 例 で あ る ．ま た ，因 子 分 析 と 主 成 分 分
析 は ， 図 １ -９ の そ れ ぞ れ (d)， (e)の よ う に 記 述 す る ．
ＳＥＭを用いることにより，製品デザインに対する選好や購入意向がデザイ
ンのどのような特徴や消費者の態度・価値観によって生じたかのかという消費
者の選好構造のモデルを，適合度指標やパス係数（直接効果や間接効果）など
に基づいて定量的に評価できる．また，ＳＥＭは異なる消費者の集団に同じモ
デルを適用して適合度指標やパス係数を比較する他母集団の同時解析ができる．
ＳＥＭのこれらの特徴はデザイン要件の可視化に有効であると思われる．マー
ケティング・リサーチの分野でＳＥＭを応用した消費者の選好構造の分析事例
は多数あるが，デザイン開発に応用することを目的としたデザイン選好構造の
分 析 事 例 は ま だ 少 な い [74-78]．
ＳＥＭを用いて，消費者向け電気製品のデザインに対する選好や購入意向の
背景にある消費者の価値観やこだわりを可視化することができれば，消費者の
五感に訴求し，消費者の情緒的，精神的な満足が得られるようなデザイン価値
は何かを考える重要な手掛かりとなると思われる．製品デザインにおけるＳＥ
Ｍの効果的な活用が課題である．
41
１．３．研究の目的
本 研 究 は 消 費 者 向 け 電 気 製 品 （ 家 電 や 映 像 ･情 報 ･通 信 機 器 な ど ） の 製 品 デ ザ
インを研究対象としている．
ここまでの節で，まず，消費者向け電気製品が技術の成熟化やグローバル競
争によってコモディティ化していること，すなわち，製品の差異化ができず市
場に多くの企業が参入して結果的に企業の利益が上がらなくなる状態になって
いることを説明した．
そして，コモディティ化を回避するためには，製品に機能や性能だけではな
い新たな顧客価値を付与して自社製品を差異化し価格競争に陥らないようにす
る必要があり，そのためには消費者が日常の生活経験の中で製品にどのような
意味的価値を見いだすのかを理解し，製品に消費者が選択したくなるような他
にはない特徴を盛り込むことが重要であることを指摘した．
さらに，デザインは製品の価値を視覚的に分かりやすく提示できるため，消
費者の五感に訴求し，製品に情緒的，精神的な意味的価値を付与するうえで重
要であり，経済産業省がデザインを競争力の源泉として戦略的に活用しようと
する政策を行ってきたことを述べた．
消費者の情緒的，精神的な満足が得られるようなデザイン価値を提供するに
は，デザインプロセスの上流段階で消費者の多様な価値観や潜在的なニーズ，
こだわりや自己表現を理解し，それを製品デザインの要件として明確にしデザ
インコンセプトに反映する必要がある．
マーケティング・リサーチで用いられる手法をデザインプロセスに応用した
製品デザインの既存の方法論では，知覚マップを用いた選好回帰やコンジョイ
ント分析などデザイン要件を定量的に可視化する手法が用いられている．
しかし，現状の選好回帰は，理想ベクトルモデルを用いると知覚マップ上で
選好が最大となる最適な位置が分からないという問題があり，理想点モデルを
用いると解釈できない負の理想点や鞍点が出現するという問題がある．
また，デザインの評価に好適な完全プロファイル型のコンジョイント分析で
は，調査対象とするデザインや機能・性能の水準が増えるに従ってプロファイ
ルカードが増え調査が困難になるという問題がある．
一方，既存のデザイン方法論には含まれない手法だが，ＳＥＭは消費者の価
値観やこだわりなど意味的価値に踏み込んでデザインに対する選好や購入意向
の構造分析ができる可能性があるが，製品デザインの要件を定量的に可視化す
42
る目的での応用例が少なく，選好回帰やコンジョイント分析と組み合わせて用
いることにより，消費者の情緒的，精神的な満足と具体的な製品デザインとの
関係をデザイン要件として明らかにする方法を確立することが課題である．
本研究は「デザイン要件を可視化する方法」として，クラスター分析により
消費者をセグメント化しつつ次の３つの手法を組み合わせて用いることによっ
て製品デザインに対する要件を定量化し，消費者を魅了し他社を差異化するよ
うな意味的価値を付与するために行う製品のデザインを支援することを目的と
している．①製品デザインに対する消費者の認知と選好を定量的に把握して新
しい価値を提供するデザインを探索するポジショニング分析，②消費者の価値
判断基準を定量化して選好や購入意向を最大にする最適な仕様の組み合わせを
検討するコンジョイント分析，③消費者の多様な価値観やこだわりを定量的に
把握してデザインの選好や購入意向を裏付けるＳＥＭ．
そのため，本研究では，具体的には以下の研究課題を扱う．
(1) 知 覚 マ ッ プ を 用 い る 選 好 回 帰 分 析 の 拡 張
限られたデザイン・バリエーションで多様な消費者に好まれる魅力あるデザ
インを開発しようとする際，デザインのある特徴を強めると一部の消費者群の
選好は上昇するが，特徴を強めすぎると別の消費者群の選好が急激に下がるな
どの現象が起こる．知覚マップを用いる選好回帰分析を多様な価値観を持つ消
費者を一枚のポジショニングマップで俯瞰できるようにし，回答者全体で選好
度が高い「選好の山」や回答者全体で選好度が低い「選好の谷」がマップ上に
示されるよう拡張する．
(2) コ ン ジ ョ イ ン ト 分 析 の 拡 張
完全プロファイル型コンジョイント分析の適用にあたってはプロファイルカ
ードの枚数が現実的な調査に耐えられる枚数以内に収まることを優先して，属
性や水準を我慢して絞り込んでいるのが実情である．これを回答者の負担を過
度に気にすることなく属性や水準を少しでも多く盛り込めるようプロファイル
カードの枚数を最小にする方法を提案し，コンジョイント分析をデザイン要件
の可視化に好適に用いられるように拡張する．
43
(3) 消 費 者 の 価 値 観 と デ ザ イ ン の 選 好 構 造 を 結 び つ け る Ｓ Ｅ Ｍ 利 用 法 の 確 立
製品デザインに対する選好や購入意向を消費者の生活価値観や消費行動など
の要因も加味して分析し，選好回帰やコンジョイント分析と組み合わせて用い
ることにより，消費者の情緒的，精神的な満足と具体的な製品デザインとの関
係をデザイン要件として明らかにするためのＳＥＭの利用法を確立する．
44
１．４．本論文の構成
本論文の構成を以下に記す．
第１章では，消費者向け電気製品のコモディティ化を回避するためには，消
費者の情緒的，精神的な満足のような意味的価値をデザイン要件として可視化
することが必要であることを述べ，知覚マップを用いた選好回帰やコンジョイ
ント分析など既に用いられている既存の手法は有用だがデザイン要件の明確化
には課題があること，およびＳＥＭのような消費者の意味的価値に踏み込んだ
分析手法の応用が不十分であることを指摘した．
その上で，本研究の目的がデザイン要件を定量的に可視化し，消費者向け電
気製品に消費者を魅了し他社を差異化するような意味的価値を付与するために
行う製品のデザインを支援することにあることを示した．
デザイン要件の可視化は，具体的には，クラスター分析により消費者をセグ
メント化しつつ次の３つの手法を組み合わせて用いることによって行う．
①製品デザインに対する消費者の認知と選好を定量的に把握して新しい価値
を提供するデザインを探索するポジショニング分析，
②消費者の価値判断基準を定量化して選好や購入意向を最大にする最適な仕
様の組み合わせを検討するコンジョイント分析，
③消費者の多様な価値観やこだわりを定量的に把握してデザインの選好や購
入意向を裏付けるＳＥＭ．
第２章では，製品デザインに対する消費者の認知と選好を把握して新しい価
値の提供機会を探索するポジショニング分析において，コレスポンデンス分析
で得られた知覚マップの高さ方向に消費者の選好の変化を連続的に重ね合わせ
て図示する方法を提案する．
この方法は，回答者全体で選好度が高い「選好の山」や回答者全体で選好度
が低い「選好の谷」を知覚マップ上に表示することができるように選好関数を
拡張したものであり，消費者に最も好まれるデザインのポジションを示すこと
ができる．
提案した方法の有効性を検証するためにデジタルカメラの仮想のデザインを
用いたポジショニング分析を行い，提案した方法による分析結果と既存手法に
よる分析結果とを比較し，提案した方法が有効であることを述べる．また，提
45
案した方法の実装可能性を検証するために試作した検証ツールの概要を述べる．
第３章では，デザインの価値分析やコンセプト策定のために行う完全プロフ
ァイル型のコンジョイント分析において，プロファイルカードの枚数を最小に
することによって回答者の回答負荷を減じつつ，より多くの属性や水準を調査
に盛り込めるようにするための方法を提案する．
この方法は，属性間の統計的な独立性を維持しつつ各水準がプロファイルに
バランス良く盛り込まれるように論理的に最小枚数のプロファイルカードを反
復計算で求めるものである．
提案した方法の有効性を検証するためデジタルカメラの仮想企画に対してコ
ンジョイント分析を行う調査実験を行った結果，およびこの方法の実装を検証
するために試作した検証ツールの概要を述べる．
そして，回答者の負担をさらに軽減するために，前記実験データを用いて不
完全な順位回答（上位の選好順位だけの回答データ）を許容する方法を検討し
た結果を示す．
第４章では，デザイン要件を可視化する方法を提案し，実際の冷蔵庫のデザ
イン開発に適用した結果を述べる．
デザイン要件を可視化するためのＳＥＭにおいて，消費者がデザインに感じ
る印象・価値と消費者の態度（選好や購入意向など）との関係を分析するため
のデザイン選好構造モデルを提案する．
そして，第２章で提案した選好度付きポジショニング分析，および第３章で
提案したプロファイルカードを最小枚数にするコンジョイント分析，ならびに
上記のデザイン選好構造モデルを用いたＳＥＭを組み合わせて用いるデザイン
要件を可視化する方法を提案する．
デザイン要件を可視化する方法を企業の冷蔵庫のデザイン開発に適用した結
果，および提案した方法の有効性と課題を述べる．
第５章では，本研究の成果および今後の課題を述べる．
46
１．５．第１章の引用文献および参考文献
１ .５ .１ ． 引 用 文 献
< 1 > 三 留 修 平：デ ザ イ ン 価 値 評 価 の 試 み - デ ザ イ ン の 経 済 的 価 値 を 測 る , 日 経 デ
ザ イ ン 1997 年 4 月 号 ,60-67,1997.
<2> Ｊ Ｉ Ｄ Ａ 「 プ ロ ダ ク ト デ ザ イ ン 」 編 集 委 員 会 (著 ), 日 本 イ ン ダ ス ト リ ア ル
デ ザ イ ナ ー 協 会 (監 修 )： プ ロ ダ ク ト デ ザ イ ン
商品開発に関わるすべての
人 へ , pp.86-91, ワ ー ク ス コ ー ポ レ ー シ ョ ン , 2009.
<3> 上 田 隆 穂 , 江 原 淳 ： 製 品 デ ザ イ ン , マ ー ケ テ ィ ン グ
新経営学ライブラリ
(8), p.35 の 図 2.3 お よ び p.48 の 図 3.1, 新 世 社 , 1992.
<4> 山 岡 俊 樹 ： ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー で 人 に 優 し い 魅 力 的 な シ ス テ
ム・製品を作る：人間工学専門家の新しい役割とシステム・製品開発ツー
ル , 人 間 工 学 , vol.39, No.2, p.56 の 図 １ , 日 本 人 間 工 学 会 , 2003.
１ .５ .２ ． 参 考 文 献
[1]
工 藤 秀 雄 ： デ ジ タ ル 家 電 製 品 に お け る コ モ デ ィ テ ィ 化 の 差 異 と 論 理 :な ぜ
薄 型 テ レ ビ は デ ジ タ ル カ メ ラ よ り コ モ デ ィ テ ィ 化 が 早 い の か , No.09-08,
IIR Working Paper, Institute of Innovation Research, Hitotsubashi
University, pp.9-8, 2009.
[2]
C h r i s t e n s e n , C . M . a n d M . E . R a y n o r： T h e I n n o v a t o r ’s S o l u t i o n : C r e a t i n g
and Sustaining Successful Growth, Harvard Business School Press,
Boston, 2003. (邦 訳 玉 田 俊 平 太 監 修 ， 櫻 井 祐 子 訳 ： イ ノ ベ ー シ ョ ン へ の
解 利 益 あ る 成 長 に 向 け て , 翔 永 社 , 2003.)
[3]
楠 木 建 , 阿 久 津 聡：カ テ ゴ リ ー・イ ノ ベ ー シ ョ ン : 脱 コ モ デ ィ テ ィ 化 の 論
理 ， 組 織 科 学 , 39(3), pp.4-18, 2006.
[4]
榊 原 清 則 ： 統 合 型 企 業 の ジ レ ン マ － 時 計 と テ レ ビ の 事 例 ，榊 原 清 則 ・ 香 山
晋 編 ： イ ノ ベ ー シ ョ ン と 競 争 優 位 , 第 2 章 , pp.49-69, NTT 出 版 , 2006.
[5]
延 岡 健 太 郎 ， 伊 藤 宗 彦 ，森 田 弘 一 ： コ モ デ ィ テ ィ 化 に よ る 価 値 獲 得 の 失 敗
－ デ ジ タ ル 家 電 の 事 例 ，榊 原 清 則 ，香 山 晋 編：イ ノ ベ ー シ ョ ン と 競 争 優 位 ，
第 1 章 , pp.14-48, NTT 出 版 , 2006.
[6]
延 岡 健 太 郎 ： 意 味 的 価 値 の 創 造 :コ モ デ ィ テ ィ 化 を 回 避 す る も の づ く り ,
47
紀 要 論 文 , 国 民 経 済 雑 誌 , 194(6): pp.1-14, 2006.
[7]
延 岡 健 太 郎 ： 価 値 づ く り の 技 術 経 営 ～ 意 味 的 価 値 の 重 要 性 ～ ，一 橋 ビ ジ ネ
ス レ ビ ュ ー , 57(4), pp.6-19, 2010.
[8]
河 野 万 邦：脱 コ モ デ ィ テ ィ 化 に 向 け た 意 味 的 価 値 共 創 の 有 効 性 に 関 す る 考
察～消費財を対象にした実証研究を通して～, 専門職学位論文, 早稲田
大 学 大 学 院 商 学 研 究 科 , 2011.
[9]
田村正紀：バリュー消費 －「欲張りな消費集団」の行動原理, 日本経済
新 聞 社 , 2006.
[10] 和 田 充 夫 ： ブ ラ ン ド 価 値 共 創 , 同 文 舘 出 版 , 2002.
[ 1 1 ] 青 木 貞 茂 ： 文 脈 創 造 の マ ー ケ テ ィ ン グ － 生 活 者 と の「 共 有 価 値 」を 生 み 出
せ , 日 本 経 済 新 聞 社 , 1994.
[ 1 2 ] 石 村 良 治：解 釈 主 義 的 ア プ ロ ー チ に よ る デ ジ タ ル 家 電 コ モ デ ィ テ ィ 化 回 避 ,
神 戸 大 学 大 学 院 経 営 学 研 究 科 現 代 経 営 学 専 攻 専 門 職 学 位 論 文 , 2008.
[13] 経 済 産 業 省 ： 戦 略 的 デ ザ イ ン 活 用 研 究 会 , 経 済 産 業 省 ホ ー ム ペ ー ジ
http://www.meti.go.jp/policy/mono_info_service/mono/human-design
/sendeken.html
[ 1 4 ] 経 済 産 業 省 ： 戦 略 的 デ ザ イ ン 活 用 研 究 会 報 告 書「 競 争 力 強 化 に 向 け た ４ ０
の 提 言 」 ,2003.
[15] 近 畿 経 済 産 業 局 ： 近 畿 に お け る デ ザ イ ン ビ ジ ネ ス の 活 性 化 方 策 に つ い て
http://www.kansai.meti.go.jp/3-2sashitsu/design/19fychousa/chous
a.html
[16] 日 比 恒 平 ： 製 品 デ ザ イ ン の 重 要 性 に つ い て の 考 察 , MEIJI University
Department of Business Administration, NISHIMOTO Seminar Graduation
Theses 2005 [No.1], 2005.
[17] 紺 野 登：デ ザ イ ン・マ ネ ジ メ ン ト － 経 営 の た め の デ ザ イ ン － デ ザ イ ン 資 源
に よ る 創 造 的 企 業 創 造 へ の 序 章 , 日 本 工 業 新 聞 , 1992.
[18] Reinmoeller Patrick, 米 倉 誠 一 郎 ： 企 業 活 力 と し て の デ ザ イ ン
デザイ
ン・イ ノ ベ ー シ ョ ン の マ ネ ジ メ ン ト ( 特 集 デ ザ イ ン と 競 争 力 ) , 一 橋 ビ ジ
ネ ス レ ビ ュ ー , Vol.55, No.2, pp.6-24, 東 洋 経 済 新 報 社 , 2007.
[19] 中 村 史 郎 ： 経 営 資 源 と し て の デ ザ イ ン 自 動 車 産 業 に お け る デ ザ イ ン マ ネ
ジ メ ン ト (特 集
デ ザ イ ン と 競 争 力 ), 一 橋 ビ ジ ネ ス レ ビ ュ ー , Vol.55,
No.2, pp.26-35, 東 洋 経 済 新 報 社 , 2007.
[20] 佐 渡 山 安 彦 ： デ ザ イ ン マ ネ ジ メ ン ト と は ,情 報 処 理 学 会 研 究 報 告 . GN,[グ
ル ー プ ウ ェ ア と ネ ッ ト ワ ー ク サ ー ビ ス ] 2002(97), pp.1-4， 2002.
48
[21] 経 済 産 業 省 ： 感 性 価 値 創 造 活 動 の 推 進 , 経 済 産 業 省 ホ ー ム ペ ー ジ
http://www.meti.go.jp/policy/mono_info_service/mono/creative/kan
sei.htm
[ 2 2 ] 経 済 産 業 省 編：感 性 価 値 創 造 イ ニ シ ア テ ィ ブ 第 四 の 価 値 軸 の 提 案 感 性 ☆
21 報 告 書 , 経 済 産 業 調 査 会 , 2007.
[23] 三 留 修 平 ： デ ザ イ ン 価 値 の 定 量 化 と 経 営 指 標 -投 資 効 果 を 明 確 化 す る 方 法
論 と は ( オ フ ィ ス , 工 場 , 製 品 を 例 に ), 日 経 デ ザ イ ン
1994 年
6 月
号 ,44-50,1994.
[24] 三 留 修 平 ： デ ザ イ ン 価 値 評 価 の 試 み -デ ザ イ ン の 経 済 的 価 値 を 測 る , 日 経
デ ザ イ ン 1997 年 4 月 号 ,60-67,1997.
[ 2 5 ] 日 経 デ ザ イ ン：特 集 お 金 を 出 し た い デ ザ イ ン 出 し た く な い デ ザ イ ン , 日
経 デ ザ イ ン 2008 年 6 月 号 , pp.24-57, 日 経 BP 社 , 2008.
[26] 日 経 デ ザ イ ン ： 特 集 こ の デ ザ イ ン な ら お 金 を 払 え る － 消 費 者 300 人 ア ン
ケ ー ト , 日 経 デ ザ イ ン 2010 年 6 月 号 , pp.18-55, 日 経 BP 社 , 2010.
[27] 日 経 デ ザ イ ン ： 特 集 デ ザ イ ン の 価 値 測 定 2012－ 消 費 者 300 人 調 査 低 成
長 時 代 で も 売 れ る デ ザ イ ン , 日 経 デ ザ イ ン 2012 年 2 月 号 , pp.06-59, 日
経 BP 社 , 2012.
[28] 日 本 デ ザ イ ン 振 興 会
調査報告書
公益財団法人日本デザイン振興会ホー
ム ペ ー ジ http://www.jidp.or.jp/archives/res.html
[ 2 9 ] Ｊ Ｉ Ｄ Ａ「 プ ロ ダ ク ト デ ザ イ ン 」編 集 委 員 会 ( 著 ) , 日 本 イ ン ダ ス ト リ ア ル
デ ザ イ ナ ー 協 会 (監 修 )： プ ロ ダ ク ト デ ザ イ ン 商 品 開 発 に 関 わ る す べ て の
人 へ , ワ ー ク ス コ ー ポ レ ー シ ョ ン , 2009.
[ 3 0 ] 井 口 哲 夫：製 品 デ ザ イ ン 部 門 長 業 務 完 全 マ ニ ュ ア ル , ア ー バ ン プ ロ デ ュ ー
ス 出 版 部 , 1998.
[31] 上 田 隆 穂 , 江 原 淳 ： 製 品 デ ザ イ ン , マ ー ケ テ ィ ン グ 新 経 営 学 ラ イ ブ ラ リ
(8), pp.45-92, 新 世 社 , 1992.
[ 3 2 ] 朝 野 煕 彦：デ ザ イ ン 開 発 の た め の 調 査 分 析 法 ( マ ー ケ テ ィ ン グ ) , 日 本 行 動
計 量 学 会 大 会 発 表 論 文 抄 録 集 34, pp.66-67, 日 本 行 動 計 量 学 会 , 2006.
[33] 山 岡 俊 樹 ： ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー 入 門 , 森 北 出 版 , 2003.
[ 3 4 ] 山 岡 俊 樹：ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー に よ る 人 間 中 心 設 計 , 自 動 車
技 術 , Vol.58, No.1, pp.81-86, 2004.
[ 3 5 ] 山 岡 俊 樹：ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー で 人 に 優 し い 魅 力 的 な シ ス テ
ム・製品を作る : 人間工学専門家の新しい役割とシステム・製品開発ツ
ー ル , 人 間 工 学 , vol.39, No.2, pp.55-64, 日 本 人 間 工 学 会 , 2003.
49
[36] 山 岡 俊 樹 ,西 村 睦 夫 ,高 見 到 ,堀 田 英 志 ： ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー
の 概 念 お よ び 方 法 (1), デ ザ イ ン 学 研 究
研 究 発 表 大 会 概 要 集
47,
pp.348-349, 日 本 デ ザ イ ン 学 会 , 2000.
[37] 西 村 睦 夫 , 浜 芳 典 , 田 村 正 雄 , 坪 山 尚 子 , 趙 小 明 , 染 谷 透 , 山 岡 俊 樹 ,
高 見 到 , 堀 田 英 志：ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー に 基 づ く 活 用 事 例 案
(2), デ ザ イ ン 学 研 究 研 究 発 表 大 会 概 要 集 47, pp.350-351, 日 本 デ ザ イ
ン 学 会 , 2000.
[38] 上 野 谷 敏 之 , 窪 田 進 , 浦 野 宣 昭：介 助 腰 掛 の 開 発 と 強 度・耐 久 性 評 価 , 福
祉 工 学 シ ン ポ ジ ウ ム 講 演 論 文 集 , Vol.2003, No.3, pp.245-246, 日 本 機 械
学 会 , 2003.
[ 3 9 ] 澤 島 秀 成 , 畠 中 順 子 , 石 本 明 生：ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー に よ る
配 食 用 保 温 容 器 の 開 発 , 人 間 生 活 工 学 , Vol.5, No.3, pp.30-37, 人 間 生
活 工 学 研 究 セ ン タ ー , 2004.
[ 4 0 ] 溝 口 菜 見 , 山 岡 俊 樹 , 角 本 次 郎：ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー を 用 い
た 消 臭・芳 香 剤 の 容 器 の デ ザ イ ン 開 発 と そ の 評 価 , 人 間 生 活 工 学 , Vol.13,
No.2, pp.72-79, 人 間 生 活 工 学 研 究 セ ン タ ー , 2012.
[41] 岡 太 彬 訓 ,今 泉 忠 :パ ソ コ ン 多 次 元 尺 度 構 成 法 , 共 立 出 版 , 1994.
[42] 高 根 芳 雄 ： 多 次 元 尺 度 法 の た め の モ デ ル 選 択 , 数 理 科 学 , No.213 (1981
年 3 月 号 ), pp.17-23, サ イ エ ン ス 社 , 1981.
[ 4 3 ] G O W E R . J . C .： S o m e d i s t a n c e p r o p e r t i e s o f l a t e n t r o o t a n d v e c t o r m e t h o d s
used in multivariate analysis, Biometrika 53, pp.325-338, 1966.
[44] Kruskal, J.B.： Multidimensional scaling by optimizing goodness of fit
to a nonmetric hypothesis, Psychometrika, vol.29, pp.1-27, 1964.
[45] 芝 祐 順 ： 因 子 分 析 法 , 東 京 大 学 出 版 会 , 1979.
[46] Gorsuch, R. L.: Factor analysis, 2nd, Ed Erlbaum, 1983.
[47] Benzécri, J. P.: Pratique de L'Analyse des Données (Tom 2). Paris :
Dunod, 1973.
[ 4 8 ] 君 山 由 良：コ レ ス ポ ン デ ン ス 分 析 の 利 用 法 : 一 般 対 応 分 析 モ デ ル , デ ー タ
分 析 研 究 所 , 2011.
[49] 朝 野 煕 彦 ： 調 査 デ ー タ の 解 析 法 － 正 準 相 関 分 析 の 視 点 に よ る 整 理 ,マ ー ケ
テ ィ ン グ 紀 要 ， 2, pp.1-25,1980.
[50] 君 山 由 良 ： コ レ ス ポ ン デ ン ス 分 析 の 利 用 法 , デ ー タ 分 析 研 究 所 , 2005.
[51] 君 山 由 良 ： デ ー タ 分 析 入 門 ２ 多 変 量 解 析 法 -MDS の 応 用 , pp.125-156, デ
ー タ 分 析 研 究 所 , 2008.
50
[52] 狩 野 裕 ： 主 成 分 分 析 は 因 子 分 析 で は な い !, 行 動 計 量 学 , 30(2),pp.240,
日 本 行 動 計 量 学 会 , 2004.
[53] 朝 野 煕 彦：マ ー ケ テ ィ ン グ・リ サ ー チ 工 学 , 朝 倉 書 店 , pp.120-139, 2000.
[ 5 4 ] 伊 豆 裕 一：フ ラ ッ ト 画 面 カ ラ ー テ レ ビ の デ ザ イ ン 開 発 と 商 品 展 開 , 東 芝 レ
ビ ュ ー 57(11), pp.39-42, 2002.
[55] 伊 豆 裕 一 ほ か ： 液 晶 テ レ ビ ” Beautiful FACE” の デ ザ イ ン 開 発 ， デ ザ イ ン
学 研 究 作 品 集 , 10(10), pp.6-11, 2004.
[56] 鈴 木 督 久 :知 覚 マ ッ プ と 選 好 回 帰 に よ る 市 場 セ グ メ ン ト , 多 変 量 解 析 実 践
セ ミ ナ ー 数 量 化 Ⅲ 類 テ キ ス ト , 日 本 科 学 技 術 研 修 所 , 1998.
[57] Carroll, J. D.: Individual differences and multidimensional
scaling.In
R.N.
Shepard
Vol.I, New York, Seminor
et.al.
(Eds) Multidimensional scaling,
Press, 105-115, 1972.
[58] 岡 本 眞 一 ： コ ン ジ ョ イ ン ト 分 析 SPSS に よ る マ ー ケ テ ィ ン グ リ サ ー チ ,ナ
カ ニ シ ヤ 出 版 ,1999.
[59] 神 田 範 明 ほ か ： 商 品 企 画 七 つ 道 具 － 新 商 品 開 発 の た め の ツ ー ル 集 ,日 科 技
連 出 版 社 , pp.177-210,1995.
[ 6 0 ] 真 城 知 己：S P S S に よ る コ ン ジ ョ イ ン ト 分 析 ( 教 育 ･ 心 理 ･ 福 祉 分 野 で の 活 用
法 ),東 京 図 書 ， 2001.
[61] 大 野 栄 治 編 ： 環 境 経 済 評 価 の 実 務 , 勁 草 書 房 , pp.105-132, 2000.
[ 6 2 ] 鷲 田 豊 明 ，栗 山 浩 一 ，竹 内 憲 司 ： 環 境 評 価 ワ ー ク シ ョ ッ プ － 評 価 手 法 の 現
状 , 築 地 書 館 ,1999.
[63] 刀 根 薰 ： ゲ ー ム 感 覚 意 思 決 定 法 , 日 科 技 連 出 版 社 , 1986.
[64] 木 下 栄 蔵 大 屋 隆 生 , 今 野 浩 , 茨 木 俊 秀 , 伏 見 正 則 ： 戦 略 的 意 思 決 定 手 法
[65] 刀 根 薫 , 真 鍋 龍 太 郎 編 ： AHP 事 例 集 , 日 科 技 連 出 版 社 , 1990.
[66] Williams, W.T., G.N. Lance.： Hierarchical classificatory methods,
Statistical methods for digital computers 3, 1977.
[67] John A. Hartigan 著 , 西 田 春 彦 訳 ： ク ラ ス タ ー 分 析 , マ イ ク ロ ソ フ ト ウ
ェ ア , 1983.
[68] 上 田 尚 一 ： ク ラ ス タ ー 分 析 , 朝 倉 書 店 , 2003.
[69] 朝 野 煕 彦 ： マ ー ケ テ ィ ン グ ・ シ ミ ュ レ ー シ ョ ン (改 訂 版 ), pp.21-33, 同 友
館 , 1994.
[70] 神 田 範 明 ほ か ： 商 品 企 画 七 つ 道 具 － 新 商 品 開 発 の た め の ツ ー ル 集 ,日 科 技
連 出 版 社 , pp.177-210, 1995.
[71] Green, PE; Srinivasan, V: Conjoint Analysis in Marketing: New
51
Developments with Implications for Research and Practice, Journal of
Marketing 54(4), pp.3-19, 1990.
[ 7 2 ] 山 本 嘉 一 郎 , 小 野 寺 孝 義 編：A m o s に よ る 共 分 散 構 造 分 析 と 解 析 事 例 第 2
版 , ナ カ ニ シ ヤ 出 版 , 2002.
[73] 豊 田 秀 樹 ： 共 分 散 構 造 分 析 入 門 編 : 構 造 方 程 式 モ デ リ ン グ , 朝 倉 書 店 ,
1998.
[ 7 4 ] 寺 内 文 雄 , 久 保 光 徳 , 青 木 弘 行 , 橋 本 英 治：愛 着 の 発 生 に 関 わ る 因 果 モ デ
ル の 構 築 :人 工 物 設 計 に お け る 質 的 転 換 を 目 指 し て , デ ザ イ ン 学 研 究 ,
51(6), pp.45-51, 日 本 デ ザ イ ン 学 会 , 2005.
[75] 小 松 亜 紀 子 ： 自 己 認 識 が 流 行 志 向 に 及 ぼ す 影 響 :製 品 ス タ イ ル 選 択 に お け
る「 自 分 ら し さ 」の 判 断 基 準 と ト レ ン ド の 関 係 , デ ザ イ ン 学 研 究 , 52(5),
pp.21-26, 日 本 デ ザ イ ン 学 会 , 2006.
[ 7 6 ] 李 勇 , 釜 池 光 男 , 上 田 エ ジ ウ ソ ン：乗 用 車 に お け る デ ザ イ ン 要 件 と 欲 求 構
造 の 因 果 関 係 の 把 握 :中 国 に お け る 乗 用 車 購 買 行 動 の 分 析 , デ ザ イ ン 学 研
究 54(3), pp.65-74, 2007.
[77] 朴 成 桓 , 釜 池 光 夫 , 長 尾 徹 ：ユ ー ザ ・環 境・ 車 の 単 一 画 像 印 象 構 造 と 複 合
画 像 印 象 の 調 和 性 , デ ザ イ ン 学 研 究 , 55(6), pp.11-20, 日 本 デ ザ イ ン 学
会 , 2009.
[78] 酒 巻 隆 治 , 染 矢 聡 , 岡 本 孝 司：Web デ ザ イ ン に 対 す る 印 象 と 記 憶 さ れ る 情
報 量 と の 関 係 性 分 析 , デ ザ イ ン 学 研 究 , 55(6), pp.59-66, 日 本 デ ザ イ ン
学 会 , 2009.
52
第２章 デザイン開発におけるポジショニング分析の活用
２．１．はじめに
製品やサービスが顧客にどのように知覚され，市場の中でどのような位置づ
けにあるのかをポジショニングマップ（知覚マップ）として表現し，競争で優
位 に 立 つ た め の 方 向 性 を 検 討 す る 際 に ポ ジ シ ョ ニ ン グ 分 析 が 用 い ら れ る [1-2]．
ポジショニング分析は，デザインの比較・評価や方向付けにおいても有用な手
法の１つである．
デ ザ イ ン 開 発 の 現 場 で は ２ 種 類 の ポ ジ シ ョ ニ ン グ 分 析 が 用 い ら れ る ．１ つ は ，
デザイナーが主観的に軸を設定して分析空間を作り出し，その空間上に対象を
布 置 し て い く こ と に よ り 知 覚 マ ッ プ を 得 る 方 法 で あ る ． 例 え ば ， Cool と Warm，
Simple と Decorative， Modern と Classic な ど 反 対 の 意 味 を 持 つ １ 組 の 形 容 詞
を両端に置いて軸とし，２つの軸で構成した平面に写真やスケッチなどをデザ
イナーの印象で貼り付けてマップを作成する．この方法は日常的に行われてお
り，簡単で，客観性は無いが，開発の初期段階でデザインの現状認識や将来の
方向性を関係者で議論し共有するときに役立つ．
２つめは，スケッチやモックアップを顧客に提示して印象や魅力を聞く調査
に 基 づ く 分 析 で あ る ．知 覚 マ ッ プ を 得 る た め の 分 析 法 に は ，多 次 元 尺 度 構 成 法 ，
因子分析，判別分析，コレスポンデンス分析，数量化理論などの分析法が目的
に応じて利用される．デザイン開発に利用するポジショニング分析では，分析
法 と し て コ レ ス ポ ン デ ン ス 分 析 を 用 い る こ と が 多 い [ 3 - 5 ] ．こ れ は デ ザ イ ン と 印
象（イメージ語）に関するクロス集計表（２元表）があれば分析できる手軽さ
とデザインと印象の類似度や関連の深さを把握することができるためである
[6]． 調 査 に 基 づ く ポ ジ シ ョ ニ ン グ 分 析 の 良 い と こ ろ は 次 の 通 り で あ る ．
・ デザインと印象の対応関係を直感的に把握でき，類似性を規定する要因を顧
客視点で探ることができる
・デザインを比較し方向付けをする上で必要となる多くの情報を少数の軸に
縮約して扱うことができる
・軸の設定や項目のプロットが統計的に決まり，データが同じであれば誰が分
析しても同じ結果が得られる
53
し か し ，日 常 的 に ポ ジ シ ョ ニ ン グ 分 析 を 利 用 し て い る デ ザ イ ナ ー で あ っ て も ，
調査で得られた知覚マップの上でデザインがどこに位置づけられるようにすれ
ばデザインの魅力がさらに高まるのかといった解釈は難しい．
本章では，調査に基づいて行うポジショニング分析において，コレスポンデ
ンス分析で得られた知覚マップに回答者の選好の変化を重ね合わせて図示する
ことにより，顧客に最も好まれるデザインの位置を可視化してデザイン開発を
支援する方法を提案し，その効果を実験により検証した結果を述べる．
54
２．２．デザイン開発のためのポジショニング分析
デザインのポジショニング分析は一般に次のような手順で行われる．まず，
調査対象とする幾つかのデザインとそれらデザインを評価するイメージ語（印
象を表す形容詞等）を用意する．イメージ語を得るために事前に定性調査を行
う場合もある．そして，調査パネルに対し各デザインにどのイメージ語があて
はまるのかを問う定量調査を行う．
回答データからデザインとイメージ語の２元表（クロス集計表）を作成し，
コレスポンデンス分析を行ってイメージ語とデザインを布置した知覚マップを
作成する．
図 ２ -１ ． ２ 元 表 と コ レ ス ポ ン デ ン ス 分 析 の 結 果 の 例
55
尚 ，コ レ ス ポ ン デ ン ス 分 析 [7]に は ，尺 度 解 析 ，数 量 化 Ⅲ 類 ，最 適 尺 度 法 ，双
対尺度法，等質性分析などの類似手法があるが，原理的にはすべてカテゴリカ
ル 正 準 相 関 分 析 と い う 方 法 に 帰 着 す る [8]．
図 ２ -１ (a)に デ ザ イ ン と イ メ ー ジ 語 の ２ 元 表 の 例 を ， 図 ２ -１ (b)に そ の ２ 元
表に対しコレスポンデンス分析を行って作成した知覚マップの例をそれぞれ示
す．
マップの解釈は次のように行う．まず，軸の独立性（カイ二乗検定の結果が
有 意 で あ る こ と ）と 寄 与 率（ 各 軸 が デ ー タ の 何 割 を 説 明 し て い る か ）を 確 認 し ，
これらに問題がある場合は調査の方法を再検討する．次に軸の意味を考えて軸
に 適 切 な 名 前 付 け を 行 う が ， 無 理 で あ れ ば 意 味 づ け に こ だ わ る 必 要 は な い [9]．
その後，デザインとイメージ語の位置を検討するが，原点付近にあるデザイン
は多くのイメージ語にあてはまると回答されたものであり，原点付近にあるイ
メージ語はどのデザインに対しても同じ程度に選ばれたイメージ語である．マ
ップ上に布置された２つの対象（デザインやイメージ語）の距離（カイ二乗距
離）が近いほど，それらが回答者にとって関連が強いと知覚されているものと
判 断 す る [8-9]．
但し，２元表の行スコアと列スコアは別空間から導出されるため，マップ上
で の 距 離 を 比 較 す る 際 ， 例 え ば 図 ２ -１ (b)に お い て は 「 デ ザ イ ン Ａ 」 か ら イ メ
ージ語「シンプル」までの距離と「デザインＡ」からイメージ語「上品」まで
の距離を比較することには意味があるが，
「 デ ザ イ ン Ａ 」か ら イ メ ー ジ 語「 シ ン
プル」までの距離と「デザインＢ」からイメージ語「上品」まで距離を比較す
ることには意味がないことに注意を払う．解釈のためのルールは基本的にはこ
れだけであるので，対象分野のデザイナーであれば結果を容易に理解し解釈す
ることができる．
しかし，この知覚マップは回答者がデザインをどのように知覚しているのか
をイメージ語を使って表現したマップであるため，どのデザインが回答者から
支持され魅力があるのかといった選好にかかわる情報やどのデザインの製品が
売れているのかといった市場に関する情報は別のデータを参照しなければなら
ない．
デザイナーのポジショニング分析の利用方法から，知覚マップに選好度を表
現する手法に求められる要件を考える．
デザイナーはポジショニング分析を用いることにより，分析対象としたデザ
インの方向性や具体的な表現が解決しようとしている課題に合ったものである
のかどうかを考察する．より多くの顧客に選好されるデザインの創出が課題で
56
あるなら，デザインコンセプトが顧客に正確に伝わり，顧客にとって魅力的で
あるかどうかを評価語への反応や選好度から検討する．このような利用を支援
するには，課題の解となり得る範囲として，厳密さは追求しないが個人および
集団の選好が最大になる場所が推定され，デザイナーが容易に解釈できるよう
な表現で知覚マップ上に示されると良い．
もう一つのポジショニング分析の利用として，デザイナーはデザインに対す
る顧客の印象や選好度の分析結果から今後のデザインに対する新たな課題やニ
ーズを検討する．消費者の好みは多様化しているが，限られたデザイン・バリ
エーションで多様な顧客に好まれる魅力あるデザインを開発しなければならな
いことも多い．例えば，デザインのある特徴を強めると一部の顧客層の選好度
は上昇するが，特徴を強めすぎると別の顧客層の選好度が急激に下がるなどの
問題が起きる．多様な顧客全体の選好度を高めるために，別の新しい視点の課
題に取り組むことによって当初の課題が解決されるような新課題の発見や課題
の再定義が行われる．このような利用を支援するには，多様な顧客をクラスタ
ー分析などでセグメント化してセグメントごとに何枚もの知覚マップを作るの
ではなく，顧客全体を一枚のマップで俯瞰できるようにし，回答者全体で選好
度が高い「選好の山」や選好度が低い「選好の谷」がマップ上に示されると良
い．
このような要件に対する既存手法の問題点を指摘した後，デザイン開発に役
立つように，知覚マップ上で顧客の選好を可視化する方法を提案する．
57
２．３．選好回帰分析とデザイン開発での活用における課題
知覚マップをもとに消費者の選好分析をすることを，マーケティング・リサ
ー チ の 分 野 で は 選 好 回 帰 と い う [10]． 選 好 回 帰 は ， 知 覚 マ ッ プ の 軸 を 説 明 変 数
とし消費者の選好度を目的変数とした重回帰分析をするもので，分析の結果得
られた偏回帰係数から選好に影響を与える形容詞の重要度を計算することがで
きる．
選 好 回 帰 の 手 法 と し て キ ャ ロ ル の PREFMAP（ 選 好 度 の 写 像 分 析 法 ） が 有 名 で
あ る [11]． こ れ は ， 多 次 元 尺 度 構 成 法 や コ レ ス ポ ン デ ン ス 分 析 な ど で 作 成 し た
知覚マップに，１次または２次の多項式による選好回帰の結果を外挿するもの
で，知覚マップ上に選好のベクトルや等高線を描いて，理想的な方向や位置を
決めるものである．
概 念 的 に は 知 覚 マ ッ プ の ｘ ,ｙ 平 面 に 新 た に 選 好 度 を あ ら わ す ｚ 軸 （ 高 さ 方
向 ）を 追 加 し ，こ の 空 間 上 で 選 好 を 表 現 す る 選 好 関 数 z ＝ F（ x , y ）を 定 義 す る ．
PREFMAP で は ， 代 表 的 な 選 好 関 数 （ モ デ ル ） と し て ， 理 想 ベ ク ト ル モ デ ル ，
理 想 点 モ デ ル ，重 み 理 想 点 モ デ ル ，お よ び 回 転 重 み 理 想 点 モ デ ル が あ る [ 1 2 - 1 4 ] ．
以下，順に説明する．
２．３．１．理想ベクトルモデル
理想ベクトルモデルとは，選好関数として１次関数
z ＝ a + b x + cy
(2.1)
を 用 い る も の で ，そ の グ ラ フ は 図 ２ - ２ ( a ) に 示 す よ う に 平 面 で あ る ．但 し ，z は
選好度であり，x ，y は知覚マップ上の座標である．理想ベクトルモデルによ
る 選 好 回 帰 で は ， 線 形 最 小 ２ 乗 法 を 用 い て a,b,c を 推 定 す る ．
知 覚 マ ッ プ 上 の 理 想 ベ ク ト ル は ， 選 好 関 数 で あ る 式 (2.1)の 勾 配 ベ ク ト ル
grad(a + b x + cy)＝ (b， c) で あ る ．
尚，回答者全員の理想ベクトルは，個人の理想ベクトルの平均値となる．
デ ザ イ ン 開 発 に 応 用 す る 場 合 ，選 好 の 表 現 が 理 想 ベ ク ト ル ( 直 線 ) ，す な わ ち ，
デザインの方向性だけであるという点が欠点である．知覚マップ上で望まれる
最適な位置が分からず，一定の方向に向かって離れれば離れるほどより好まれ
58
るデザインになるという解釈は扱いにくい．
選好軸
z
選好軸 z
z ＝f（x, y）
鞍点
y
y
.
x
知覚マップ平面
x
知覚マップ平面
(a) 理 想 ベ ク ト ル
選好軸 z
(b) 理 想 点 （ 鞍 点 ）
.
z＝f（x, y ）
選好軸 z
z＝f（x, y ）
負の理想点
正の理想点
x
z＝f（x, y）
＝a + b x + c y
y
.
x
知覚マップ平面
y
知覚マップ平面
(c) 正 の 理 想 点
(d) 負 の 理 想 点
図 ２ -２ ． 理 想 ベ ク ト ル と 理 想 点
２．３．２．理想点モデル
理想点モデルでは２次の多項式（２次関数）で選好回帰を行う．２次関数を
用いることによって選好が最大または最小となる点が出現するので，これを知
覚マップ平面上で回答者の選好が最大または最小となる点と考えることができ
る．
理想点モデルには使用する多項式を少しずつ一般化した①理想点モデル，②
重み理想点モデル，および③回転重み理想点モデルの３種類がある．
以下，これらのモデルを順に説明する．
59
①理想点モデル
理想点モデルとは，選好関数として２次関数
z ＝ F（x, y）＝ a + b x + c y + d（ x2 + y2 ）
(2.2)
を用いるもので，そのグラフは回転放物面と呼ばれる２次曲面である．この関
数 形 は 理 想 ベ ク ト ル モ デ ル の 選 好 関 数 で あ る 式 ( 2 . 1 ) と 比 べ て ２ 次 の 項 d（ x 2 +
y2 ） が 増 え て い る ． ２ 次 の 項 が d（ x2 + y2 ） と な っ て い る た め ２ 次 の 多 項 式
としては後述する②重み理想点モデルや③回転重み理想点モデルより制約が大
き い ．理 想 点 モ デ ル に よ る 選 好 回 帰 で は ，線 形 最 小 ２ 乗 法 を 用 い て a , b , c , d を
推定する．
回 答 者 全 員 の 理 想 点 は ，式 ( 2 . 2 ) の 選 好 関 数 に 回 答 者 全 員 の デ ー タ を 投 入 し て
求める．
式 ( 2 . 2 ) を 次 の 式 ( 2 . 3 ) の よ う に 変 形 す る （ 平 方 完 成 ）．
z ＝ d (x-xI )2 + d (y-yI )2 + zI ，
〔 xI , yI 〕 ＝ 〔 b , c 〕/ （-2d） ， zI ＝
a
- （ b2 +c2 ）/（4d ）
(2.3)
d＜ 0 の と き ， 選 好 関 数 の グ ラ フ は 図 ２ -２ (c)に 示 す よ う に 上 に 凸 な 回 転 放 物
面 と な り ， 知 覚 マ ッ プ 平 面 上 の 理 想 点 〔 xI, yI〕 ＝ 〔 b , c〕 /（ -2d） に お い て 最
大 選 好 zI を と る ． こ の と き の 理 想 点 〔 xI, yI〕 を 正 の 理 想 点 と 呼 ぶ ．
d ＞ 0 の と き ，選 好 関 数 の グ ラ フ は 図 ２ - ２ ( d ) に 示 す よ う に 下 に 凸 な 回 転 放 物
面 と な り ， 知 覚 マ ッ プ 平 面 上 の 理 想 点 〔 xI, yI〕 ＝ 〔 b , c〕 /（ -2d） に お い て 最
小 選 好 zI を と る ． こ の と き の 理 想 点 〔 xI, yI〕 を 負 の 理 想 点 と 呼 ぶ ．
理想点モデルでは，回答者は正の理想点に近いデザインほど好み，そこから
離れると選好度が減少していき，逆に理想点から離れていくとマイナスの選好
となりついにはマイナス無限大になる．負の理想点の場合はその逆になる．選
好 の 等 高 線 は 理 想 点 を 中 心 と す る 同 心 円 と な る （ 図 ２ - ３ ( a ) ）．
60
選好 Z
理想点
ｘ
Z = f(x,y)
ｙ
知覚マップ平面
(a) 同心円
(b) 座標軸に平行な同心楕円
(c) 同心楕円
図 ２ -３ ． 理 想 点 モ デ ル の 選 好 等 高 線
② 重み理想点モデル
理 想 点 モ デ ル で は 選 好 関 数 の x2 と y2 の 係 数 が 同 じ で あ っ た が ， 重 み 理 想 点
モ デ ル の 選 好 関 数 は x2 の 項 と y2 の 係 数 を 変 え た 次 の 式 (2.4)を 用 い る ．
z ＝ F（x, y ）＝ a + b x + c y + d x2 + e y2
(2.4)
そのグラフは楕円放物面あるいは双曲放物面と呼ばれる２次曲面である．重
み 理 想 点 モ デ ル に よ る 選 好 回 帰 で は ，線 形 最 小 ２ 乗 法 を 用 い て a , b , c , d , e を 推
定する．
重み理想点モデルは，上記のような選好の変化率の同一性を排除した一般的
な関数を導入することによって選好の表現能力を向上させることが期待できる
が，重み理想点が鞍点（サドル点）になる場合がある．鞍点とはグラフが双曲
61
放物面となる選好関数が得られてしまうことによって発生し，具体的には，あ
る重み理想点から x 軸に沿った方向およびその反対方向に進むと選好が増加し，
重み理想点から y 軸に沿った方向およびその反対方向に進むと選好が減少する
よ う な こ と が 起 こ る ． 式 (2.4)は ，
z＝ d (x-xI )2 + e ( y-yI )2+ zI ，
〔 xI, yI 〕＝ 〔 b / （-2d ）, c / （-2e） 〕，
zI = a - b2 /（4d） - c2/（4e）
(2.5)
の よ う に 変 形 で き ， d＜ 0 ＆ e＜ 0 の と き 選 好 関 数 の グ ラ フ は 上 に 凸 な 楕 円 放 物
面であり，知覚マップ平面上の
重 み 理 想 点 〔 x I , y I 〕 ＝ 〔 b / （ - 2 d ） , c / （ - 2 e ）〕 に お い て 最 大 選 好 z I を と る ．
こ の と き の 重 み 理 想 点 〔 xI, yI〕 を 「 正 の 重 み 理 想 点 」 と 呼 ぶ ．
d＞ 0 ＆
e＞ 0 の と き 選 好 関 数 の グ ラ フ は 下 に 凸 な 楕 円 放 物 面 で あ り ， 知 覚
マ ッ プ 平 面 上 の 重 み 理 想 点 〔 x I , y I 〕 ＝ － 〔 b / （ 2 d ） , c / （ 2 e ）〕 に お い て 最 小
選 好 zI を と る ．こ の と き の 重 み 理 想 点〔 xI, yI〕を「 負 の 重 み 理 想 点 」と 呼 ぶ ．
de＜ 0（ す な わ ち d と e が 異 符 号 ） の と き 選 好 関 数 の グ ラ フ は 図 ２ -２ (b)に
示すように双曲放物面であり，知覚マップ平面上の
重 み 理 想 点 〔 x I , y I 〕 ＝ － 〔 b / （ 2 d ） , c / （ 2 e ）〕 は 鞍 点 で あ る ． 鞍 点 が 発 生 す
る場合の等高線は双曲線群となる．
d＜ 0 ＆ e＞ 0 の と き は 鞍 点 の 重 み 理 想 点 は x 軸 に 沿 っ て み る と 最 大 点 で あ
り ， y 軸 に 沿 っ て み る と 最 小 点 で あ る ． そ し て ， d＞ 0 ＆ e＜ 0 の と き は x 軸 に
沿ってみると最小点であり y 軸に沿ってみると最大点である．
回 答 者 全 員 の 重 み 理 想 点 は ，式 ( 2 . 4 ) の 選 好 関 数 に 回 答 者 全 員 の デ ー タ を 投 入
して求める．
③ 回転重み理想点モデル
重み理想点モデルでは理想点が鞍点でなければ選好の等高線が同心楕円とな
るが，この楕円の２軸が知覚マップ平面の座標軸にそれぞれ平行であるという
特 殊 な も の で あ る（ 図 ２ - ３ ( b ) ）．こ の 制 約 を 除 去 し て 選 好 関 数 を さ ら に 一 般 化
し て x と y の 干 渉 項 で あ る xy を 付 加 し た も の が 回 転 重 み 理 想 点 モ デ ル で あ
り，選好関数は次式となる．
62
z ＝ F（x, y） ＝ a + b x + cy + d x2 + ey2 + f xy
＝
a + b x + cy + （1/2） 〔x, y 〕 D
D ＝
 2d
 f

〔x, y 〕T
，
f
2e
(2.6)
負の理想点と鞍点が発生する好ましくない性質は排除できないが，最大点を
持 つ ２ 次 関 数 で 選 好 を 表 現 す る 最 も 一 般 的 で 自 然 な ２ 次 関 数 で あ る ． 式 (2.6)
は次のように変形できる．
z ＝ F（x, y ）＝ 〔x-xI, y-yI 〕 D 〔x-xI, y-yI〕T + zI ，
〔 xI, yI 〕 ＝ -〔 b , c 〕 D-1 ，
 2d
 f
D ＝ 
f
2e
，
zI ＝ F（xI , yI ） ＝ a - （1/2）〔xI, yI 〕 D 〔xI, yI〕T
(2.7)
d＜ 0 ＆ det D ＞ 0 の と き 選 好 関 数 は 回 転 重 み 理 想 点 〔 xI, yI〕 に お い て 最 大
値 zI を と る ． こ の と き の 回 転 重 み 理 想 点 〔 xI, yI〕 ＝ － 〔 b , c〕 D-1 を 「 正 の
回転重み理想点」と呼ぶ．選好関数のグラフは上に凸な楕円放物面と呼ばれる
曲面である．
d＞ 0 ＆ det D ＞ 0 の と き 選 好 関 数 は 回 転 重 み 理 想 点 〔 xI, yI〕 に お い て 最 小
値 zI を と る ． こ の と き の 回 転 重 み 理 想 点 〔 xI, yI〕 ＝ － 〔 b , c〕 D-1 を 「 負 の
回転重み理想点」と呼ぶ．選好関数のグラフは下に凸な楕円放物面と呼ばれる
曲面である．
d＝ 0 ＆ det D ＜ 0 の と き 選 好 関 数 の グ ラ フ は 双 曲 放 物 面 と 呼 ば れ る 曲 面 と
な り ，回 転 重 み 理 想 点〔 xI, yI〕は 鞍 点 で あ る ．こ の と き の 回 転 重 み 理 想 点〔 xI,
yI〕 を 「 鞍 点 の 回 転 重 み 理 想 点 」 と 呼 ぶ ．
鞍点でないときの選好の等高線は回転重み理想点を中心とする同心楕円であ
り，この楕円の主軸は知覚マップ平面の座標軸に対して必ずしも平行にはなら
な い （ 図 ２ - ３ ( c ) ）．
回 転 重 み 理 想 点 モ デ ル に よ る 選 好 回 帰 で は ， 線 形 最 小 ２ 乗 法 を 用 い て
63
a , b , c , d , e , f を 推 定 す る ．回 答 者 全 員 の 回 転 重 み 理 想 点 は ， 式 ( 2 . 6 ) の 選 好 関
数に回答者全員のデータを投入して求める．
以上説明した２次関数を用いる理想点モデルをデザイン開発でのポジショニ
ング分析に応用する場合は，近づくほど選好度が高くなる「正の理想点」を個
人に対しても集団に対しても推定できるので望まれるデザインの位置が明確に
なる．一方で，近づくほど選好度が下がる「負の理想点」や選好度の変化率の
符号が２軸で変化する「鞍点」があることによって解釈が困難になる．
64
２．３．等高線マップモデル
マップ上の距離として選好を表現するのではなく，ある場所における望まし
い位置からの誘因価と考えて図示する方法として「等高線マップ」というモデ
ル が あ る [15]． こ の モ デ ル で は 選 好 関 数 と し て 式 (2.8)を 用 い る ．
z ＝ F（x, y）＝
Σ ｛ zj /（ 1＋|| 〔 x, y 〕－〔 xj, yj 〕 ||2 ） ｝
(2.8)
j =1～ n
た だ し ，〔 x j , y j 〕 は デ ザ イ ン ｊ の 座 標 値 ， z j は 回 答 者 が デ ザ イ ン ｊ に 与 え た
選好度，n はデザイン数である．
回 答 者 全 員 を 等 高 線 マ ッ プ モ デ ル で 分 析 す る 際 の 選 好 関 数 FG（ x, y） は ，
FG（ x, y） ＝ （ 1/ N ）
Σ
F(i)（ x, y）
i =1～ N
と し た ． た だ し ， F(i)（ x, y） は 回 答 者 ｉ の 等 高 線 マ ッ プ モ デ ル で の 選 好 関 数 ，
N は回答者数である．
このモデルはこれまで述べた他のモデルのような選好関数の推定が不要で選
好値が０以上の有限値であることが利点である．しかし，選好度を現状よりも
高める理想点という概念が無いため，デザイン開発に応用する場合は選好の等
高線を描いて知見を得るために使うことになる．
65
２．４．デザイン開発に応用するための選好回帰分析の拡張
デ ザ イ ン 開 発 で 行 う ポ ジ シ ョ ニ ン グ 分 析 に お い て ， PREFMAP や 等 高 線 マ ッ プ
モデルによる選好回帰では，前述の通り，選好が最大となる場所が推定されな
い場合があり，負の理想点や鞍点は解釈が困難であるため現場で使いこなすの
が 難 し い と い う 問 題 が あ る ．そ こ で 「
， デ ザ イ ン の 好 き 嫌 い は ，あ る 範 囲 で 高 く ，
そ の 範 囲 か ら 離 れ る と 急 速 に 下 が る 」 と の 仮 説 を 立 て [16]， ２ 次 の 多 項 式 で は
なく２次元ガウス分布（正規分布）の確率密度関数に似た関数を用いて選好回
帰を行うことにした．
２．４．１．ガウス関数を用いた選好回帰分析の提案
多項式関数によって選好関数を表現する課題は回転重み理想点モデルによっ
てひとまず完結している．しかし，負の理想点と鞍点が発生するという問題に
加え，理想点から離れていくと選好度がプラス無限大あるいはマイナス無限大
に近づいていくという扱いにくい性質もある．
これらの問題点を解決するため，回転重み理想点モデルの選好関数を拡張し
た２次元ガウス分布（正規分布）の確率密度関数に似た関数を考える．その理
由は２次元ガウス分布の確率密度関数がデザインの選好を回帰する際の選好関
数として以下に示すような都合の良い性質を持っているからであり，選好関数
に確率的な意味を持たせるわけではない．
(1) 関 数 値 の と る 範 囲 が 有 限 な 正 の 値 で あ る
(2) １ つ の 最 大 点 と 最 大 値 を 持 ち そ れ ら は 有 限 な 値 で あ る
(3) 急 減 少 関 数 で あ る
(4) 滑 ら か な 関 数 で あ る
上 記 ( 2 ) の 性 質 は ，個 人 が 複 数 の 最 大 選 好 を 持 つ こ と は 一 般 的 に は あ り え る が ，
個人ごとに１つ決まる理想点の扱いやすさと個人が複数の最大点と最大値を持
つような推定が可能な選好関数を導出するのは困難であるため，現時点の要件
と し た ．上 記 ( 3 ) の 性 質 は ，個 人 の 比 較 的 弱 い 選 好 が 集 団 と し て 分 析 す る 際 に 過
大に評価されないような集団の選好関数を考える際に望ましい性質である．
本論文では，提案する「２次元ガウス分布の確率密度関数に似た関数を用い
66
て選好回帰を行う方法」に用いる選好関数を，理想ベクトルモデルや理想点モ
デ ル の よ う な 選 好 回 帰 に お け る 既 存 の 選 好 関 数 の 呼 称 に あ わ せ「 ガ ウ ス モ デ ル 」
と呼ぶことにする．
回転重み理想点モデルのガウスモデルへの拡張を以下に説明する．
２．４．２．負の理想点と鞍点の解消
回転重み理想点モデルの選好関数，
z ＝ F（x , y） ＝ （1/2）〔x-xI , y-yI 〕 D 〔x-xI , y-yI 〕T + zI
(2.6)
に お い て ，負 の 理 想 点 と 鞍 点 が 発 生 す る の は D が 負 定 値 で な く な る と き で あ る ．
こ の 関 数 の ２ 次 形 式 の 部 分 〔 x - x I , y - y I 〕 D〔 x - x I , y - y I 〕 T を 負 定 値 に で き れ ば
必 ず 正 の 理 想 点 に な る ．上 記 の 式 の z I は 理 想 点 の 選 好 値 の 上 下 移 動 に 影 響 す る
だ け で 関 数 の （ グ ラ フ の ） 形 は 変 わ ら な い ． ま た ， D の 符 号 を 変 え て W =－ D
とした次式を考える．
g （x , y） ＝ －（1/2）〔x-xI , y-yI〕 W 〔x-xI, y-yI〕T
(2.9)
W は ２ ×２ の 実 対 称 行 列 で あ る ． ま た ， D の 負 定 値 条 件 は W =－ D と し た こ
と に よ り W は 正 定 値 条 件 に な る ．W の 中 身 は ２ 次 元 正 規 分 布 の 確 率 密 度 関 数 の
表現を真似て，
W ＝
2


 

2 
，
(2.10)
と 表 現 す る ．W は 確 率 密 度 関 数 の と き の 分 散 共 分 散 行 列 の 逆 行 列 に 相 当 す る も
のである．線型制約条件として，
α ＞ 0 ， β ＞ 0 ， -1＜ γ ＜ 1
(2.11)
を付加する．
αとβの符号は本来は自由だが，そうしておくとユニークに決まらず数値計
算上具合が悪い．そのため正値の制約を置く．
67
-1＜ γ ＜ 1 の 制 約 は W を 正 定 値 に す る た め の も の で あ る ． こ れ ら 条 件 を 満 た
していれば，
detW
＝ α 2β
2
－ α β γ ・ α β γ ＝ α 2β 2－ α 2β 2γ
2
＝ α 2β 2－ (1-γ 2) ＞ 0
(2.12)
となるので W は正定値である．
こ の 段 階 で の ガ ウ ス モ デ ル の 未 知 パ ラ メ ー タ は 式 (2.9),式 (2.10),式 (2.11)
に お け る α , β , γ , xI , yI で あ る ． 回 転 重 み 理 想 点 モ デ ル で は 未 知 パ ラ メ ー
タに対する制約条件が無かったが，ガウスモデルでは正の理想点となるための
制約条件が付加されている．後ほど制約条件付き最小２乗法により未知パラメ
ータを求めるが，これは制約条件付き非線形最適化問題である．以上により理
想点モデルに共通の問題点である負の理想点と鞍点を解消できる．
２．４．３．マイナス無限大選好の解消
前 記 の 式 (2.9)に 示 す 正 の 理 想 点 タ イ プ の 関 数 を u と し ，
u ＝ g （x , y） ＝－（1/2） 〔x-xI , y-yI〕 W 〔x-xI, y-yI〕T
(2.13)
に指数関数をかぶせて選好がマイナス無限大になる不具合を解消する．
指 数 関 数 は 単 調 増 加 関 数 で あ る か ら 大 小 関 係 が 不 変 に 保 た れ ，さ ら に u が マ
イ ナ ス 方 向 に 減 少 す る と き eu は 急 速 に 減 少 す る と い う 好 ま し い 性 質 も 持 っ て
いる．u がマイナス値の時だけに使用するため，
（- ∞, 0 ］ ∋ u
 exp（u ） ∈ （ 0, 1 ］
(2.14)
と な る こ と を 確 認 す る ． 指 数 関 数 に よ り 式 (2.9)
g （x ,y）＝－（1/2）〔x-xI, y-yI〕 W 〔x-xI , y-yI 〕T ∈ （- ∞, 0 ］
を変換すると，
68
(2.9)
exp｛g（x,y）｝＝exp｛－（1/2）〔x-xI, y-yI〕 W 〔x-xI, y-yI〕T ｝ ∈ （ 0 , 1 ］
(2.15)
となる．この関数の最大値は１であるので，最大値をあらわす未知パラメータ
δを１つ増やし，最終的な選好関数を，
z ＝ F（x, y） ＝ δexp｛ g （x , y ）｝
＝δexp｛－（1/2）〔x-xI, y-yI〕 W 〔x-xI, y-yI〕T｝ ∈
（0 , δ］
(2.16)
とする．
δの制約条件として，選好関数が負とならないようδ＞0 を課す．正規分布
の確率密度関数であれば基準化定数が置かれるべき所をδとしているので，


 

F（x, y）dx dy = δ{ det（2πW-1 ）}1/2
(2.17)

となり１にはならない．このことから，正規分布に似ているが確率密度関数に
特有な積分すると１になるという性質は持っていないことが分かる．
選好値に確率的な意味合いを持たせる意図はないため，積分すると１になら
ないことによる不都合は無い．以上の検討により，ガウスモデルの選好関数は
次のようになる．
z ＝ F（x, y）＝ δexp｛ g（x , y）｝
＝ δexp｛－（1/2） 〔x-xI, y-yI〕 W 〔x-xI, y-yI〕T ｝
W ＝
2


 

2 
， α＞ 0 ， β＞ 0， -1 ＜ γ＜ 1 ， δ＞ 0
α , β , γ , δ , xI , yI が 未 知 パ ラ メ ー タ で あ る ．
69
(2.18)
２．４．４．ガウスモデルの選好関数の推定
〔α, β, γ, δ, xI , yI 〕＝
z1
：
＝
arg min
| | zj
α， β， δ＞0，- 1＜γ＜1， x I， y I
：
zn
δexp｛-（1/2） 〔x1 - xI , y1 - yI 〕 W 〔x1 - xI , y1 - yI 〕 T ｝
・・・・・・・・・・・・・・・・・・・・・・・・・・・
T
－ δexp｛-（1/2） 〔xj-xI , yj-yI 〕 W 〔xj-xI , yj- yI 〕 ｝
||2
・・・・・・・・・・・・・・・・・・・・・・・・・・・
δexp｛-（1/2） 〔xn- xI , yn -yI 〕 W 〔xn- xI , yn- yI 〕 T ｝
(2.19)
と し て 制 約 条 件 付 き 非 線 型 最 小 ２ 乗 法 に よ り ，〔 α , β , γ , δ , x I , y I 〕 を 推 定 す る ．
〔 xj , yj 〕 は デ ザ イ ン ｊ の 座 標 値 ， Zj は 回 答 者 が デ ザ イ ン ｊ に 与 え た 選 好 度 ，
n はデザイン数である．δ＞0 であることと，および W が正定値であることが
重 要 な 要 件 で あ る ．－ 1 ＜ γ ＜ 1 は 正 定 値 性 を 保 障 す る た め の 条 件 で あ り ，α ＞
0， β ＞ 0 は α と β が ユ ニ ー ク に 定 ま る た め の 条 件 で あ る ．
g （x, y）＝－（1/2）〔x-xI, y-yI〕 W 〔x-xI, y-yI〕T
(2.9)
は行列 W が正定値であるから，
〔x, y 〕 ≠ 〔xI, yI 〕 ならば常 に g （x, y） ＜ 0
(2.20)
〔x, y 〕 ＝ 〔xI, yI 〕 ならば g （x, y） ＝ 0
(2.21)
す な わ ち ， g（ x, y） は 〔 xI, yI〕 以 外 で 常 に 負 で 〔 xI, yI〕 で 最 大 値 0 と な る ．
こ の 結 果 を 選 好 関 数 F （ x , y ） ＝ δ e x p ｛ g （ x , y ）｝ に 適 用 す る と ， 指 数 関 数 は
す べ て の 値 を 正 値 に 変 換 し δ ＞ 0 な の で 常 に F（ x , y ） ＞ 0 で あ る ． そ し て 指 数
関 数 の 単 調 増 加 性 に よ り 大 小 関 係 が 保 た れ る の で〔 xI, yI〕で 最 大 と な る ．最 大
値 は F （ x I , y I ） ＝ δ e x p ｛ g （ x I , y I ）｝ ＝ δ e x p ｛ 0 ｝ ＝ δ で あ る ．
点 〔 xI, yI〕 を こ こ で は 「 ガ ウ ス 理 想 点 」 と 呼 ぶ ． ガ ウ ス モ デ ル で は 負 の 理 想
点や鞍点の理想点は起こらない．このガウス理想点を回答者の選好をあらわす
点として知覚マップ平面に埋め込む．このとき，回答者は自身のガウス理想点
に近いデザインほど好み，そこから離れると選好度が減少していくという自然
な布置となる．また，ガウス理想点から離れていくと選好は急速に減少するが
常に正値でありマイナス無限大になるという不都合は起きない．
70
選好関数の等高線表現はガウス理想点を中心とする同心楕円で，ガウス理想
点に近い楕円ほど選好度の高い等高線である．この楕円の主軸は知覚マップ平
面の座標軸に対して通常は傾いている．
回答者全員についての選好関数は，
FG（ x, y） ＝ （ 1/ N ）
Σ
F(i)（ x, y）
(2.22)
i =1～ N
と す る ． た だ し ， F(i)（ x, y） は 回 答 者 ｉ の 選 好 関 数 ， N は 回 答 者 数 で あ る ．
PREFMAP の 理 想 点 モ デ ル （ 理 想 点 モ デ ル ， 重 み 理 想 点 モ デ ル ， お よ び 回 転
重み理想点モデル）では，線形最小２乗法により選好回帰（選好関数の未知パ
ラメータの推定）を行う．一方，ガウスモデルでは，上記のように未知パラメ
ータに推定結果が常に正の理想点となるように制約条件を付与したため，制約
条件付き非線型最小２乗法で選好回帰を行う．
71
２．５．提案手法の有効性の検証
ガウスモデルを選好関数としたポジショニング分析が，従来の選好回帰を使
った分析と比較して有用であることを確認するために，一般消費者を対象とし
た 実 験 を 行 っ た ． 尚 ， こ の 実 験 は 2004 年 秋 に 行 っ た も の で あ る ．
２．５．１．実験概要
Web ア ン ケ ー ト 調 査 に よ っ て 一 般 消 費 者 に デ ジ タ ル カ メ ラ の 仮 想 の デ ザ イ ン
を複数提示し，各デザインに関する印象や選好を調査したデータに対しコレス
ポンデンス分析を行って知覚マップを作成する．
各デザインに対する消費者の選好度のデータを用いて①理想ベクトルモデル，
②理想点モデル，③重み理想点モデル，④回転重み理想点モデル，④等高線マ
ップモデル，および⑤ガウスモデルによる選好回帰を行う．
各モデルの選好回帰の結果に対し，デザイン開発に応用する観点から実際に
考察を行ってガウスモデルを選好関数とした選好回帰の方法が有用であるかど
うかを検証する．
２．５．２．実験方法
(1) 実 験 協 力 者
実験協力者は事前のスクリーニング調査でデジタルカメラの購入意向があり，
購 入 す る 際 は 自 身 で 購 入 製 品 を 決 定 す る と 回 答 し た 国 内 消 費 者 で ， Web ア ン ケ
ー ト 調 査 に よ っ て 1000 件 以 上 の 回 答 デ ー タ を 採 取 す る こ と を 目 標 と し て 調 査
を 行 い 1386 件 の 回 答 を 得 た ．
(2) デ ザ イ ン
実験で扱う製品は手法の有効性を確認するための仮想のものであるが，デジ
タ ル カ メ ラ の 市 場 動 向 に 基 づ き [17]， 人 気 機 種 （ 当 時 ） を 参 考 に し な が ら い く
つ か の 方 向 性 を 持 つ 1 8 種 類 の デ ザ イ ン を 独 自 に 制 作 し た ．調 査 に 用 い た デ ザ イ
ン 画 像 を 図 ２ -４ (a)に 示 す ．
72
(a) 評 価 対 象 の デ ザ イ ン (18 種 )
(b) デ ザ イ ン (18 種 )の 選 好 （ 平 均 値 ）
図 ２ -４ ． 評 価 対 象 デ ザ イ ン と そ の 選 好 度
73
(3) 調 査 項 目
調査項目は以下の通り．
①デモグラフィック設問
居住地，性別，年代，職業を選択肢で選択させる．
②デジタルカメラ購入時に重視する項目を問う重視属性設問
以下の項目に対しどの程度重視するのかを５段階（とても重視する，やや
重視する，どちらでもない，あまり重視しない，まったく重視しない）で
問う．
・ パソコン等との接続方法
・ バッテリーの持続時間
・ ボディーカラー
・ メーカー
・ メモリーカードの種類
・ レンズ性能（明るさ，焦点距離）
・ 液晶モニターの見易さ
・ 画素数が大きいこと
・ 光学ズームの有無や倍率
・ 全体のデザイン
・ 操作の簡単なこと
・ 大きさ・質量（重さ・軽さ）
③デジタルカメラのデザインに関する印象を問う設問
デザインの印象を問う評価語は次の通り．
・
好きなデザイン
・
嫌いなデザイン
・
売れそうなデザイン
・
シンプルな
・
癖のない
・
個性的な
74
・
上品な
・
スマートな
・
おしゃれな
・
カジュアルな
・
高級感がある
・
安っぽい
・
古そうな
・
使いやすそうな
・
使いにくそうな
・
親しみのある
・
大人っぽい
・
性能が良さそうな
・
かさばりそうな
・
持ち運びしやすそうな
尚，イメージ語の中に選好を表す言葉である「好きなデザイン」と「嫌い
なデザイン」を入れた理由は，選好関数の推定によって知覚マップ上で選
好が高い位置に「好きなデザイン」が，選好が最も低い位置に「嫌いなデ
ザイン」がそれぞれ布置されているかどうかを見ることによって用いる選
好関数の優劣を比較検討できると考えたからである．
④デジタルカメラのデザインに対する選好を問う設問
個々のデザインに対しそのデザインがどの程度好きであるかを５段階（と
ても好き，やや好き，どちらでもない，やや嫌い，とても嫌い）で評価し
てもらった．
(4) 調 査 方 法
調査では，個々のデザインに対し以下のイメージ語がそれぞれ当てはまるか
どうかをチェックボックスで評価してもらった．
75
２．５．３．実験結果
Web ア ン ケ ー ト 調 査 の 回 答 者 が デ ジ タ ル カ メ ラ を 購 入 す る 一 般 的 な 消 費 者 を
代表していることを確認するため，重視属性設問で得られたデジタルカメラ購
入時に重視する項目への回答が他の信頼できる市場調査データの購入時重視項
目と一致しているかどうかを調べた．得られたデータの購入時重視項目の上位
は ， 画 素 数 ， 電 池 ， ズ ー ム ， 大 き さ (重 さ )， 液 晶 モ ニ タ ー な ど で あ り ， 日 経 マ
ー ケ ッ ト ア ク セ ス [ 1 7 ] の 購 入 時 重 視 項 目 の デ ー タ と 一 致 し て い た ．1 8 種 類 の デ
ザ イ ン に 対 す る 平 均 選 好 度 を 図 ２ -４ (b)に 示 す （ ５ 段 階 の 評 価 を １ ～ ５ 点 の 数
値 に し た ）．
1386 件 の 回 答 に は デ ザ イ ン に 対 す る 多 様 な 価 値 観 の 消 費 者 が 含 ま れ て い る ．
1 8 種 類 の デ ザ イ ン Ｋ ～ Ｒ の 選 好 度 を 用 い て ク ラ ス タ ー 分 析（ W a r d 法 に よ る 階 層
的分析）を行った所，回答者はデザインの選好パターンが異なる６つのクラス
ターに分類できることが分かった．
分析精度を向上させることが目的の調査であれば，クラスターごとに知覚マ
ップを作成するが，異なる価値観の顧客の多様性を俯瞰できるようにし，選好
の 山 や 谷 が 示 さ れ る こ と が 手 法 の 要 件 と な っ て い る た め ，以 降 の 分 析 で は 1 3 8 6
件の回答データをそのまま用いる．
調査データをコレスポンデンス分析により知覚マップを作成した．分析の際
の 統 計 量 と 知 覚 マ ッ プ と を 図 ２ -５ に 示 す ．
76
軸１
軸２
計
相関係数
0.514
0.241
0.755
寄与率
0.717
0.158
0.875
累積寄与率
0.717
0.875
-
χ2
17622.335
3438.820
21061.155
自由度
35.000
33.000
68.000
p値
0.000
0.000
-
有意判定
1%有意
1%有意
-
図 ２ -５ ． コ レ ス ポ ン デ ン ス 分 析 の 結 果
77
以下，選好関数ごとに実験の結果を記す．
(1) 理 想 ベ ク ト ル モ デ ル
図 ２ - ６ に 示 す よ う に ，回 答 者 １ 人 １ 人 の 理 想 ベ ク ト ル を 細 い 矢 印 線 で ，回 答
者全員の理想ベクトルを太い矢印線で，それぞれ，知覚マップの上に原点を起
点として図示した．
理想ベクトルは知覚マップ平面で選好が増大する方向を示すものであるため，
図 に 示 す 矢 印 線 は ど こ を 起 点 に 描 画 し て も 意 味 は 変 わ ら な い ．図 ２ - ６ の 理 想 ベ
ク ト ル を 示 す 矢 印 線 は PREFMAP で 一 般 に 用 い ら れ て い 原 点 を 起 点 と し た 表 記 と
し た [11]．
前節で説明した通り，理想ベクトルは知覚マップ上に布置されたデザインの
座標を説明変数とし，回答者のデザインに対する選好度を目的変数として式
( 2 . 1 ) を 用 い て 重 回 帰 分 析 を し て 得 ら れ た 各 軸 の 偏 回 帰 係 数（ 各 軸 の 選 好 に 対 す
る重要度）を示している．従って，矢印の向かう方向が対象者にとって選好を
増大させる方向である．また，線の長さは偏回帰係数の大きさ（高さ方向への
理想ベクトルの勾配）を表しており，長いほど矢印の方向に向かって進むとき
に 増 大 す る 選 好 の 量 が 多 い ．尚 ，選 好 関 数 を 推 定 す る 際 に 重 相 関 係 数 が 求 ま る ．
1 3 8 6 人 の 個 人 の 推 定 で は ，重 相 関 係 数 の 平 均 値 は 0 . 6 5 9 ，標 準 偏 差 は 0 . 2 0 6 ，
最 大 値 は 0.981， 最 小 値 は 0.014 で あ っ た ．
回 答 者 全 員 の 選 好 関 数 の 推 定 で は ， 前 記 の 式 (2.1)
z ＝ a + b x + cy
(2.1)
の パ ラ メ ー タ は そ れ ぞ れ ， a＝ 2.983， b＝ -0.080, c＝ -0.300 と 推 定 さ れ た ．
図 ２ -６ か ら 得 ら れ る 知 見 は 次 の 通 り ．
・「嫌い，使いにくそう，安っぽい」というイメージで特徴付けられるデザイ
ン を 選 好 す る 回 答 者 は 非 常 に 少 な く ，そ の 方 向 を 向 く 少 数 の 理 想 ベ ク ト ル は ，
長さが極めて短い．
・ 回 答 者 全 体 の 理 想 ベ ク ト ル は 「 好 き な デ ザ イ ン 」 の 方 向 を 指 し て い る ．「 好
きなデザイン」の近くに布置されたイメージ語を特徴をとするデザインが，
全 体 に お い て 強 く 選 好 さ れ る が ，方 向 だ け を 示 し て い る た め 知 覚 マ ッ プ 上 で
選好が最大となる位置は分からない．
78
：理想ベクトル
図 ２ -６ ． 理 想 ベ ク ト ル モ デ ル に よ る 選 好 表 現
79
(2) 理 想 点 モ デ ル
図 ２ - ７ に 示 す よ う に ，回 答 者 全 体 の 理 想 点 は 負 の 理 想 点 で あ り ，図 枠 か ら は
み出した上部にあり，そこから同心円の選好の等高線が引かれている．
図 上 の 「 ● 」 は 回 答 者 の 正 の 理 想 点 で あ り 「 ×」 は 負 の 理 想 点 で あ る ． こ の
モ デ ル に 鞍 点 は な い ．1 3 8 6 人 の 分 析 結 果 の 内 訳 は 正 の 理 想 点 が 5 5 9 人 お よ び 負
の 理 想 点 が 810 人 で あ り ， 残 る 17 人 は 欠 損 等 に よ っ て 分 析 不 能 で あ っ た ．
選 好 関 数 を 推 定 す る 際 に 重 相 関 係 数 が 求 ま る ．1386 人 の 個 人 の 推 定 で は ，重
相 関 係 数 の 平 均 値 は 0 . 6 9 9 ，標 準 偏 差 は 0 . 1 9 2 ，最 大 値 は 0 . 9 8 4 ，最 小 値 は 0 . 0 0 0
であった．
回 答 者 全 員 の 選 好 関 数 の 推 定 で は ， 前 述 の 式 (2.2)
z ＝ F（x, y）＝ a + b x + c y + d（ x2 + y2 ）
(2.2)
の パ ラ メ ー タ は そ れ ぞ れ a＝ 2.898， b＝ -0.065,
c＝ -0.305, d＝ 0.041 と 推
定された．
図 ２ -７ か ら「 嫌 い ，使 い に く そ う ，安 っ ぽ い ，個 性 的 」と い う イ メ ー ジ で 特
徴付けられるデザインは嫌われるということは分かるが，望まれるデザインの
位置は分からない．
80
： 正の理想点
： 負の理想点
図 ２ -７ ． 理 想 点 モ デ ル に よ る 選 好 表 現
81
(3) 重 み 理 想 点 モ デ ル
図 ２ - ８ に 示 す よ う に 前 述 の 理 想 点 モ デ ル に 近 い 結 果 と な っ た ．違 い は 負 の 理
想点を中心とする選好の等高線の２つの軸が知覚マップ平面の座標軸にそれぞ
れ平行な同心楕円であること，および個人の理想点の中に鞍点が存在すること
の２点である．
図 上 の 「 ▲ 」が 回 答 者 の 鞍 点 を 示 す ． 1386 人 の 分 析 結 果 の 内 訳 は 正 の 理 想 点
(● )が 212 人 ， 負 の 理 想 点 (×)が 388 人 お よ び 鞍 点 (▲ )が 764 人 で あ り ， 残 る
22 人 は 欠 損 等 に よ っ て 分 析 不 能 で あ っ た ．
回 答 者 全 員 の 選 好 関 数 の 推 定 で は ， 前 述 の 式 (2.4)
z ＝ F（x, y ）＝ a + b x + c y + d x2 + e y2
の パ ラ メ ー タ は そ れ ぞ れ ， a＝ 2.886，
b＝ -0.038,
(2.4)
c＝ -0.321, d＝ 0.074, e
＝ 0.027 と ， そ れ ぞ れ 推 定 さ れ た ．
図 ２ - ８ か ら 得 ら れ る 知 見 は 理 想 点 モ デ ル で 得 ら れ た も の と 同 じ で あ る が ，鞍
点が加わることによって解釈不能となった．
82
： 正の理想点
： 負の理想点
： 鞍点（サドル点）
図 ２ -８ ． 重 み 理 想 点 モ デ ル に よ る 選 好 表 現
83
(4) 回 転 重 み 理 想 点 モ デ ル
図 ２ - ９ に 示 す よ う に 回 答 者 全 体 の 理 想 点 は 鞍 点 で あ る ．鞍 点 は 選 好 度 の 変 化
率の符号が２軸で変化する点であり解釈不能である．
1386 人 の 分 析 結 果 の 内 訳 は 正 の 理 想 点 が 124 人 ，負 の 理 想 点 が 225 人 ，お よ
び 鞍 点 が 1020 人 で あ り ， 残 る 17 人 は 欠 損 等 に よ っ て 推 定 不 能 で あ っ た ．
回 答 者 全 員 の 選 好 関 数 の 推 定 で は ， 前 述 の 式 (2.6)
z ＝ F（x, y） ＝ a + b x + cy + d x2 + ey2 + f xy
の パ ラ メ ー タ は そ れ ぞ れ ， a＝ 2.962，
b＝ -0.065,
＝ 0.030, f＝ -0.106 と 推 定 さ れ た ．
この結果は，デザイン開発には利用できない．
84
(2.6)
c＝ -0.245, d＝ 0.007, e
： 正の理想点
： 負の理想点
： 鞍点（サドル点）
図 ２ -９ ． 回 転 重 み 理 想 点 モ デ ル に よ る 選 好 表 現
85
(5) 等 高 線 マ ッ プ モ デ ル
図 ２ - １ ０ に 示 す 等 高 線 は 回 答 者 全 体 の 選 好 の 等 高 線 で あ る ．単 純 集 計 で 選 好
度の平均値が高いデザインが低い等高線上にあるなどデータの実態に合ってい
ない．
このモデルは理想点が無いことが欠点だが，図中の「★」はグラフの範囲内
で選好が最大となる位置を検索して求めたものである．選好の最大点もデータ
に合っていない印象があり，得られる知見はほとんど無い．
86
図 ２ -１ ０ ． 等 高 線 マ ッ プ モ デ ル に よ る 選 好 表 現
87
(6) ガ ウ ス モ デ ル
図 ２ -１ １ ～ ２ -１ ２ に 示 す 選 好 の 等 高 線 は ， マ ッ プ 上 の 全 て の 場 所 で ガ ウ ス
モデルによる個人の等高線の選好度の平均値を描いた全体の等高線である．
図 ２ -１ １ は 選 好 を ３ 乗 し て 用 い る こ と に よ っ て 選 好 関 数 を 推 定 し て 描 い た
マ ッ プ で あ り ，図 ２ - １ ２ は 選 好 を １ ０ 乗 し て 得 ら れ た も の で あ る ．選 好 の べ き
乗の数が増えても推定精度は変わらないが，図として得られる選好等高線は選
好のべき乗の数が増えるほどより険しい選好等高線になる．
選好関数を推定する際に決める指数関数のパラメータ（選好のべき乗）は，
経験的に３～１０程度が視覚的に見やすいマップとなることが分かった．
以 下 ， 図 ２ -１ １ に つ い て 述 べ る ．
図 上 の「 ● 」は 正 の 理 想 点 で あ り ，選 好 度 の 高 い デ ザ イ ン の 上 位 ４ つ で あ る ，
Ｋ，Ｌ，Ｍ，Ｈの付近に集中している．
1386 人 の 分 析 結 果 の う ち 選 好 関 数 の 推 定 に 成 功 し た デ ー タ 数 は 1363 件 ，残
る 2 3 件 は 収 束 し な い な ど の 理 由 に よ り 推 定 不 能 で あ っ た ．成 功 し た 1 3 6 3 人 の
個 人 ご と の 推 定 で は 前 述 し た 式 (2.18)
z ＝ F（x, y）＝ δexp｛ g（x , y）｝
＝ δexp｛－（1/2） 〔x-xI, y-yI〕 W 〔x-xI, y-yI〕T ｝
W ＝
2


 

2 
， α＞ 0 ， β＞ 0， -1 ＜ γ＜ 1 ， δ＞ 0
のパラメータの平均値はそれぞれ
α ＝ 2.587
(SD=5.259)
β ＝ 1.407
(SD=1.609)
γ ＝ 0.172
(SD=0.548)
δ ＝ 5.196
(SD=0.322)
xI ＝ － 0.236
(SD=1.346)
yI ＝ － 0.497
(SD=1.464)
と推定された．
88
(2.18)
： 正の理想点
図 ２ -１ １ ． ガ ウ ス モ デ ル に よ る 選 好 表 現 (選 好
89
３
)
： 正の理想点
5
4.5-5
4-4.5
3.5-4
3-3.5
2.5-3
2-2.5
1.5-2
1-1.5
0.5-1
0-0.5
4.5
4
3.5
3
2.5
2
1.5
1
1.7
0.2
90
-3
-1.8
図 ２ -１ ２ ． ガ ウ ス モ デ ル に よ る 選 好 表 現 (選 好
-2.4
-1.2
0
-0.6
-1.4
0.6
1.8
1.2
3
0
2.4
0.5
１ ０
-3
)
図 ２ -１ １ ～ ２ -１ ２ の 結 果 か ら 次 の よ う な 解 釈 が 得 ら れ た ．
① 理 想 点 の 分 布 と 選 好 等 高 線 の 張 り 出 し 具 合 に よ り ，デ ザ イ ン を よ り 望 ま し い
方 向 に 導 く 方 向 性 が 大 別 し て ３ つ あ る （ 図 ２ - １ ３ の Ａ ～ Ｃ ）．
② 理 想 点 が 集 中 し よ り 多 く の 選 好 が 得 ら れ る の は ，「 お し ゃ れ ， ス マ ー ト ， シ
ン プ ル ，持 ち 運 び し や す い ，上 品 」と い う イ メ ー ジ で 特 徴 付 け ら れ る デ ザ イ
ン で あ り ， こ れ ら を さ ら に 強 め た 先 に も 選 好 の 高 い 場 所 が あ る （ 図 ２ -１ ３
の Ａ ）．
③ 「 高 級 感 ，大 人 っ ぽ さ ，か さ ば る ，古 さ 」が 同 居 す る 方 向 に も 選 好 が 高 い ポ
ジ シ ョ ン が あ る ．こ の 方 向 は 今 回 提 示 し た デ ザ イ ン 以 上 に そ れ ら の 特 徴 を 強
め 過 ぎ る と 選 好 が 急 落 す る 可 能 性 も あ る （ 図 ２ - １ ３ の Ｂ ）．
④ 「 親 し み 」が あ り「 使 い や す そ う な 」イ メ ー ジ で 特 徴 づ け ら れ る デ ザ イ ン は ，
今 回 提 示 し た デ ザ イ ン の 中 で は 選 好 度 が そ れ ほ ど 高 く な い が ，そ れ ら の イ メ
ー ジ を 強 化 す る こ と に よ っ て 選 好 の 高 い デ ザ イ ン と な る 可 能 性 が あ る（ 図 ２
- １ ３ の Ｃ ）．
図 ２ -１ ３ ． ガ ウ ス モ デ ル に よ る 選 好 表 現 か ら 得 ら れ た 解 釈
91
これらの解釈は消費者の回答を縮約したデータからある程度の誤差を承知で
作成したマップの一解釈に過ぎないが，デザイナーが漠然と感じていた仮説を
引き出し，それを検証する機会を与えるという意味でデザイン開発において意
味のある分析結果と言える．
このようにガウスモデルには負の理想点や鞍点がないため個々の回答者が好
むデザインの理想的な位置や回答者全員の選好がマップ上でどのように変化す
るのかを把握できるようになり，望まれるデザインの特徴を検討できる．
２．５．３．実験結果の考察
実験の結果から負の理想点や鞍点が発生する理想点モデルは解釈が難しく，
デザイン開発の現場では使えないことが分かった．理想ベクトルモデルは望ま
れるデザインの方向性を知るだけでよいなら個人および集団の選好が最大にな
る理想的なデザインの方向性を推定することができ，多様な回答者が理想とす
る様々なデザインの方向性を俯瞰してみることができる．
等高線マップモデルは個人または回答者全体のデザインの選好状況を等高線
として描くことはできるが，デザインの望まれる場所を示す理想点がない．今
回の実験では等高線がデータの実態に合っていなかった．
ガウスモデルは少なくとも今回の実験においては最も解釈が容易で，違和感
のないデザイン開発に資する分析結果が得られた．個人でも集団でも選好が最
大となる場所を推定できるほか，選好の山や谷が等高線で図示されており，回
答者の多様性を一枚のマップで俯瞰して見ることができた．
今回の実験においてはガウスモデルが選好回帰をデザイン開発に応用し知覚
マップに選好度を表現する手法に求められる要件を満たしていると言える．
上記の通り，提案した「２次元ガウス分布の確率密度関数に似た関数を用い
て選好回帰を行う方法」は選好回帰によるポジショニング分析をデザイン開発
に用いる際の課題を解決した．しかし一方でガウスモデルを用いた選好回帰に
は 注 意 点 も あ る ． 選 好 回 帰 の 結 果 を 同 じ ス ケ ー ル で 描 画 し た 図 ２ -７ ～ ２ -９ お
よ び 図 ２ -１ １ ～ ２ -１ ２ に お い て ， 図 ２ -１ １ ～ ２ -１ ２ に 示 す ガ ウ ス モ デ ル に
よ る 選 好 回 帰 の 結 果 に は ， 図 ２ -７ ～ ２ -９ に 示 す 理 想 点 モ デ ル の 結 果 よ り 多 く
の理想点がプロットされているように思われる．それを確かめるために，知覚
マップ上の原点から鞍点を含む理想点までの距離（ユークリッド距離）を選好
関 数 の モ デ ル 別 に 集 計 し た 結 果 を 表 ２ -１ に 示 す ．
92
表 ２ -１ ． 原 点 か ら 理 想 点 ま で の 距 離 お よ び マ ッ プ 内 の 理 想 点 数
マップ原点から理想点までのユーリッド距離
マップ枠内（各軸±3）の理想点数
選好関数
平均値
標準偏差
最大値
最小値
枠内
枠外
枠内率
理想点
10.82
111.12
4003.70
0.05
807
557
59.2%
重み理想点
5.45
16.33
262.32
0.01
933
431
68.4%
重み回転理想点
5.43
28.49
869.76
0.03
1016
348
74.5%
ガウス(選好^3)
1.85
0.91
4.50
0.00
1305
59
95.7%
ガウス(選好^10)
1.74
0.88
4.57
0.00
1309
55
96.0%
※
全 て の 選 好 関 数 に お い て 理 想 点 （ 鞍 点 を 含 む ） の 推 定 が で き た 1364 ケ ー ス を 集 計
表 ２ - １ に 示 す よ う に ，理 想 点 モ デ ル で は 選 好 関 数 の 自 由 度 が 上 が る ほ ど マ ッ
プの原点に近い位置に理想点（鞍点）が推定される．一方，ガウスモデルでは
理想点モデルよりもよりマップの原点に近い位置にガウス理想点が推定され，
マップ枠内に表示される理想点の割合が多い．これは選好関数の未知パラメー
タの推定において，理想点モデルが線形最小２乗法を用いるのに対し，ガウス
モデルはより柔軟な制約条件付き非線型最小２乗法を用いる推定方法の違いに
起 因 し て い る ．本 節 で の 実 験 結 果 の 考 察 に お い て は 特 に 問 題 は 生 じ な か っ た が ，
ガウスモデルによる選好回帰の結果を解釈する際は，この点に注意を払う必要
がある．
93
２．６．検証ツールの試作
本研究で提案したガウスモデルによる選好回帰を用いたポジショニング分析
が 実 装 可 能 で あ る か ど う か を 確 か め る た め ，検 証 ツ ー ル を 試 作 し た ．図 ２ - １ ４
に検証ツールの表示画面の例を示す．
図 ２ -１ ４ ． 検 証 ツ ー ル の 表 示 画 面 例
提案した手法は，消費者に複数のデザインを提示してその選好度と印象（評
価語から選択）を回答させるデータ収集ステップと，デザインに対する選好度
と評価語選択のデータに基づきコレスポンデンス分析と選好回帰を行って選好
度付きの知覚マップを表示する分析表示ステップに分けられる．
データ収集ステップを迅速かつ手軽に行えるようアンケート設計から集査ま
で を 行 う Web シ ス テ ム を 試 作 し た ． 調 査 者 は 対 象 と す る デ ザ イ ン 画 像 を シ ス テ
94
ム に ア ッ プ ロ ー ド し 評 価 語 を 入 力 す る こ と に よ っ て Web ア ン ケ ー ト の 調 査 画 面
を 作 る こ と が で き る ． 集 査 は 調 査 用 の URL を 回 答 者 に 連 絡 す る こ と に よ っ て 行
い ， 調 査 デ ー タ は 随 時 ダ ウ ン ロ ー ド で き る ． こ の Web シ ス テ ム に コ レ ス ポ ン デ
ンス分析による知覚マップを表示する機能を実装した．集査が成功しているか
どうかは収集中のデータで知覚マップを試作してみることによってある程度判
断できるため，知覚マップの試作結果を見ながら回答者を増やすなどの集査の
コントロールが可能となる．
分析表示ステップでは調査データに基づいてコレスポンデンス分析を行って
知覚マップを生成し，その知覚マップ上に回答者全員の選好度を等高線として
表 示 す る 処 理 を 行 う 必 要 が あ る が ， Web シ ス テ ム で 複 雑 な 図 形 を 描 画 さ せ る の
は シ ス テ ム の 負 荷 が 高 く 処 理 に 時 間 が 掛 か る と い う 問 題 が あ る ． そ こ で Web シ
ステムはデータを収集して知覚マップを試作するまでの機能だけに限定し，選
好 回 帰 は デ ー タ を ダ ウ ン ロ ー ド し た 後 ，M S エ ク セ ル の マ ク ロ で 実 行 す る 方 法 と
した．分析表示ステップをデータ収集ステップから分離してオフラインとする
ことによって，例えば回答データを何らかの基準でセグメント化した後で選好
回帰を行うことも可能となる．
この検証ツールを用いて本研究で提案した選好回帰の手法が実装可能である
ことが分かった．今後は企業のデザインの現場で誰もが簡単に利用できるよう
な支援ツールに発展させて行く．
95
２．７．おわりに
デザインとイメージ語とを対応付けるデータを用いてコレスポンデンス分析
により作成した知覚マップに対し，選好を外挿してデザインの位置付けや今後
の方向性を検討できるようにするため，２次元ガウス分布の確率密度関数に似
た関数を用いて選好回帰を行う方法を考案した（その選好関数をガウスモデル
と 呼 ぶ ）．
こ の 方 法 の 有 用 性 を 検 証 す る た め に ， デ ジ タ ル カ メ ラ の 仮 想 の デ ザ イ ン 18
種 を 用 い て デ ザ イ ン に 対 す る イ メ ー ジ 語 と 選 好 度 を 約 1300 名 か ら 収 集 す る 調
査を行い，コレスポンデンス分析で作成した知覚マップに対し選好を外挿する
実験を行った．
PREFMAP の 理 想 ベ ク ト ル モ デ ル ， 理 想 点 モ デ ル ， お よ び 等 高 線 マ ッ プ モ デ ル
など既存手法による選好回帰の結果とガウスモデルを選好関数として用いる提
案手法の結果を比較したところ，少なくともこの実験においてはガウスモデル
による分析の結果が製品デザインの開発で行うポジショニング分析をする際の
要件を満たし，デザイン開発に役立つ知見が得られた．また，ガウスモデルの
性能を発揮するためには選好回答に指数関数的な重みを与えるのが良く，経験
的 に 選 好 を ３ ～ 10 乗 し て 用 い る と よ い こ と が 分 か っ た ．
尚，ここまでの考察はガウスモデルの理論的可能性を示し本論文で示したあ
るケースの実験結果に基づいてこの理論的可能性が実現できることを立証した
に過ぎない．２次元ガウス分布の確率密度関数に似た関数を用いて選好回帰を
行う方法の有用性を評価するには，実データを使用した検証が不可欠である．
本論文ではコレスポンデンス分析で作成した知覚マップ上に選好を表現する
方法を扱ったが，コレスポンデンス分析には様々な課題がある．精度を保つに
は 大 規 模 な サ ン プ ル サ イ ズ が 必 要 で あ る と の 指 摘 [18]や 行 空 間 と 列 空 間 を 同 時
に プ ロ ッ ト す る こ と の 理 論 的 な 誤 り に 関 す る 指 摘 [19]な ど で あ る ． 手 法 の 限 界
を理解して適切に用いるとともに課題を解決する方法を随時取り入れていく．
96
２．８．第２章の参考文献
[1]
神田範明編著：ヒットを生む商品企画七つ道具 よくわかる編, 日科技連
出 版 社 , pp.105-126, 2000.
[2]
朝 野 煕 彦：マ ー ケ テ ィ ン グ・リ サ ー チ 工 学 , 朝 倉 書 店 , p p. 1 2 0-1 3 9 , 2 0 00.
[3]
伊豆裕一：フラット画面カラーテレビのデザイン開発と商品展開, 東芝
レ ビ ュ ー 57(11), pp.39-42, 2002.
[4]
伊 豆 裕 一 ほ か ： 液 晶 テ レ ビ ” Beautiful FACE” の デ ザ イ ン 開 発 ， デ ザ イ
ン 学 研 究 作 品 集 , 10(10), pp.6-11, 2004.
[5]
岸田保ほか：インテリアスタイルと木質系床材の適合性評価法, 松下電
工 技 報 79, pp.11-19, 2002.
[6]
Donna L. Hoffman, George R. Franke： Correspondence Analysis:
Graphical Representation of Categorical Data in Marketing Research,
Journal of Marketing Research, Vol. 23, No. 3, pp.213-227, 1986.
[7]
Benzécri, J. P.: Pratique de L'Analyse des Données (Tom 2). Paris :
Dunod, 1973.
[8]
朝 野 煕 彦 ： 調 査 デ ー タ の 解 析 法 － 正 準 相 関 分 析 の 視 点 に よ る 整 理 ,マ ー ケ
テ ィ ン グ 紀 要 ， 2, pp.1-25, 1980.
[9]
小 林 龍 一 ： 数 量 化 理 論 入 門 2000, pp.63-76, ま る ば 研 究 会 教 材 , 2000.
[10] 鈴 木 督 久 :知 覚 マ ッ プ と 選 好 回 帰 に よ る 市 場 セ グ メ ン ト , 多 変 量 解 析 実
践 セ ミ ナ ー 数 量 化 Ⅲ 類 テ キ ス ト , 日 本 科 学 技 術 研 修 所 , 1998.
[11] Carroll, J. D.: Individual differences and multidimensional
scaling.In
R.N.
Shepard
Vol.I, New York, Seminor
et.al.
(Eds) Multidimensional scaling,
Press, pp.105-115, 1972.
[12] 岡 太 彬 訓 ,今 泉 忠 :パ ソ コ ン 多 次 元 尺 度 構 成 法 ,共 立 出 版 , 1994.
[13] 岡 太 彬 訓 ほ か ： マ ー ケ テ ィ ン グ の 数 理 モ デ ル ， pp.46-72, 朝 倉 書 店 ,
2001.
[14] 片 平 秀 貴 ： マ ー ケ テ ィ ン グ ・ サ イ エ ン ス , pp.147-155, 東 京 大 学 出 版 会 ,
1987.
[15] 小 杉 考 司 ほ か ： 等 高 線 マ ッ ピ ン グ に よ る 態 度 布 値 モ デ ル ， 行 動 計 量 学 ，
第 31 巻 ， 第 1 号 ， pp.17-24， 2004.
[16] 朝 野 煕 彦 ： マ ー ケ テ ィ ン グ ・ シ ミ ュ レ ー シ ョ ン (改 訂 版 ), pp.21-33, 同
友 館 , 1994.
97
[17] 日 経 マ ー ケ ッ ト ア ク セ ス ： 別 冊 デ ジ タ ル 家 電 市 場 総 覧 , pp.33-61, 2004.
[18] 齋 藤 朗 宏 ほ か ： コ レ ス ポ ン デ ン ス 分 析 に お け る 布 置 の 精 度 , オ ペ レ ー シ
ョ ン ズ ・ リ サ ー チ , 49(3), pp.168-173, 2004.
[19] 朝 野 煕 彦 ： コ レ ス ポ ン デ ン ス 分 析 の 空 間 表 現 － PSVD の 提 案 , マ ー ケ テ ィ
ン グ ･リ サ ー チ ャ ー , No.107, pp.43-53, 2008.
98
第３章 完全プロファイル型コンジョイント分析の効果的活用
３．１．はじめに
コンジョイント分析とは，顧客に好まれる商品コンセプトは何かを探索する
ために商品全体の好き嫌いの程度をたずねることにより，その商品を構成する
個 別 の 要 因 ご と の 効 用 を 推 定 す る 調 査 ・ 分 析 手 法 で あ る [ 1 - 4 ] ．計 量 心 理 学 と 統
計 学 の 分 野 で １ ９ ６ ０ 年 代 に 開 発 さ れ [ 5 ] ，７ ０ 年 代 以 降 は マ ー ケ テ ィ ン グ 調 査
の 分 野 に 応 用 さ れ て 発 展 し [ 6 - 7 ] ，現 在 で は 環 境 経 済 学 や 教 育 福 祉 分 野 な ど 幅 広
い 分 野 に 応 用 さ れ て お り [8-9]， 数 多 く の 発 展 手 法 が 存 在 す る [10-11]．
コンジョイント分析では，商品の価値を決定する要因を「属性」および属性
の条件を具体的に示した内容を「水準」と呼び，各属性から１つの水準を選ん
で組み合わせた商品コンセプトをプロファイルカードとして回答者に提示する．
機能，性能，価格など水準が明確で定量的に扱うことのできる属性を対象とし
た調査にコンジョイント分析が多用されていることは周知の事実だが，感覚的
な要素が強いと思われてきたデザインの定量評価や経済効果の調査でもコンジ
ョ イ ン ト 分 析 が 利 用 さ れ て い る [12-13]．
定量化が難しいとされるデザインのような属性の効用を推定できるのは，コ
ンジョイント分析が商品全体の効用から各仕様の効用を分解的に推定するから
であり，各属性の重要度と各水準の好ましさを消費者に尋ね，属性の重要度と
水準の好ましさの積和から合成的に商品全体の価値を推定する従来型の方法
（ 期 待 価 値 モ デ ル ）と は 異 な る か ら で あ る [ 1 ] ．属 性 や 水 準 の 魅 力 を 直 接 問 う 自
己申告型の調査手法は回答者の建前的な意見しか得られないという問題があり，
コンジョイント分析はその欠点を解消し，回答者の本音を引き出すために考案
さ れ た 行 動 分 析 型 の 調 査 手 法 で あ る [4]．
近年，消費者が商品選択においてデザインを重視する傾向が強まり，企業も
デ ザ イ ン を 重 要 な 経 営 資 源 と し て 活 か そ う と し て い る 現 状 に お い て は [14-16]，
商品開発のためのマーケティング調査において，コンジョイント分析を用いて
デザインの効用を測定する必要性がますます高まると思わる．
しかし，コンジョイント分析を利用する現場では，プロファイルカードの数
が多くなることにより回答者の負担が増えて回答精度が落ちることを回避する
た め ，過 度 に 属 性 や 水 準 を 絞 り 込 ま な け れ ば な ら な い 状 況 に し ば し ば 直 面 す る ．
本 章 で は 消 費 者 向 け 電 気 製 品 (家 電 ， 映 像 ･情 報 ･通 信 機 器 な ど )の 開 発 で デ ザ
99
インの受容性や方向性を探索するために行うコンジョイント分析に焦点を当て，
目的に応じた分析精度を維持しつつ，回答者の負担を軽減しながらより多くの
属性・水準を調査で扱えるようにするための方法を提案し，その効果を実験に
より検証する．
100
３．２．デザイン開発のためのコンジョイント分析
３．２．１．コンジョイント分析
コンジョイント分析は，前節で述べたように，商品価値の決定要因となる属
性とその属性の条件を具体的に示した水準を設定し，各属性から１つの水準を
選んで組み合わせた商品コンセプトに対する顧客の選好から分解的に各水準や
属 性 の 効 用 を 測 定 す る 手 法 で あ る [1-4]．
コ ン ジ ョ イ ン ト 分 析 は 大 別 し て ， 伝 統 的 (traditional)コ ン ジ ョ イ ン ト 分 析 ，
選 択 型 (choice based)コ ン ジ ョ イ ン ト 分 析 ， お よ び 適 応 型 (adaptive)コ ン ジ ョ
イ ン ト 分 析 に 分 類 さ れ る [17-18]．
伝統的コンジョイント分析では全ての属性の全水準を組み合わせるとプロフ
ァイルカードの数が多くなるため，属性間に交互作用が無いことを前提に直交
計画法を用いてプロファイルカードの数が少なくバランスの良い水準の組み合
わせを決定する．このプロファイルカードを回答者に提示して選好順位や評定
値 を 回 答 さ せ ， 回 帰 分 析 (最 小 二 乗 法 )に よ り 各 水 準 が 選 好 に 与 え る 効 用 を パ ラ
メータ推定する．
各水準の効用を部分効用値と呼ぶ．また，選好判断における属性の影響度を
寄与率と呼び，全ての属性における推定部分効用値の分散の合計を１００％と
し た と き の 各 属 性 の 推 定 部 分 効 用 値 の 分 散 の 割 合 と し て 求 め ら れ る (各 属 性 の
推 定 部 分 効 用 値 の 最 大 値 と 最 小 値 の レ ン ジ 幅 の 比 率 を 指 す こ と も あ る ) ．寄 与 率
は商品価値を左右する個々の属性の重視度を表す．
分析結果から最適なコンセプトを判断する際は，寄与率の大きな属性から順
に着目し当該属性の中で部分効用値が最も大きい水準を最適とする．各属性の
中で最大の部分効用値を持つ水準を全て組み合わせたコンセプトを最適コンセ
プトと呼び，その商品の価値を最大限に高める企画となる．
伝統的コンジョイント分析は質問形式の違いから完全プロファイル型と一対
比 較 型 に 分 類 で き る [8][19]．
(1) 伝 統 的 コ ン ジ ョ イ ン ト 分 析 完 全 プ ロ フ ァ イ ル 型
完全プロファイル型は全てのプロファイルカードを提示し選好の順位や評定
値を回答させて分析を行う方法である．完全プロファイル型は回答者個別の分
析が可能で，個人の推定部分効用値などを利用して回答者を分類できる．しか
101
し，全属性を含む完全なプロファイルカードを用いるため，属性や水準が増え
るとカード枚数も増え，回答者の負担が増加することによって調査効率や分析
精度が低下するという問題がある．また，完全プロファイル型の調査では，一
般に提示された全てのカードに選好順位を回答することが求められるが，選好
順位が下位となるカードに回答者が全く価値を感じない場合は，下位のカード
への順位付けを強いることによって回答者の負担を高めデータの精度低下を招
く こ と が 指 摘 さ れ て い る [20]．
図 ３ -１ を 用 い て 完 全 プ ロ フ ァ イ ル 型 の コ ン ジ ョ イ ン ト 分 析 の 概 要 を 説 明 す
る [1-4]． 図 ３ -１ は 説 明 を 簡 単 に す る た め ， 自 動 車 の ス タ イ ル と 排 気 量 区 分 だ
けを属性とした分析例であり，実際の製品開発では属性や水準はさらに多くな
る．
図 ３ -１ ． 完 全 プ ロ フ ァ イ ル 型 コ ン ジ ョ イ ン ト 分 析 の 概 要
ま ず ， 図 ３ -１ (a)に 示 す よ う に 製 品 の 価 値 を 決 定 づ け る 属 性 と 水 準 を 設 定 す
る ． こ の 例 で は 属 性 は ２ 件 ，水 準 は ３ ～ ４ 件 で あ る ．図 ３ - １ ( b ) に 示 す よ う に
各属性から１つの水準を選んで組み合わせたプロファイルカード（この例では
102
６枚）を回答者に提示し，選好（この例では選好順位）を回答してもらう．２
つ の 属 性 の 全 て の 水 準 を 組 み 合 わ せ る と 1 2 通 り あ る が ，カ ー ド の 枚 数 が 多 い と
回答者の負担が増すため，属性間に交互作用が無いことを前提に直交計画法を
用いて組合せの数（カード枚数）を減じる．属性間に交互作用があると思われ
るときは属性と水準を見直す．
そして，回答者の選好を目的変数とし水準の有無を説明変数とした回帰分析
（ 最 小 二 乗 法 ）に よ っ て 各 水 準 が 選 好 に 与 え る 効 用（ 部 分 効 用 値 ）を 推 定 す る ．
また，選好に与える属性の重視度（寄与率）は全属性の部分効用値の分散の合
計を１００％としたときの各属性の部分効用値の分散の割合として求める（各
属 性 の 部 分 効 用 値 の 最 大 値 と 最 小 値 の レ ン ジ 幅 の 比 率 で 求 め る こ と も あ る ）．
こ の 例 で の 分 析 結 果 を 図 ３ -１ (c)に 示 す ． 最 適 コ ン セ プ ト の 判 断 は ， 寄 与 率
の大きな属性から順に着目し，各属性の中で部分効用値が最も大きい水準を選
んで組み合わせたものを最適コンセプトとする．この分析例では，寄与率の大
きい属性「スタイル」の中から部分効用値が最も大きい水準「セダン」が，次
に属性「排気量区分」から水準「小型乗用車」がそれぞれ選択され，セダンの
小型乗用車が最適コンセプトとなる．
デザイン開発にコンジョイント分析を用いる場合は，いずれかの属性をデザ
インとしてその水準に候補となるデザイン案を設定する，またはデザインを属
性に分解し，各属性にデザインの仕様を設定することによって，デザイン案や
デザイン仕様の効用を推定することができる．
(2) 伝 統 的 コ ン ジ ョ イ ン ト 分 析 一 対 比 較 型
一対比較型は二つのプロファイルカードを提示してどちらがどのくらい好ま
しいかの程度を回答させて分析を行うもので回答者個別の分析も可能である．
一対比較の質問では比較する２つのカードで異なる属性だけを示せば良く，属
性 を 多 く 扱 え る 可 能 性 が あ る が ，一 対 比 較 に よ る 質 問 は 設 問 量 が 多 く な る こ と ，
お よ び 属 性 数 が 多 い 場 合 は 重 要 な 属 性 が 過 小 評 価 さ れ る 恐 れ が あ る こ と [ 8 ] ，さ
らには商品の一部の属性のみが異なる２つの商品から選ぶという形式が現実的
で な い な ど の 問 題 が 指 摘 さ れ て い る [8]．
(3) 選 択 型 コ ン ジ ョ イ ン ト 分 析
選択型コンジョイント分析は複数のプロファイルカードを同時に提示するが，
最も魅力のあるコンセプトを１つ選択するか，若しくはどれも選択しないこと
によって選好を回答させる手法である．回答者個別の分析はできず，条件付き
103
ロ ジ ッ ト モ デ ル や 順 序 プ ロ ビ ッ ト モ デ ル に よ る 解 析 (最 尤 法 )に よ り 回 答 者 グ ル
ー プ 単 位 の 分 析 を 行 う [8][21-24]． 複 数 の 商 品 の 中 か ら 一 番 好 ま し い も の を １
つ選ぶ調査方法は実際の消費行動に近く，魅力の無い商品を無視できるため回
答者の負担が少ない利点があるが，回答者個別の分析ができない欠点がある．
(4) 適 応 型 コ ン ジ ョ イ ン ト 分 析
適応型コンジョイント分析は回答者に属性と水準の魅力を自己申告させた後，
魅力が高いと申告された属性や水準に関してだけコンジョイント分析を行う手
法 で あ る [25]． 回 答 内 容 に 応 じ て 個 人 ご と に 設 問 が 変 わ っ て い く た め ， 専 用 の
ソ フ ト ウ ェ ア が 必 要 と な る [ 2 6 ] ．属 性 数 が 3 0 以 上 で も 分 析 で き る 利 点 が あ る が ，
属性や水準の魅力を直接問う自己申告型の調査を併用していることが欠点であ
る．
コンジョイント分析の利用で最も注意しなければならないことは，回答者の
負担軽減である．あまりにも多くのプロファイルカードを提示することや回数
の多い一対比較を繰り返しさせると，回答に時間が掛かるだけでなく回答の合
理性，一貫性，および再現性を失いデータの質が低下して分析精度が落ちる
[27-28]． そ れ を 回 避 す る た め ， カ ー ド 枚 数 は ２ ０ ～ ３ ０ 枚 以 内 に す る [1]， 属
性 の 数 を ６ 以 内 ( ２ 水 準 の 属 性 だ け で も １ ０ 以 内 ) に す る [ 2 ] [ 2 9 ] ，お よ び 属 性 数
に よ っ て 手 法 を 選 択 す る [17][30]な ど の 推 奨 事 項 が 示 さ れ て い る ．
３．２．２．デザイン開発で活用するための要件
コンジョイント分析において機能や価格などと並んでデザインを属性の一つ
としデザイン候補をその水準とすれば，デザインを含む商品コンセプトの効用
を分析できる．水準とする具体的なデザインには調査の目的や開発段階の違い
に よ り ， 図 （ ス ケ ッ チ や レ ン ダ リ ン グ ）， 製 品 ， モ ッ ク ア ッ プ や そ の 写 真 な ど を
用 い る ．図 や 写 真 を 利 用 す る 場 合 の 実 査 は W e b ア ン ケ ー ト 調 査 も 可 能 で あ る が ，
実製品やモックアップを使用する場合は会場調査が前提となる．
これまでの経験から，デザインを対象に含むコンジョイント分析では，前述
の一般的なコンジョイント分析の諸注意に加え特に次の要件を満たす必要があ
る．
①
実際の購買行動と同等のトレードオフが働くこと
104
デ ザ イ ン は 記 憶 さ せ て お く こ と が 難 し い た め ， 店 頭 や 通 信 販 売 の Web サ イ
トのように全候補のデザインが一覧でき，いつでも比較できる状態で回答
させること．
②
個人ごとの選好を分析でき消費者を群分けできること
デザインに対する好みや価値観は多様であることが多く，平均値で結果を
見るのは危険である．ターゲットとする消費者像を見いだすために個人の
効用値を分析できること．
③
デザインだけでなく製品全体の価値を評価させること
デザインだけの評価は感覚的な自己申告の分析に陥る恐れがある．デザイン
は製品の新しい価値や使用シーンを可視化したものであり，その意図が伝わ
るよう製品全体の評価から分解的にデザインの効用を分析すること．
以上の要件から，消費者向け電気製品の開発でデザインを属性に含むコンジ
ョイント分析を行う際は完全プロファイル型の伝統的コンジョイント分析を用
いるのが良いと言える．
完全プロファイル型ではプロファイルカードの枚数が増えすぎないように属
性や水準の数に配慮しなければならないが，消費者に訴求するために最適化し
たい機能や性能などの属性はたくさんあり，開発者の希望通りの属性と水準か
ら直交計画を用いてプロファイルカードを作ると回答が困難に思えるほどの枚
数 の カ ー ド と な る ．し た が っ て 実 際 に コ ン ジ ョ イ ン ト 分 析 を 利 用 す る 現 場 で は ，
カード枚数が現実的な調査に耐えられる枚数以内に収まることを優先して属性
や水準を我慢して絞り込んでいるのが実情である．そこで，回答者の負担を過
度に気にすることなく属性や水準を少しでも多く盛り込めるよう，プロファイ
ルカードを最小枚数にする方法を検討する．また，プロファイルカードの枚数
が多い場合でも，魅力のある上位のカードだけに順位を回答するだけで良けれ
ば回答者の負担は減る．上位の順位回答から全順位を回答したのと同様の分析
結果を得るための方法についても検討する．
105
３．３．カード枚数を最小化する方法
コンジョイント分析のプロファイルカードを最小枚数にする方法を検討する．
コ ン ジ ョ イ ン ト 分 析 に お け る 部 分 効 用 値 の 推 定 は ， Z=DB+e を 最 小 二 乗 法 に よ
って解くことによって得られる．Z はカードに対する回答者の選好を示す選好
ベクトルであり，サイズはカード数である．D はデザイン行列と呼ばれカード
に 採 用 さ れ た 水 準 の 有 無 を 示 す ダ ミ ー 行 列 で カ ー ド 数 ×総 水 準 数 の サ イ ズ を 持
ち ， 行 列 の 要 素 ｄcjk は ,カ ー ド c の 属 性 j が 水 準 k に 該 当 す る と き １ ， そ う で な
いとき０となる．B は各水準の部分効用値を示す部分効用ベクトルであり，サ
イズは総水準数である．e は誤差ベクトルである．
解法は重回帰分析と同じだが，コンジョイント分析の場合はデザイン行列 D
に お い て Σk(ｄcjk)＝１が 成 立 す る た め ， カ ー ド の 最 小 枚 数 は 総 水 準 数 － 属 性 数 ＋
１ と な る [ 3 1 - 3 2 ]（ コ ン ジ ョ イ ン ト 分 析 が 推 定 す る パ ラ メ ー タ の 数 は 全 水 準 の 部
分効用値と定数項であるが，各属性の全ての水準の部分効用値の和は０である
ため推定すべき部分効用値の数は総水準数－属性数となる．よってカードの最
低 限 の 必 要 枚 数 は 総 水 準 数 － 属 性 数 ＋ １ と な る ）．
ま た ，こ の 処 理 で は 行 列 の 退 化（ D の 列 ベ ク ト ル が 線 型 独 立 で な く な る こ と ）
によって多重共線性が発生する場合がある．ゆえに，カード枚数を最小にする
場 合 に お い て も デ ザ イ ン 行 列 の ラ ン ク が｛ 総 水 準 数 － 属 性 数 } よ り ラ ン ク 落 ち し
な い こ と に 配 慮 し な け れ ば な ら な い [31]．
続いて，カードに出現する水準組み合わせの均等化について考察する．統計
数理上は任意に２つの属性を選んだとき，その２つの属性のすべての水準の組
合 せ が 均 等 に 出 現 す る よ う な カ ー ド の 集 合（ こ こ で は 強 さ ２ の 直 交 計 画 と 呼 ぶ ）
が 最 良 で あ り 部 分 効 用 値 の 推 定 精 度 を 最 大 に で き る が [ 3 3 - 3 4 ] ，カ ー ド は 相 当 な
枚数となる．例えば，２水準からなる属性が３件と３水準からなる属性が２件
で構成される５属性２～３混合水準のカード生成の場合，全ての水準を組み合
わ せ た 完 全 計 画 で は カ ー ド 枚 数 は ７ ２ 枚 ，強 さ ２ の 直 交 計 画 で は ３ ６ 枚 と な り ，
強さ１の直交計画（各属性において各水準が均等に出現するようなカードの集
合）では６枚でよいが分析するために最低限必要となる最小カード枚数は８枚
である．
カード枚数の少なさと組み合わせる水準の偏りの少なさを両立させることは
難しいが，カード枚数の増大によって回答者の負担が増加し回答の一貫性や再
現性を損なうことによって発生する信頼性の低下，および提示する商品コンセ
106
プトの偏りによって発生する分析誤差を総合的に最小にできればよい．
コンジョイント分析は属性間に交互作用が無いことを前提としてカードに水
準を割り付ける．属性や水準を検討する際にこの点に十分な注意を払っている
という前提に立てば，属性間の直交性ではなく直交性よりやや弱い統計的独立
性 [35]を 確 保 す る と い う 方 針 の 下 で ， 強 さ ２ の 直 交 計 画 か ら の 乖 離 を 最 小 に す
ることによりこの問題に対処できるものと考える．具体的には次のような最適
化問題を解くことにより最小カード枚数で近似的に強さ２の直交計画を求める．
目 的 関 数 ： f＝ Cond(D) → 最 小
制約条件：属性間の統計的独立性を保つ
Cond(D)は デ ザ イ ン 行 列 D の 条 件 数 で あ り ， D の 最 大 特 異 値 を D の 最 小 特 異
値 で 除 し た 値 と 同 じ で あ る ．こ の 目 的 関 数 は ，デ ザ イ ン 行 列 D の 条 件 数 の 値 が
小 さ い ほ ど 良 い 計 画 で あ る こ と を 表 し て い る [36]．
こ の 最 適 化 問 題 を 解 く ア ル ゴ リ ズ ム の 処 理 の 流 れ を 図 ３ - ２ に 示 し ，以 下 に 説
明 す る ．既 に 述 べ た と お り ，属 性 数 を n，お よ び 各 属 性 の 水 準 数 を Ｌ
とすると，総水準数はＬ＝
Σ Ｌ
j
j
(j=1～ n)
と な り ， 最 小 カ ー ド 枚 数 は Ｋ ＝ Ｌ -ｎ ＋ １
j=1～ n
（総水準数－属性数＋１）である．
① 初期設定
直 交 配 列 Ａ (サ イ ズ K×n)に ，ほ ぼ 強 さ １ の 直 交 計 画 に な る よ う な 初 期 値 を 設
定する．Ａ＝〔a
i
j
〕 と 表 す こ と に す る と ， i=1～ K， j =1～ n， a
i
j
は１以上
Lj 以 下 の 整 数 で あ る ． デ ザ イ ン 行 列 D (サ イ ズ K×K)に は Ａ の ダ ミ ー 変 数 表
現を設定する．また，目的関数 f の初期値として∞（充分大きな値）を設定
する．
107
図 ３ -２ ． カ ー ド 枚 数 最 小 化 ア ル ゴ リ ズ ム
② 更新箇所の探索
Ａから
n
Ｃ
2
と お り の ２ 列 を 走 査 し て 更 新 箇 所 を 発 見 す る ．更 新 箇 所 は 次 の 条
件を満たす水準組合せの出現度数が最も不均等な場所である．
●
●
ｉ列とｋ列の水準組合せにおいて( a
( a
r
j
( a
i
j
( a
,a
,a
p
j
,a
r
k
i
j
i
k
,a
)の 出 現 度 数 が 最 も 多 く ，
)の 出 現 度 数 が 最 も 少 な い
i
k
)と 等 し い 水 準 組 合 せ ( a
p
k
)を ( a
r
j
,a
r
k
p
j
,a
p
k
)に お い て ， 仮 に
)で 置 き 換 え た と し て も ， 属 性 間 の 統 計 的
独立性は保たれ，目的関数値が真に減少する．
このときの位置( a
p
j
,a
p
k
) が 更 新 箇 所 で あ り ，水 準 ( a
値である．
108
r
j
,a
r
k
) が更新
③ 更新または終了
更新箇所が存在する場合は，最頻の水準組合せ( a
水準組合せ( a
r
j
,a
r
k
p
j
,a
p
k
)を 最 小 頻 度 の
)に 書 き 換 え ，そ れ に あ わ せ て D を 更 新 し ， 目 的 関 数
f＝ Cond(D)を 更 新 し て ② に 戻 る ． 更 新 箇 所 が 存 在 し な い 場 合 は ， こ れ 以 上 改
善はできないので最適化処理を終了する．
以上説明した通り，このカード枚数を最小化するアルゴリズムは，プロファ
イルカードが最小枚数となる範囲で属性間に統計的独立性が保たれ，かつ様々
な水準が偏りなくバランスよく出現するような水準の組み合わせを反復的に求
めるためのものである．
109
３．４．提案手法の有効性の検証
前述のカード枚数を最小化する方法によるコンジョイント分析が有効である
ことを確認するために，実際の消費者を対象にデジタルカメラの仮想の商品企
画を題材としたコンジョイント分析の実験を行った．
３．４．１．有効性を検証するための実験
実験は２００４年秋に行った．実験で扱う商品企画は手法の有効性を確認す
る た め の 仮 想 の も の で あ る が ， デ ジ タ ル カ メ ラ の 市 場 動 向 に 基 づ き [37]， ト レ
ードオフが働くよう属性と水準を決定した．調査に用いた属性と水準を表３１に示す．
表 ３ -１ ． デ ジ タ ル カ メ ラ の 属 性 と 水 準
属　性
水　準
300万画素
画素数
500万画素
３倍ズーム
光学ズーム
８倍ズーム
ＳＤカード
メモリースティック
メモリーカード
コンパクトフラッシュ
ｘＤピクチャ ーカード
リチウムイオン専用充電池
電池
単３型充電池(乾電池OK)
Ｇ
Ｌ
Ｊ
Ｗ
デザイン
110
調査に用いるデザインは４タイプで人気機種（当時）を参考にしながら，方
向性の異なるデザインを独自に制作した．
３．４．２．プロファイルカードの設計
プロファイルカードを直交計画によって作成した調査およびカード枚数最小
化アルゴリズムによって作成した調査をそれぞれ準備した．通常の直交計画に
よ る カ ー ド は SPSS Conjoint 11.5 の ORTHOPLAN プ ロ シ ー ジ ャ を 用 い ， 表 ３ -１
に示す属性と水準を入力しホールドアウトカードを指定しないで出力されるカ
ー ド １ ６ 枚 と し た ． こ の カ ー ド セ ッ ト を 表 ３ -２ (a)に 示 す ．
尚，ホールドアウトカードとは他のカードと同様に調査で回答を得るが，そ
れを部分効用値の推定には用いないでおき，ホールドアウトカードの推定効用
値と実際に回答された効用値の一致度から推定結果の信頼性を調べるために用
い ら れ る も の で あ る [ 1 ] ．ホ ー ル ド ア ウ ト カ ー ド を 設 定 す る こ と で プ ロ フ ァ イ ル
カードの枚数が増えるため除外した．直交計画については詳しく述べないが，
全ての属性の各水準の組み合わせを調査しようとすると膨大な数の調査回数
（カード枚数）となるが，属性の水準間に交互作用がなく直交していることが
想定される場合は，交互作用の影響を調査する必要がないため直交表を利用し
て 調 査 回 数 （ カ ー ド 枚 数 ） を 減 じ る こ と が で き る [1]．
これとは別に前節で述べたカード枚数を最小化するアルゴリズムによる反復
計 算 で カ ー ド 枚 数 を 最 小 に し た と こ ろ ， 表 ３ -２ (b)に 示 す よ う に カ ー ド 枚 数 は
１ ０ 枚 （ 総 水 準 数 :14－ 属 性 数 :5＋ 1＝ 10） と な り ， 直 交 計 画 に よ る カ ー ド よ り
６枚少ないカードセットとなった．
111
表 ３ -２ ． コ ン ジ ョ イ ン ト 分 析 に 用 い る プ ロ フ ァ イ ル
(a) SPSS に よ る 直 交 計 画 （ 16 枚 , ホ ー ル ド ア ウ ト を 含 ま ず ）
番号
画素数
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
500万
300万
300万
300万
500万
500万
500万
300万
500万
500万
300万
300万
300万
500万
500万
300万
光学
ズ ーム
８倍
８倍
３倍
８倍
３倍
８倍
３倍
８倍
８倍
８倍
３倍
３倍
３倍
３倍
３倍
８倍
メモリーカード
電　池
コンパクトフラッシュ
ｘＤピクチャーカード
コンパクトフラッシュ
コンパクトフラッシュ
ｘＤピクチャーカード
ＳＤカード
コンパクトフラッシュ
ＳＤカード
メモリースティック
ｘＤピクチャーカード
メモリースティック
ＳＤカード
ｘＤピクチャーカード
ＳＤカード
メモリースティック
メモリースティック
リチウムイオン専用充電池
単３型充電池(乾電池OK)
単３型充電池(乾電池OK)
リチウムイオン専用充電池
リチウムイオン専用充電池
単３型充電池(乾電池OK)
単３型充電池(乾電池OK)
単３型充電池(乾電池OK)
リチウムイオン専用充電池
単３型充電池(乾電池OK)
単３型充電池(乾電池OK)
リチウムイオン専用充電池
リチウムイオン専用充電池
リチウムイオン専用充電池
単３型充電池(乾電池OK)
リチウムイオン専用充電池
デザ
イン
Ｌ
Ｇ
Ｗ
Ｊ
Ｊ
Ｊ
Ｇ
Ｌ
Ｇ
Ｗ
Ｊ
Ｇ
Ｌ
Ｗ
Ｌ
Ｗ
(b) カ ー ド 枚 数 最 小 化 ア ル ゴ リ ズ ム (反 復 計 算 )に よ る 計 画 （ 10 枚 ）
番号
画素数
1
2
3
4
5
6
7
8
9
10
300万
300万
500万
500万
300万
500万
500万
300万
500万
300万
光学
ズ ーム
３倍
３倍
８倍
８倍
８倍
３倍
３倍
８倍
８倍
３倍
メモリーカード
電　池
メモリースティック
ＳＤカード
ＳＤカード
ＳＤカード
メモリースティック
メモリースティック
コンパクトフラッシュ
コンパクトフラッシュ
ｘＤピクチャーカード
ｘＤピクチャーカード
単３型充電池(乾電池OK)
リチウムイオン専用充電池
リチウムイオン専用充電池
単３型充電池(乾電池OK)
リチウムイオン専用充電池
リチウムイオン専用充電池
単３型充電池(乾電池OK)
単３型充電池(乾電池OK)
単３型充電池(乾電池OK)
リチウムイオン専用充電池
デザ
イン
Ｊ
Ｇ
Ｌ
Ｗ
Ｊ
Ｌ
Ｇ
Ｌ
Ｇ
Ｗ
３．４．３．調査方法
(1) 実 験 協 力 者
実験協力者は事前のスクリーニング調査でデジタルカメラの購入意向があり，
購入する際は自身で購入製品を決定すると回答した国内消費者１６００名で調
112
査 は Web ア ン ケ ー ト で 実 施 し た ．
(2) 調 査 項 目
調査項目は以下の通り．
①デモグラフィック設問
居住地，性別，年代，職業を選択肢から選択
②デジタルカメラ設問
・所有するデジタルカメラの機能・性能
（画素数とメモリーカードの種類をそれぞれの選択肢から選択）
・デジタルカメラの購入意向
（ 次 の 選 択 肢 か ら 選 択：買 い た い と は 思 わ な い ，半 年 以 内 に 購 入 し た い ，
１年以内に購入したい，購入したいが時期は分からない）
・デジタルカメラを購入する時の立場
（次の選択肢から選択：自分で情報収集などを積極的に行い機種も自分
で決める，情報収集などは他人に頼ることも多いが機種は自分で決め
る，機種選びに意見は言うが決め手になるのは自分以外の判断，全く
人任せで機種選びにはほとんど関わらない）
・デジタルカメラ購入時に重視する項目
（以下の項目に対し次の５段階から選択：とても重視する，やや重視す
る，どちらでもない，あまり重視しない，まったく重視しない）
- パソコン等との接続方法
- バッテリーの持続時間
- ボディーカラー
- メーカー
- メモリーカードの種類
- レンズ性能（明るさ，焦点距離）
- 液晶モニターの見易さ
- 画素数が大きいこと
- 光学ズームの有無や倍率
- 全体のデザイン
- 操作が簡単であること
113
- 大きさ・質量（重さ・軽さ）
③コンジョイント分析用設問
各プロファイルカードに対する選好順位と購入意向とを問う．プロファイ
ルカードを通常の直交計画によって作成した１６枚のプロファイルカー
ドを用いた設問，および最小化アルゴリズムによって作成した最小枚数１
０枚のプロファイルカードを用いた設問の２種類の設問形式を用意し，そ
の他の設問は同じでコンジョイント分析用設問だけが異なる２つの調査
票に対し１６００名の回答者をそれぞれ無作為に８００名ずつ割り当て
て調査を行った．コンジョイント分析用設問で消費者に提示したプロファ
イ ル カ ー ド の 例 を 図 ３ -３ に 示 す ．
114
(a) 通 常 の 直 交 計 画 に よ っ て 作 成 し た １ ６ 枚 の プ ロ フ ァ イ ル カ ー ド
(b) 最 小 化 ア ル ゴ リ ズ ム に よ っ て 作 成 し た １ ０ 枚 の プ ロ フ ァ イ ル カ ー ド
図 ３ -３ ． 調 査 で 提 示 し た プ ロ フ ァ イ ル カ ー ド の 例
115
デザインの方向性を他の重要な商品属性とともに調査することを念頭に置い
ているためデザインはイラストではなく細部まで表現したレンダリングを用い，
カードの下部には上から見たときのシルエットを表示しデザインの厚みが分か
るようにした．また，デザイン以外の属性は店頭で見られるような分かりやす
い シ ン ボ ル 表 現 を 用 い ，店 頭 で 商 品 を 見 比 べ て い る の と 同 様 の 提 示 方 法 と し た ．
３．４．４．調査結果
調査で得られた総回答１６００件に対しカードの選好順位に抜けや重複が無
い回答を有効回答とし，それ以外を無効回答とした．調査全体におけるカード
順 位 の 抜 け や 重 複 に よ る 誤 答 の 割 合 は 13.4%で あ っ た ．
有 効 回 答 数 ( 率 ) は １ ３ ８ ６ 件 ( 8 6 . 6 % ) で あ り ，各 調 査 に お け る 有 効 回 答 数 ( 率 )
の内訳は次の通りであった．
① 直 交 計 画 （ カ ー ド 16 枚 ）
有 効 回 答 数 ６ ０ ９ 件 (76.1%) ［ 総 回 答 数 800 件 ］
② 最 小 枚 数 （ カ ー ド 10 枚 ）
有 効 回 答 数 ７ ７ ７ 件 (97.1%) ［ 総 回 答 数 800 件 ］
最 小 枚 数 (１ ０ 枚 )の 調 査 デ ー タ と 直 交 計 画 (１ ６ 枚 )の 調 査 デ ー タ に 対 し ， そ
れぞれコンジョイント分析を行って回答者ごとの部分効用値を推定し寄与率を
計 算 し た ．回 答 者 全 員 の 平 均 部 分 効 用 値 と 平 均 寄 与 率 を 表 ３ - ３ に ，両 調 査 の 平
均 部 分 効 用 値 を 比 較 す る グ ラ フ を 図 ３ -４ に そ れ ぞ れ 示 す ．
最 小 枚 数 (１ ０ 枚 )の 調 査 ， お よ び 直 交 計 画 (１ ６ 枚 )の 調 査 が カ ー ド 枚 数 の 違
いによって分析結果に差がないことを判定するには，各調査でホールドアウト
カードによる検証を行いそれぞれの分析結果が正しいことを示せばよい．
ホールドアウトカードとは他のカードと同様に調査で回答を得るが，それを
部分効用値の推定には用いないでおき，それ以外のカード使って推定した部分
効用値を当てはめて得られるホールドアウトカードの推定効用値と回答者が実
際に答えたホールドアウトカードの評定値が一致しているかどうかを調べるこ
と に よ っ て 推 定 結 果 の 信 頼 性 を 調 べ る こ と が で き る [ 1 ] ．し か し ，プ ロ フ ァ イ ル
カードの枚数を最小化する今回の実験においてはホールドアウトカードを設定
することがカード枚数の増加となって結果に影響を及ぼすため，２つの調査で
116
推定された部分効用値に統計的な有意差が無いことを示すことによって最小枚
数の調査でも直交計画と同等の調査結果が得られることを立証する．その前提
として無作為に分けた２群の回答者が同質であること示す必要があるが，それ
ぞれの調査において選好態度に関する複数の同一の質問をし，それらの回答に
有意差が無いことを以て２群の回答者を同じ母集団からのサンプルと判断した．
表 ３ -３ ． コ ン ジ ョ イ ン ト 分 析 に よ る 推 定 結 果 の 比 較
部分効用値
属性
水準
300万
500万
３倍
光学ズーム
８倍
ＳＤ
メモリー
ＭＳ
カード
ＣＦ
ｘＤ
Li-ion
電池
単3型
Ｇ
Ｊ
デザイン
Ｌ
Ｗ
部分効用値の定数項
画素数
直交
16枚
最小
10枚
-1.203
1.203
-0.890
0.890
0.465
0.038
-0.012
-0.490
-0.036
0.036
-0.069
-0.030
0.420
-0.321
8.500
N=609
-1.030
1.030
-0.784
0.784
0.443
0.035
-0.070
-0.407
0.015
-0.015
-0.070
-0.067
0.403
-0.266
5.419
N=777
117
寄与率
直交
16枚
最小
10枚
59.64
58.03
32.64
33.61
4.72
5.03
0.05
0.01
2.94
3.32
-1.3
-1.20
画素:300万
画素:500万
-0.8
-0.3
0.2
0.7
-1.03
1.03
-0.89
1.20
ズーム:３倍
ズーム:８倍
0.78
-0.78
0.89
0.44
カード:ＳＤ
0.03
-0.07
カード:ＣＦ
-0.04
電池:単3型
-0.02
直交16枚
最小10枚
0.02
0.04
-0.07
デザイン:Ｇ
-0.07
-0.07
デザイン:Ｊ
デザイン:Ｗ
-0.01
-0.41
-0.49
電池:Li-ion
デザイン:Ｌ
0.46
0.04
カード:ＭＳ
カード:ｘＤ
1.2
-0.03
0.42
-0.32
0.40
-0.27
図 ３ -４ ． コ ン ジ ョ イ ン ト 分 析 に よ る 推 定 結 果 の 比 較
２ つ の 調 査 で 推 定 さ れ た 部 分 効 用 値 を 多 変 量 検 定 (SPSS)に よ り 検 定 し た と こ
ろ ， も っ と も 検 定 力 の 強 い と さ れ る Wilks の ラ ム ダ (Wilks’ λ )[38]で 有 意 な
差 が 無 い (F(9) = 1.607, P=0.108)こ と が 分 か っ た ． 尚 ， こ の 多 変 量 検 定 に お い
て ， Wilks’ λ 以 外 の 統 計 量 で あ る Pillai の ト レ ー ス [39]， Hotelling の ト レ
ー ス [40]， お よ び Roy の 最 大 根 [41]の い ず れ に お い て も 有 意 な 差 は 検 出 さ れ な
かった．このため，カード枚数が異なる２つの調査の結果において，それぞれ
推 定 さ れ た 部 分 効 用 値 に は 差 が 無 い と 言 え る [42-44]．
最 小 枚 数 (１ ０ 枚 )と 直 交 計 画 (１ ６ 枚 )の 各 調 査 に お け る Web ア ン ケ ー ト の 全
設問に対する回答時間の平均は次の通りである．
( 1 ) 直 交 計 画 （ 1 6 枚 ）［ 有 効 回 答 6 0 9 件 ］
118
回 答 時 間 の 平 均 17.96 分 （ SD=9.76， SE=0.40）
( 2 ) 最 小 枚 数 （ 1 0 枚 ）［ 有 効 回 答 7 7 7 件 ］
回 答 時 間 の 平 均 16.50 分 （ SD=9.26， SE=0.33）
最 小 枚 数 (１ ０ 枚 )の 調 査 と 直 交 計 画 (１ ６ 枚 )の 調 査 で は 平 均 回 答 時 間 が 異 な
り，その差は１分２７秒であった．２つの調査の回答時間をＴ検定
（ F(1384)=1.946， t(1384)=-2.845, p=0.005） に て 検 定 し た と こ ろ ， 有 意 水 準
１％で回答時間に有意差があることが分かった．
上 記 の 回 答 時 間 は Web ア ン ケ ー ト 画 面 を 表 示 し て か ら 回 答 を 送 信 す る ま で に
要 し た 時 間 を Web サ ー バ に 対 す る ア ク セ ス 記 録 か ら 割 り 出 し た も の で あ る ． 従
って，コンジョイント分析の設問に対してだけの回答時間ではないが，２つの
調査の設問の違いはコンジョイント分析のプロファイルカードの枚数が異なる
だけで他の設問は全く同一の内容であったことから，プロファイルカードの枚
数の違いによる回答負担の差を知る手掛かりになると思われる．
参考として，プロファイルカードの選好順位に抜けや重複があった無効回答
を 含 む 総 回 答 １ ６ ０ ０ 件 に 対 し ， 最 小 枚 数 (１ ０ 枚 )と 直 交 計 画 (１ ６ 枚 )の 各 調
査 に お け る Web ア ン ケ ー ト の 全 設 問 に 対 す る 回 答 時 間 の 平 均 を 求 め る と 以 下 と
なる．
( 1 ) 直 交 計 画 （ 1 6 枚 ）［ 総 回 答 8 0 0 件 ］
回 答 時 間 の 平 均 18.75 分 （ SD=10.10， SE=0.35）
( 2 ) 最 小 枚 数 （ 1 0 枚 ）［ 総 回 答 8 0 0 件 ］
回 答 時 間 の 平 均 16.43 分 （ SD=9.28， SE=0.32）
こ の 場 合 も 最 小 枚 数 (１ ０ 枚 )の 調 査 と 直 交 計 画 (１ ６ 枚 )の 調 査 で は 平 均 回 答
時間が異なり，その差は２分１９秒である．プロファイルカードの枚数の違い
による平均回答時間の差は，有効回答だけでの平均回答時間の差より大きい．
これはプロファイルカードの枚数が多くなることによって選択肢が増え，回答
に時間を要するが必ずしも正確に回答できていないことを示唆している．
上記の結果から少なくとも今回の実験においては，カード枚数を最小にする
アルゴリズムによって作成したプロファイルカードを用いたコンジョイント分
析は直交計画で作成したプロファイルカードを用いた調査と同等の推定結果を
出すことができると言える．また，無作為抽出した２つの回答者群の回答態度
に差がないとすれば２つの調査の差は純粋にカード枚数だけにあるため，誤答
119
率の差はカード枚数に起因するものと言える．１６枚のカードセットの誤答率
が 23.9%で あ る の に 対 し １ ０ 枚 の セ ッ ト の 誤 答 率 は 2.9%に と ど ま っ て お り ， カ
ード枚数を少なくすることが回答者の負担軽減に役立つことを示している．
120
３．５．不完全な順位回答を用いたコンジョイント分析の検討
３．５．１．部分順位回答を用いた部分効用値推定アルゴリズム
順 位 が 不 完 全 な 回 答 を 許 す 手 法 と し て 選 択 型 コ ン ジ ョ イ ン ト [8][21-22][24]
や LOGMAP（ LOGit approach to Multi attribute Analysis for Positioning）
[45]な ど が あ る ． 選 択 型 コ ン ジ ョ イ ン ト の 解 法 は 完 全 プ ロ フ ァ イ ル 型 で は 利 用
で き な い ．L O G M A P は ロ ジ ッ ト 分 析 [ 4 6 ] を 用 い た 多 次 元 尺 度 法 に よ り ポ ジ シ ョ ニ
ン グ 分 析 を 行 う 手 法 で あ る [ 4 5 ] [ 4 7 - 4 8 ] ．選 好 の 順 位 デ ー タ か ら 選 好 度 と 知 覚 マ
ップを同時に推定する際に予め認知率が高く異質性が高い調査項目を選定して
おき，選定した項目だけに順位を答えさせることによって回答者の負担を軽減
し つ つ 分 析 精 度 を 維 持 す る 分 析 方 法 を 提 案 し て い る [ 4 5 ] ．L O G M A P は 優 れ た 方 法
であるが，理論が難しく複雑な統計分析と推定計算を収束させるための特別の
配慮が必要であり，実務者が使いこなすのは容易ではない．そこで，最小二乗
法を用いる通常のコンジョイント分析を拡張・発展させることによってこの問
題を解決する．
コンジョイント分析では推定時の誤差項に系列相関と不均一分散がないこと
を想定し，通常の線形最小二乗法による推定を行うことが多い．部分順位によ
るコンジョイント分析を行うには全順位の回答があった場合と同等の分析結果
が得られるように未回答順位を扱い，未回答順位があることを前提とした推定
を 行 う 必 要 が あ る [49-50]．
一般に，商品の選好の程度を順位で答えてもらう場合，選好順位が下位の商
品 の 選 好 の 分 散 は 上 位 の 分 散 よ り も 大 幅 に 大 き く な る と 考 え ら れ る [45]． そ こ
で，推定精度を向上させるため未回答順位の分散は順位回答のあった分散とは
異なるもの，すなわち推定時の誤差項に不均一分散があることを想定し，通常
の線形最小二乗法ではなく一般化最小二乗法を用いて推定を行うことにする．
線形最小二乗法は誤差項の分散を均一として推定を行うため，部分効用値を
推定した際の誤差項に不均一分散がある前提でこれを用いると，推定された部
分効用値（不偏推定量）が線形最小二乗法のように最小の分散を持つ望ましい
状 態 （ 最 小 分 散 線 形 不 偏 推 定 量 ： Best Linear Unbiased Estimator） に な ら な
い と い う 問 題 を も た ら す [50-51]．
121
Ｍ：回答者数， Ｌ：総水準数， ｎ：属性数
Ｋ：プロファイルカード枚数（Ｌ－ｎ＋１）
Ｎ ＝ Ｋ ×Ｍ ： 回 答 者 数 ×カ ー ド 枚 数
とすると，一般化最小二乗法によるパラメータ推定は一般化回帰モデル
Y=Ga+e
E(e)=0N， V(e)=σ2W-1
(3.1)
によって部分効用ベクトル a の推定を行う．
Y は 回 答 者 か ら 得 ら れ た 効 用 ベ ク ト ル (Ｎ 次 列 ベ ク ト ル )で あ り ， そ の 要 素 Yi
は 回 答 者 i が 答 え た 効 用 ベ ク ト ル (Ｋ 次 列 ベ ク ト ル )で あ る ．
G は デ ザ イ ン 行 列 ( Ｎ × Ｋ 行 列 ) で 要 素 は Ｎ 個 の デ ザ イ ン 行 列 D( Ｋ × Ｋ 行 列 ) か
らなり，行列 D のランクはＫである．
a は 部 分 効 用 ベ ク ト ル (Ｋ 次 列 ベ ク ト ル ), e は 誤 差 ベ ク ト ル (Ｎ 次 列 ベ ク ト ル )
である．
W は 下 記 の 重 み 行 列 ( Ｎ × Ｎ 行 列 ) で あ り ，対 角 要 素 の Ｗ
考え，ｙ
ir
iｒ
は回答ｙ
ir
の重みと
が実際の回答のときは１，未回答順位のときは１以下の正の値とす
る．
 W1



W
Wi


 O
W1 ＝
O 






Wm 
：重み行列
diag［ Ｗ
i1，
…，Ｗ
iｒ
(Ｎ ×Ｎ 行 列 )，
，…，Ｗ
iｋ
］：（ K × K 行 列 ）
(3.2)
V(e)=σ2W-1 は 対 角 行 列 で あ る の で 誤 差 に 系 列 相 関 は 無 い が 分 散 が 不 均 一 で
あ る こ と を 想 定 し て い る ． 式 (3.1)の 展 開 は 省 略 す る が ガ ウ ス ･マ ル コ フ の 定 理
の 前 提 条 件 を 満 た し て お り [ 5 0 ] ，次 式 の 一 般 化 最 小 二 乗 推 定 量 ( G L S E ) は a の 最
小分散線形不偏推定量になる．
122
â ＝ ( σ
-1Ｇ T
Ｗ
1/2・
＝ (Ｇ TＷ Ｇ )- Ｇ
T
σ
-1Ｗ 1/2Ｇ
)- σ
-1Ｇ TＷ 1/2・
σ
-1
Ｗ
1/2
Y
Ｗ Y
式 (3.3)に お い て ， 分 散
(3.3)
V (e) σ2W 1 は 未 知 で あ る か ら 部 分 効 用 値 を 推 定 す る 反
復計算の中で逐次的に求める．未回答順位の扱いは部分効用推定のための最適
化 計 算 内 に お い て ，目 的 関 数 を 最 大 化 す る よ う な 順 位 と 回 答 の 重 み を 決 定 す る ．
ただし，順位は実際に回答のあった順位よりの下位の順位から選び，回答の重
みは１以下の正値から選ぶ．
この推定アルゴリズムを導出するためにデジタルカメラの調査データを用い
てシミュレーションを行った．まず，これらの調査データに対して通常の線形
最小二乗法によるコンジョイント分析を行って部分効用値および属性の寄与率
を推定しておく．そして，全順位回答の下方順位の回答を削除して部分順位と
みなしたデータを使用して一般化最小二乗法による推定結果が全順位回答の最
小二乗法による推定結果との差が最小になるような推定アルゴリズムを決定す
る．
推定結果の差は全順位と部分順位の各データによって得られた全属性の分散
比 寄 与 率 に 対 し ， 順 位 相 関 係 数 (Spearman's ρ )[帰 無 仮 説 ρ =0 の 検 定 ]と 積 率
相 関 係 数 (Pearson's ｒ )[帰 無 仮 説 ｒ =0 の 検 定 ]に て 判 断 す る ．
シミュレーションでは部分効用値を推定する際に最大化すべき目的関数とし
て，以下の候補および以下の候補の任意の２～３項目の積を検討した．
①重相関係数
②部分効用値の分散の和
③ 行 列 Ｗ Ｇ の 1／ 条 件 数
これら目的関数の候補の意味するところは以下の通りである．
①重相関係数：モデルの当てはまりの良さの指標（重相関係数の最大化のみ
を行うのが通常の最小二乗法である）
②部分効用値の分散の和：属性の寄与率としてどれだけ多くの情報を取り出
したか，すなわち部分効用にできるだけ差を付けるための指標
③ 行 列 Ｗ Ｇ の 1／ 条 件 数 ： 多 重 共 線 性 の 起 こ り に く さ の 指 標
123
①から③の任意の組合せはこれらの複合指標である．また，部分効用を推定
する際に未回答データの影響を強く受けないように，未回答順位データを回答
のあった順位データより低い重みで推定することとした．
誤差の標準偏差が推定できればその逆数を重みとできるが，推定できないた
め未回答順位に与える重み（Ｗ）として，
④目的関数を最大化する重みを設定
⑤回答のあった順位と同じ扱い（Ｗ＝１）
の ２ つ の 方 式 を 検 討 し た ．さ ら に ，未 回 答 の 順 位（ Ｎ ）を 決 定 す る 方 法 と し て ，
⑥目的関数を最大化する順位を設定
⑦全順位の和が一定になるように順位を設定
⑧順位和が一定で順位の差が整数となるよう順位を設定
⑨最終順位（カード枚数）を設定
の４つの方式を検討した．
未回答順位（Ｎ）の扱いは以下の通り．
⑥目的関数を最大化する順位を設定：最大順位＋1 から最終順位（＝カード
枚数）の範囲で順位が設定される
⑦ 全 順 位 の 和 が 一 定 に な る よ う に 順 位 を 設 定 ： 例 え ば 順 位 が ｛ 1,2,未 回 答 ,
未 回 答 ｝ の 場 合 は ，｛ 1 , 2 , 3 . 5 , 3 . 5 ｝ の よ う に 順 位 の 和 （ 1 + 2 + 3 + 4 = 1 0 ） が
一定となるよう設定される
⑧ 順 位 和 が 一 定 で 順 位 の 差 が 整 数 と な る よ う 順 位 を 設 定：例 え ば 順 位 が｛ 1 , 2 ,
未 回 答 ,未 回 答 ｝ の 場 合 は ｛ 1.25， 2.25， 3.25， 3.25｝ の よ う に 順 位 の 和
（ 1+2+3+4=10） が 一 定 で ， 且 つ 各 順 位 の 差 が 常 に 整 数 と な る よ う 設 定 さ れ
る
シ ミ ュ レ ー シ ョ ン の 結 果 を 図 ３ - ５ と 表 ３ - ４ に そ れ ぞ れ 示 す ．図 ３ - ５ か ら 分
かるように，シミュレーションにおいては回答された部分順位が全順位に近づ
く ほ ど 推 定 結 果 の 一 致 度 (相 関 係 数 )が 高 ま る こ と ， お よ び 全 順 位 の ５ ０ ％ 以 上
の部分順位を分析に利用すれば全順位の分析結果に近い推定結果が得られるこ
と が 分 か っ た （ 手 法 は 異 な る が 知 見 は 片 平 の 報 告 と 一 致 [ 4 5 ] ）．
124
表 ３ -４ ． シ ミ ュ レ ー シ ョ ン 結 果
平均値
順位相関係数 積率相関係数
Spearmans'ρ Pearson's Ｒ
最大化する目的関数
●
②×③：
部分効用の分散の和×(1/条件数)
0.767
0.810
②：部分効用の分散の和
0.765
0.803
①×②×③：重相関係数×部分効用
の分散の和×(1/条件数)
0.762
0.804
①×②：
重相関係数× 部分効用の分散の和
0.757
0.796
③：1/条件数
0.742
0.783
①×③：重相関係数×(1/条件数)
0.703
0.740
①：重相関係数
0.608
0.622
0.755
0.703
0.789
0.741
0.753
0.733
0.786
0.769
0.736
0.694
0.765
0.740
未回答順位に与える重み
● ⑤：重みなし
④：重み最適化
未回答順位の決定
● ⑨：最終順位
⑦：和保存順位
⑥：最適化
⑧：和差保存順位
125
1
0.9
0.8
相関係数
0.7
0.6
▲(ρ)の3次曲線近似
y = 2.7989x3 - 5.197x2 + 3.4442x
R2 = 0.3479
0.5
0.4
●(Ｒ)の3次曲線近似
y = 2.1055x3 - 4.4134x2 + 3.3311x
R2 = 0.7426
0.3
0.2
順位相関係数
Spearmans'ρ
0.1
積率相関係数
Pearson's Ｒ
0
0%
10%
20%
30%
40%
50%
60%
70%
80%
90% 100%
分析に利用した部分順位の割合(%)
図 ３ -５ ． シ ミ ュ レ ー シ ョ ン 結 果
一方，推定の目的関数，未回答順位の重み，推定順位などの計算条件と全順
位 の 分 析 結 果 と の 相 関 係 数 を 検 討 し た と こ ろ （ 表 ３ - ４ ）， 以 下 の 計 算 条 件 が 全
順位の回答データの推定結果に最も近い結果となることが分かった．
① 目 的 関 数 ： 部 分 効 用 の 分 散 の 和 ×(１ /条 件 数 )→ 最 大 化
② 重 み (Ｗ )： 回 答 の あ っ た 順 位 と 同 じ 扱 い （ 重 み な し ）
③ 順 位 (Ｎ )： 最 終 順 位
上 記 の 目 的 関 数「 部 分 効 用 の 分 散 の 和 × ( １ / 条 件 数 ) → 最 大 化 」が 意 味 す る と
こ ろ は ，前 述 の 通 り ，属 性 の 寄 与 率 と し て ど れ だ け 多 く の 情 報 を 取 り 出 し た か ，
すなわち部分効用にできるだけ差を付けること（部分効用値の分散の和）の指
標 を 最 大 化 し つ つ ，か つ 多 重 共 線 性 の 起 こ り に く さ（ 行 列 Ｗ Ｇ の １ / 条 件 数 ）の
指標を最大化することである．
126
この推定アルゴリズムは統計的推論の厳密性は持たないが，単純で理解しや
す く [52]， 収 束 性 に 関 す る 配 慮 も 不 要 な 実 用 的 手 法 で あ る と 思 わ れ る [53]． 但
し，部分順位を用いたコンジョイント分析は順位回答データが不足しているた
め，回答者個別の分析を行うことができない．コンセプトを修正した後に行う
確認のための再調査など，回答者個別の分析を重視しない調査などで活用する
ことが前提となる．
３．５．２．デジタルカメラの調査事例での分析結果と考察
最 小 枚 数 (１ ０ 枚 )の 調 査 デ ー タ ， お よ び 直 交 計 画 (１ ６ 枚 )の 調 査 デ ー タ は ，
それぞれ，各プロファイルカードに１位から１０位，および１位から１６位の
順位が回答されている．これらのデータに対し，所定の順位までの回答データ
しかなく所定順位以下の順位データは回答には含まれないものと仮定し，全て
の 順 位 ま で の 回 答 デ ー タ が あ る 状 態 か ら 徐 々 に 順 位 回 答 を 減 じ て (無 か っ た も
の と し て 扱 い )最 小 で １ 位 だ け の 回 答 デ ー タ し か な い と し た も の ま で の 部 分 順
位回答データを準備する．準備する回答データの最下位順位をここでは順位深
さ と 呼 ぶ こ と と し ， 例 え ば ， 直 交 計 画 (１ ６ 枚 )の 調 査 デ ー タ に お い て ， １ 位 か
ら１６位までの全ての順位回答データは順位深さを１６のデータと呼び，１位
から８位までの順位回答だけを利用し９位から１６位までの回答は空欄であっ
たと扱う場合は順位深さ８のデータと呼ぶ．
最 小 枚 数 (１ ０ 枚 )の 調 査 デ ー タ に 対 し て は ， 順 序 深 さ ９ か ら 順 序 深 さ １ ま で
の 順 位 回 答 デ ー タ を 作 成 し ，一 方 で 直 交 計 画 ( １ ６ 枚 ) の 調 査 デ ー タ に 対 し て は ，
順序深さ１５から順序深さ１までの順位回答データを作成し，それぞれ前節で
決定した分析アルゴリズムを用いて部分順位によるコンジョイント分析を行っ
た．
順 序 深 さ に 対 す る 推 定 部 分 効 用 値 の 変 化 の 結 果 を 図 ３ - ６ ～ ３ - ７ に 示 す ．尚 ，
最 小 枚 数 (１ ０ 枚 )の 調 査 デ ー タ で は 順 序 深 さ １ ０ ， 直 交 計 画 (１ ６ 枚 )の 調 査 デ
ータでは順序深さ１６であるような全ての順位回答を利用した推定部分効用値
は，通常の分析アルゴリズムでコンジョイント分析を行って得られた推定部分
効用値である．
127
10
9
8
順位深さ(分析に使用する順位)
7
6
5
4
3
2
1.5
部分効用値
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
画素:300万
ズーム:８倍
カード:ＣＦ
電池:単3型
デザイン:Ｌ
画素:500万
カード:ＳＤ
カード:ｘＤ
デザイン:Ｇ
デザイン:Ｗ
ズーム:３倍
カード:ＭＳ
電池:Li-ion
デザイン:Ｊ
図 ３ -６ ． 順 位 深 さ と 部 分 効 用 値 （ 最 小 枚 数 の デ ー タ ）
128
1
順位深さ(分析に使用する順位)
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2.5
2.0
1.5
1.0
部分効用値
0.5
0.0
-0.5
-1.0
-1.5
-2.0
画素:300万
ズーム:８倍
カード:ＣＦ
電池:単3型
デザイン:Ｌ
画素:500万
カード:ＳＤ
カード:ｘＤ
デザイン:Ｇ
デザイン:Ｗ
ズーム:３倍
カード:ＭＳ
電池:Li-ion
デザイン:Ｊ
-2.5
図 ３ -７ ． 順 位 深 さ と 部 分 効 用 値 （ 直 交 計 画 の デ ー タ ）
129
2
1
図 ３ -６ ～ ３ -７ か ら 分 か る よ う に ， 順 序 深 さ が 小 さ く な る に 従 っ て 推 定 部 分
効用値が全順位回答を利用して得られた当初の推定部分効用値から離れていく
傾 向 に あ る ． 直 交 計 画 (１ ６ 枚 )の 方 が 最 小 枚 数 (１ ０ 枚 )よ り も 水 準 間 の 推 定 部
分 効 用 値 の 順 序 関 係 を 維 持 し た ま ま 変 化 し て い く が ， 最 小 枚 数 (１ ０ 枚 )の デ ー
タ の 場 合 は 順 序 深 さ ９ で ，直 交 計 画 ( １ ６ 枚 ) の デ ー タ の 場 合 は 順 序 深 さ １ ２ で ，
それぞれ水準間の推定部分効用値の順序関係が崩れはじめる．属性の寄与率の
順 序 関 係 が 崩 れ は じ め る の は ，そ れ ぞ れ 最 小 枚 数 ( １ ０ 枚 ) は 順 序 深 さ ５ 前 後 で ，
直 交 計 画 (１ ６ 枚 )は 順 序 深 さ ８ 前 後 か ら で あ る ．
上記の結果を詳細に考察するため，それぞれの分析における各水準の推定部
分効用値とその順位，および全順位との相関，並びに各属性の寄与率とその順
位 ， お よ び 全 順 位 と の 相 関 を 表 ３ -５ に 示 す ．
表 ３ - ５ に お い て ，あ る 順 序 深 さ で の 各 水 準 の 推 定 部 分 効 用 値 と ，全 順 位 回 答
を利用した各水準の推定部分効用値とを比較することにより，各水準の部分効
用値の推定の違いから順序深さが部分効用値の推定に与える影響を知ることが
できる．また同様に，ある順序深さでの各属性の寄与率と，全順位回答を利用
した各属性の寄与率とを比較することにより，各属性の寄与率の推定の違いか
ら順序深さが寄与率の推定に与える影響を知ることができる．
さらに，コンジョイント分析では，寄与率が大きい属性を優先しつつ，各属
性の中で最大の部分効用値を持つ水準を組み合わせて最適コンセプトとする．
すなわち，順序深さの影響によって推定された部分効用値や寄与率の値が全順
位回答で得られた推定値と違う場合でも，寄与率による属性の順位，および部
分効用値による各属性内での水準の順位が全順位回答の結果と同一であれば最
適 コ ン セ プ ト は 変 わ ら な い ．表 ３ - ５ に お い て ，あ る 順 序 深 さ で の 寄 与 率 に よ る
属性の順位，および部分効用値による各属性内での水準の順位と，全順位回答
を利用した寄与率による属性の順位，および部分効用値による各属性内での水
準の順位との順位相関を調べることにより，順序深さが最適コンセプトの決定
を誤らせるかどういかの影響を知ることができる．
130
表 ３ - ５ ．最 小 枚 数 で の 順 序 深 さ と 部 分 効 用 値 の 順 位 と 全 順 位 と の 相 関 ，お よ び
属性寄与率の順位と全順位との相関
(a) 最 小 枚 数 の デ ー タ (10 位 か ら 6 位 )
画素数
属
性 光学ズーム
寄 メモリーカード
与 電池
率
デザイン
全順位との相関
10位(全順位)
58.028 ①
33.606 ②
5.034 ③
0.013 ⑤
3.320 ④
－
コンジョイント分析に利用する順位の深さ
9位
8位
7位
58.050 ①
59.277 ①
60.29 7
33.682 ②
32.935 ②
33.01 6
4.973 ③
4.537 ③
3.86 4
0.014 ⑤
0.025 ⑤
0.10 3
3.280 ④
3.226 ④
2.72 0
1.000**
1.000 **
0.999**
画素:300万
-1.030 ②
-1.030 ②
-1.084
画素:500万
1.030 ①
1.030 ①
1.084
ズーム:３倍
-0.784 ②
-0.785 ②
-0.808
ズーム:８倍
0.784 ①
0.785 ①
0.808
0.443 ①
0.440 ①
0.425
水 カード:ＳＤ
準 カード:ＭＳ
0.035 ②
0.033 ②
0.027
の カード:ＣＦ
-0.070 ③
-0.069 ③
-0.030
部
-0.407 ④
-0.405 ④
-0.422
分 カード:ｘＤ
0.015 ①
0.016 ①
0.022
効 電池:Li-ion
用 電池:単3型
-0.015 ②
-0.016 ②
-0.022
値 デザイン:Ｇ
-0.070 ③
-0.072 ③
-0.098
デザイン:Ｊ
-0.067 ②
-0.062 ②
-0.035
デザイン:Ｌ
0.403 ①
0.400 ①
0.410
デザイン:Ｗ
-0.266 ④
-0.266 ④
-0.277
定数項
5.419
5.420
5.324
全順位との相関
－
1.000**
1.000 **
* *：相関係数は1%水準で有意(両側)　*：相関係数は5%水準で有意(両側)
②
①
②
①
①
②
③
④
①
②
③
②
①
④
①
②
③
⑤
④
6位
63.952
27.923
4.124
0.013
3.988
0.990**
-1.17 2 ②
1.172 ①
-0.86 7 ②
0.867 ①
0.395 ①
-0.00 4 ③
0.04 9 ②
-0.44 0 ④
0.048 ①
-0.04 8 ②
-0.14 5 ③
-0.01 6 ②
0.408 ①
-0.24 6 ④
5.13 5
0.998**
-1.247
1.247
-0.824
0.824
0.531
-0.165
-0.072
-0.294
0.018
-0.018
-0.239
0.112
0.458
-0.330
4.842
0.993**
①
②
③
⑤
④
②
①
②
①
①
③
②
④
①
②
③
②
①
④
(a) 最 小 枚 数 の デ ー タ [続 き ](5 位 か ら 1 位 )
画素数
属
性 光学ズーム
寄 メモリーカード
与 電池
率
デザイン
全順位との相関
5位
63.426
21.592
7.559
0.225
7.198
0.962**
①
②
③
⑤
④
コンジョイント分析に利用する順位の深さ
4位
2位
3位
55.845 ①
35.453 ②
32.33 2 ②
23.910 ②
39.617 ①
42.34 5 ①
11.071 ③
12.838 ③
12.79 6 ③
1.358 ⑤
2.325 ⑤
2.11 6 ⑤
7.815 ④
9.766 ④
10.41 1 ④
0.975**
0.893*
0.832
画素:300万
-1.268 ②
-1.214 ②
-1.065
画素:500万
1.268 ①
1.214 ①
1.065
ズーム:３倍
-0.740 ②
-0.794 ②
-1.126
ズーム:８倍
0.740 ①
0.794 ①
1.126
0.732 ①
0.864 ①
0.615
水 カード:ＳＤ
準 カード:ＭＳ
0.658
-0.366 ④
-0.312 ③
の カード:ＣＦ
-0.306 ③
-0.569 ④
-0.737
部
-0.060 ②
0.017 ②
-0.536
分 カード:ｘＤ
-0.076 ②
-0.189 ②
-0.273
効 電池:Li-ion
用 電池:単3型
0.076 ①
0.189 ①
0.273
値 デザイン:Ｇ
-0.408 ③
-0.388 ③
0.188
デザイン:Ｊ
0.260 ②
0.118 ②
-0.687
デザイン:Ｌ
0.566 ①
0.694 ①
0.805
デザイン:Ｗ
-0.419 ④
-0.424 ④
-0.306
定数項
4.448
4.303
5.317
0.968**
0.972 **
0.977**
全順位との相関
* *：相関係数は1%水準で有意(両側)　*：相関係数は5%水準で有意(両側)
131
②
①
②
①
②
①
④
③
②
①
②
④
①
③
-1.15 7
1.157
-1.32 4
1.324
0.32 1
1.040
-0.61 0
-0.75 1
-0.29 6
0.296
0.14 9
-0.90 2
0.927
-0.17 3
5.62 8
0.960**
②
①
②
①
②
①
③
④
②
①
②
④
①
③
1位
30.838
3.922
29.667
0.068
35.505
0.113
-1.282
1.282
-0.457
0.457
1.499
-1.864
-0.335
0.700
-0.060
②
④
③
⑤
①
②
①
②
①
①
④
③
②
②
0.060 ①
-1.614 ④
1.816 ①
0.806 ②
-1.008 ③
3.186
0.700**
表 ３ -５ （ 続 き １ ）
(b) 直 交 計 画 の デ ー タ (16 位 か ら 13 位 )
コンジョイント分析に利用する最大順位
16位(全順位)
15位
14位
13位
画素数
59.6
43
①
59.636
①
59.700
①
59.885
①
属
32.6 40 ②
32.653 ②
32.631 ②
32.443 ②
性 光学ズーム
寄 メモリーカード
4.7 18 ③
4.662 ③
4.578 ③
4.500 ③
与 電池
0.0 54 ⑤
0.050 ⑤
0.048 ⑤
0.050 ⑤
率
デザイン
2.9 44 ④
2.998 ④
3.043 ④
3.121 ④
－
1.000**
1.000**
1.000**
全順位との相関
画素:300万
-1.2 03 ⑭
-1.203 ⑭
-1.222 ⑭
-1.252 ⑭
画素:500万
1.203 ①
1.203 ①
1.222 ①
1.252 ①
ズーム:３倍
-0.8 90 ⑬
-0.890 ⑬
-0.903 ⑬
-0.921 ⑬
ズーム:８倍
0.890 ②
0.890 ②
0.903 ②
0.921 ②
0.465 ③
0.456 ③
0.461 ③
0.460 ③
水 カード:ＳＤ
準 カード:ＭＳ
0.0 38 ⑤
0.044 ⑤
0.042 ⑤
0.042 ⑤
の カード:ＣＦ
-0.0 12 ⑦
-0.009 ⑦
-0.009 ⑦
0.006 ⑦
部
-0.4 90 ⑫
-0.492 ⑫
-0.493 ⑫
-0.507 ⑫
分 カード:ｘＤ
-0.0 36 ⑨
-0.035 ⑨
-0.035 ⑨
-0.036 ⑨
効 電池:Li-ion
0.036 ⑥
0.035 ⑥
0.035 ⑥
0.036 ⑥
用 電池:単3型
値 デザイン:Ｇ
-0.0 69 ⑩
-0.072 ⑩
-0.077 ⑩
-0.087 ⑩
デザイン:Ｊ
-0.0 30 ⑧
-0.031 ⑧
-0.031 ⑧
-0.018 ⑧
デザイン:Ｌ
0.420 ④
0.425 ④
0.436 ④
0.448 ④
デザイン:Ｗ
-0.3 21 ⑪
-0.322 ⑪
-0.328 ⑪
-0.343 ⑪
定数項
8.5 00
8.500
8.437
8.312
全順位との相関
1.000**
1.000**
－
1.000**
**：相関係数は1%水準で有意(両側)　*：相関係数は5%水準で有意(両側)
(b) 直 交 計 画 の デ ー タ [続 き ](12 位 か ら 9 位 )
コンジョイント分析に利用する最大順位
12位
11位
10位
9位
59.905 ①
61.176 ①
61.022 ①
61.638 ①
属 画素数
32.155 ②
31.090 ②
30.835 ②
30.833 ②
性 光学ズーム
寄 メモリーカード
4.697 ③
4.952 ③
5.550 ③
4.868 ③
与 電池
0.050 ⑤
0.071 ⑤
0.050 ⑤
0.078 ⑤
率
デザイン
3.192 ④
2.711 ④
2.543 ④
2.583 ④
1.000**
0.999**
0.999**
0.999**
全順位との相関
画素:300万
-1.291 ⑭
-1.363 ⑭
-1.410 ⑭
-1.443 ⑭
画素:500万
1.291 ①
1.363 ①
1.410 ①
1.443 ①
ズーム:３倍
-0.946 ⑬
-0.971 ⑬
-1.002 ⑬
-1.021 ⑬
ズーム:８倍
0.946 ②
0.971 ②
1.002 ②
1.021 ②
カード:ＳＤ
0.481
③
0.498
③
0.551
③
0.529 ③
水
準 カード:ＭＳ
0.030 ⑥
0.037 ⑦
0.056 ⑤
0.038 ⑦
の カード:ＣＦ
0.027 ⑦
0.056 ⑤
0.038 ⑦
0.045 ⑥
部
-0.538 ⑫
-0.591 ⑫
-0.644 ⑫
-0.612 ⑫
分 カード:ｘＤ
-0.037 ⑨
-0.046 ⑨
-0.040 ⑧
-0.051 ⑧
効 電池:Li-ion
用 電池:単3型
0.037 ⑤
0.046 ⑥
0.040 ⑥
0.051 ⑤
値 デザイン:Ｇ
-0.079 ⑩
-0.084 ⑩
-0.099 ⑩
-0.146 ⑩
デザイン:Ｊ
-0.035 ⑧
-0.030 ⑧
-0.067 ⑨
-0.100 ⑨
デザイン:Ｌ
0.470 ④
0.454 ④
0.472 ④
0.502 ④
デザイン:Ｗ
-0.356 ⑪
-0.339 ⑪
-0.306 ⑪
-0.257 ⑪
定数項
8.125
7.875
7.563
7.188
全順位との相関
0.999**
0.999**
0.997**
0.995**
**：相関係数は1%水準で有意(両側)　*：相関係数は5%水準で有意(両側)
132
表 ３ -５ （ 続 き ２ ）
(b) 直 交 計 画 の デ ー タ [続 き ](8 位 か ら 5 位 )
コンジョイント分析に利用する最大順位
8位
7位
6位
5位
画素数
62.705
①
60.621
①
58.681
①
56.300
①
属
29.345 ②
30.843 ②
32.797 ②
34.542 ②
性 光学ズーム
寄 メモリーカード
5.130 ③
5.629 ③
5.534 ③
5.629 ③
与 電池
0.151 ⑤
0.074 ⑤
0.113 ⑤
0.172 ⑤
率
デザイン
2.668 ④
2.832 ④
2.875 ④
3.357 ④
全順位との相関
0.997**
0.999**
1.000**
0.998**
画素:300万
-1.441 ⑭
-1.480 ⑭
-1.526 ⑭
-1.597 ⑭
画素:500万
1.441 ①
1.480 ①
1.526 ①
1.597 ①
ズーム:３倍
-0.986 ⑬
-1.056 ⑬
-1.141 ⑬
-1.251 ⑬
ズーム:８倍
0.986 ②
1.056 ②
1.141 ②
1.251 ②
0.570 ③
0.605 ③
0.582 ③
0.602 ④
水 カード:ＳＤ
準 カード:ＭＳ
0.030 ⑥
0.109 ⑤
0.209 ⑤
0.257 ⑤
の カード:ＣＦ
-0.005 ⑦
-0.055 ⑧
-0.091 ⑧
-0.098 ⑧
部
-0.595 ⑫
-0.659 ⑫
-0.699 ⑫
-0.762 ⑫
分 カード:ｘＤ
-0.071 ⑧
-0.052 ⑦
-0.067 ⑦
-0.088 ⑦
効 電池:Li-ion
0.071 ⑤
0.052 ⑥
0.067 ⑥
0.088 ⑥
用 電池:単3型
値 デザイン:Ｇ
-0.142 ⑩
-0.147 ⑩
-0.181 ⑩
-0.204 ⑨
デザイン:Ｊ
-0.096 ⑨
-0.106 ⑨
-0.145 ⑨
-0.227 ⑩
デザイン:Ｌ
0.503 ④
0.542 ④
0.581 ④
0.675 ③
デザイン:Ｗ
-0.266 ⑪
-0.288 ⑪
-0.255 ⑪
-0.244 ⑪
定数項
7.076
7.202
7.292
7.383
全順位との相関
0.995**
0.994**
0.992**
0.989**
**：相関係数は1%水準で有意(両側)　*：相関係数は5%水準で有意(両側)
(b) 直 交 計 画 の デ ー タ [続 き ](4 位 か ら 1 位 )
属
性
寄
与
率
画素数
光学ズーム
メモリーカード
電池
デザイン
全順位との相関
コンジョイント分析に利用する最大順位
4位
3位
2位
1位
52.630 ①
50.897 ①
48.882 ①
48.258 ①
34.301 ②
36.608 ②
38.313 ②
37.154 ②
7.094 ③
6.593 ③
5.827 ④
7.941 ③
0.176 ⑤
0.266 ⑤
0.552 ⑤
0.267 ⑤
5.799 ④
5.637 ④
6.426 ③
6.380 ④
0.995**
0.987**
0.977**
0.979**
画素:300万
-1.637 ⑭
-1.821 ⑭
-2.035 ⑭
-2.397 ⑭
画素:500万
1.637 ①
1.821 ①
2.035 ①
2.397 ①
ズーム:３倍
-1.322 ⑬
-1.545 ⑬
-1.801 ⑬
-2.103 ⑬
ズーム:８倍
1.322 ②
1.545 ②
1.801 ②
2.103 ②
0.669 ④
0.740 ④
0.826 ④
1.146 ④
水 カード:ＳＤ
準 カード:ＭＳ
0.379 ⑤
0.422 ⑤
0.424 ⑤
0.550 ⑤
の カード:ＣＦ
-0.133 ⑧
-0.182 ⑧
-0.219 ⑨
-0.244 ⑨
部
-0.915 ⑫
-0.980 ⑫
-1.031 ⑫
-1.452 ⑫
分 カード:ｘＤ
-0.095 ⑦
-0.132 ⑦
-0.216 ⑧
-0.178 ⑦
効 電池:Li-ion
0.095 ⑥
0.132 ⑥
0.216 ⑥
0.178 ⑥
用 電池:単3型
値 デザイン:Ｇ
-0.329 ⑩
-0.365 ⑩
-0.212 ⑦
-0.661 ⑪
デザイン:Ｊ
-0.357 ⑪
-0.420 ⑪
-0.638 ⑪
-0.623 ⑩
デザイン:Ｌ
0.939 ③
1.045 ③
1.251 ③
1.476 ③
デザイン:Ｗ
-0.253 ⑨
-0.261 ⑨
-0.401 ⑩
-0.192 ⑧
定数項
7.470
7.437
7.343
7.269
0.983**
0.974**
0.958**
0.928**
全順位との相関
**：相関係数は1%水準で有意(両側)　*：相関係数は5%水準で有意(両側)
133
最 小 枚 数 (１ ０ 枚 )の デ ー タ で は ， 順 序 深 さ を ７ と し た 時 に 一 部 の 水 準 で 属 性
内 で の 部 分 効 用 値 の 順 位 が 変 わ り （「 メ モ リ ー カ ー ド 」 属 性 で 「 カ ー ド M S 」 と
「 カ ー ド C F 」 の 部 分 効 用 値 の 順 位 が 変 わ る ）， 順 序 深 さ ５ ～ １ で 最 適 コ ン セ プ
トも変わってしまう．
直 交 計 画 (１ ６ 枚 )の デ ー タ で は 部 分 順 位 を 用 い た コ ン ジ ョ イ ン ト 分 析 の 結 果 ，
得られる最適コンセプトは順位深さにかかわらず同じであるが，順序深さを１
１ と し た 時 に 一 部 の 水 準 で 属 性 内 で の 部 分 効 用 値 の 順 位 が 変 わ る（「 メ モ リ ー カ
ー ド 」 属 性 で 「 カ ー ド M S 」 と 「 カ ー ド C F 」 の 部 分 効 用 値 の 順 位 が 変 わ る ）． こ
れは，商品企画において必ずしも最適とは言えないがより大きな価値を持つコ
ンセプトを選定しようとする際に問題になる．
以上の結果から，商品企画の際に間違った判断をしない推定結果を出すため
に は 直 交 計 画 (１ ６ 枚 )で は １ ２ 位 ま で の 順 位 回 答 デ ー タ が ， 最 小 枚 数 (１ ０ 枚 )
では８位までの順位回答データが，それぞれ必要であることが分かる．
また，ここまでの結果と考察に矛盾しない範囲での検討では，全てのカード
に順位を付けた結果と同等の分析精度を維持するための部分順位のコンジョイ
ント分析では，直交計画では全枚数の７５％以上の順位回答データが，最小計
画では全枚数の８０％以上の順位回答データが，それぞれ必要となる可能性が
示唆された．
上記の考察を補足する目的で，回答者が各プロファイルカードに対して回答
した順位と購入意向の関係を分析した．各プロファイルカードの選好順位の回
答欄の横に「とても買いたい，買ってもいい，どちらともいえない，あまり買
いたくない，買いたくない」の５段階で購入意向を選択させた．
直 交 計 画 (１ ６ 枚 )の 場 合 は ， 第 １ ３ 位 の カ ー ド で 約 48.6%の 回 答 者 が ， 第 １
４ 位 の カ ー ド で 約 50.9%の 回 答 者 が ， そ れ ぞ れ 「 あ ま り 買 い た く な い 」 ま た は
「買いたくない」と回答している．
一 方 ， 最 小 枚 数 (１ ０ 枚 )の 場 合 は ， 第 ８ 位 の カ ー ド で 約 46.3%の 回 答 者 が ，
第 ９ 位 の カ ー ド で 約 56.9%の 回 答 者 が ， そ れ ぞ れ 「 あ ま り 買 い た く な い 」 ま た
は「買いたくない」と回答している．
消費者が「あまり買いたくない」または「買いたくない」と思うような商品
は，店頭での商品選択の場合は購入の意志決定の早い段階で候補から除外され
てしまう可能性があるものであり，魅力の乏しい選択肢に対し優劣を判断して
順位を回答することは回答者にとっては負担が大きく，判断の結果も信頼性の
低いものになる可能性がある．その意味では最小枚数のプロファイルカードに
134
対し全順位の７５～８０％程度の上位順位を回答するだけで全順位を回答した
場合とほぼ同等の分析結果が得られることは，回答者の負担軽減に役立ち，調
査ボリュームを大幅に増やすことなくコンジョイント分析を導入できるなど，
コンジョイント分析の応用範囲を拡大できると思われる．
135
３．６．検証ツールの試作
本研究で提案したプロファイルカードを最小枚数にするコンジョイント分析
が 実 装 可 能 で あ る か ど う か を 確 か め る た め ，検 証 ツ ー ル を 試 作 し た ．図 ３ - ８ に
検証ツールの表示画面の例を示す．
図 ３ -８ ． コ ン ジ ョ イ ン ト 分 析 ツ ー ル の 表 示 画 面 例
コンジョイント分析は，属性と水準を決定してプロファイルカードを作成す
る調査設計ステップと，プロファイルカードに対する選好度を収集してコンジ
ョイント分析を行う集査分析ステップに分けられる．
試 作 し た 検 証 ツ ー ル は W e b シ ス テ ム と し て 試 作 し た ．調 査 設 計 ス テ ッ プ で は ，
統計手法の知識が無くても簡単にプロファイルカードの生成ができるようコン
ジョイント分析における属性と水準を指定するだけでカード枚数最小化アルゴ
リズムによるプロファイルカードが生成される．任意の属性と水準を組み合わ
せたプロファイルカードを追加することもできる．プロファイルカードの生成
に問題が無い場合はデザイン画像をアップロードして調査票を完成させる．
集 査 分 析 表 示 ス テ ッ プ で は 生 成 さ れ た 調 査 用 の URL を 回 答 者 に 連 絡 し て 集 査
136
を行い，収集したデータに対しコンジョイント分析を行って各水準の部分効用
値と属性の寄与率の推定値を表示する．コンジョイント分析の内部処理には部
分順位を許容するアルゴリズムを実装しており，回答データの上位何位までを
分析に採用するかを調査者が選択できるようにした．
この検証ツールを用いて本研究で提案したコンジョイント分析の手法が実装
可能であることが分かった．今後は企業のデザインの現場で誰もが簡単に利用
できるような支援ツールに発展させて行く．
137
３．７．おわりに
消 費 者 向 け 電 気 製 品 (家 電 ， 映 像 ･情 報 ･通 信 機 器 な ど )の 開 発 に お い て ， デ ザ
インの受容性や方向性を探索するために行う完全プロファイル型のコンジョイ
ント分析に焦点を当て，回答者の回答負荷を軽減し，かつ開発者らが過度に属
性や水準を絞り込む必要がないよう以下の手法を考案し，消費者を実験協力者
とした実験によりその有効な使用法と効果とを確認した．
(1) プ ロ フ ァ イ ル カ ー ド 枚 数 の 最 小 化 手 法
最小枚数のプロファイルカードは以下の手順によって得られる．
①カード枚数を分析ができる最も数の少ない枚数（総水準数－属性数＋１）
とする．
② 属 性 間 の 統 計 的 独 立 性 を 保 ち つ つ デ ザ イ ン 行 列 D の 条 件 数（ D の 最 大 特 異
値 ÷D の 最 小 特 異 値 ） を 最 小 に す る 最 適 化 問 題 を 解 く ．
③水準の組み合わせの出現回数ができるだけ均等になるように前記の最適化
問題を繰り返し解く．
この方法は回答者ごとの推定のあてはまりの良さの情報を失うため調査その
ものの精度や有効性が問題となるようなシビアな状況には向かないが，そうで
ない場合はプロファイルカードを最小枚数にすることにより回答者の負担を過
度に気にすることなく属性や水準を増やすことができる．
デジタルカメラの仮想企画を用いた調査実験によりカード枚数の最小化手法
によって作成したカード１０枚を用いた調査は，直交計画で作成したカード１
６枚を用いた調査の結果と同等の推定結果を出すことができた．また，カード
枚数を少なくすることによって，回答時間を短縮させ誤答率を下げることがで
き回答者の負担を軽減できることが分かった．
(2) 不 完 全 順 位 回 答 を 許 容 す る 分 析 法
一般化最小二乗法を用いて部分効用値を推定するが，その際，未回答の順位
には最下位の順位を当てはめ，回答のあった順位とそうでないものを同等に扱
い ( 重 み な し ) ，「 部 分 効 用 の 分 散 の 和 × ( １ / 条 件 数 ) 」 が 最 大 と な る よ う 繰 り 返
し処理を行う．この方法は，回答者ごとの個人分析はできないが，それを必要
138
と し な い (対 象 と す る 消 費 者 の 絞 り 込 み が で き て い る )場 合 は プ ロ フ ァ イ ル カ ー
ドを増やすことも含め，回答者の負担を必要以上に気にすることなく属性や水
準を増やす検討ができる．
デジタルカメラの仮想企画を用いた実験データを使ったシミュレーションに
より，魅力のある上位 8 割程度のカードに順位を回答することによって全順位
を回答した場合と同等の推定結果が得られることが確認できた．
これらの手法は，過去に経験のない新商品開発で行う調査のようにコンジョイ
ント分析を用いることの妥当性，属性や水準の設定の適切さ，推定結果の信頼
性などが問題になる場合には利用しない方がよい．そのような場合はカード枚
数が増え，回答者の負担も増えるが，ホールドアウトカードを含めた直交計画
に よ る プ ロ フ ァ イ ル カ ー ド を 利 用 す べ き で あ る [1]．
ここまで，消費者向け電気製品の開発でデザインの受容性や方向性を探索す
るために行うコンジョイント分析に焦点を当て，回答者の負担を軽減しながら
より多くの属性・水準を調査で扱えるようにするための方法を提案したが，本
章の提案や考察は完全プロファイル型のコンジョイント分析を行う様々な調
査・分析に有用であると思われる．
139
３．８．第３章の参考文献
[1]
岡 本 眞 一 ： コ ン ジ ョ イ ン ト 分 析 SPSS に よ る マ ー ケ テ ィ ン グ リ サ ー チ , ナ
カ ニ シ ヤ 出 版 , 1999.
[2]
神田範明ほか：商品企画七つ道具－新商品開発のためのツール集, 日科技
連 出 版 社 , pp.177-210, 1995.
[3]
岡 太 彬 訓 , 今 泉 忠 ： パ ソ コ ン 多 次 元 尺 度 構 成 法 , 共 立 出 版 , p p . 1 0 0 - 11 4 ,
1994.
[4] 朝 野 熙 彦 ： マ ー ケ テ ィ ン グ ・ リ サ ー チ 工 学 , 朝 倉 書 店 , pp.140-151, 2000.
[5]
L u c e R D , Tu k e y J W： S i m u l t a n e o u s c o n j o i n t m e a s u r e m e n t : A n e w t y p e o f
f u n d a m e n t a l m e a s u r e m e n t . J o u r n a l o f M a t h e m a t i c a l P s y c h o l o g y, 1 ( 1 ) ,
pp.1-27, 1964.
[6]
Green PE, Rao VR： Conjoint Measurement for Quantifying Judgmental
Data, Journal of Marketing Research, 8(3), pp.355-363, 1971.
[7]
G r e e n P. E . , S r i n i v a s a n V. ： C o n j o i n t A n a l y s i s i n C o n s u m e r R e s e a r c h :
Issues and Outlook, The Journal of Consumer Research, 5(2),
pp.103-123,
1978.
[8] 大 野 栄 治 編 ： 環 境 経 済 評 価 の 実 務 , 勁 草 書 房 , pp.105-132, 2000.
[9]
真 城 知 己：S P S S に よ る コ ン ジ ョ イ ン ト 分 析 (教 育 ･ 心 理 ･ 福 祉 分 野 で の 活 用
法 ), 東 京 図 書 ， 2001.
[ 1 0 ] H a u s e r J . R . , R a o V. R . ： C o n j o i n t A n a l y s i s R e l a t e d M o d e l i n g a n d
Applications, 2002.
h t t p : / / w e b . m i t . e d u / h a u s e r / w w w / P a p e r s / G r e e n Tr i b u t e C o n j o i n t 0 9 2 3 0 2 . p d f
[ 11 ]
B o y l e K . J . , H o l m e s T. P. , Te i s l M . F. , R o e B . ： A C o m p a r i s o n o f C o n j o i n t
Analysis Response Formats, American Journal of Agricultural
Economics,
[12]
83(2), 2001.
三 留 修 平：デ ザ イ ン 価 値 の 定 量 化 と 経 営 指 標 － 投 資 効 果 を 明 確 化 す る 方 法
論 と は (オ フ ィ ス ， 工 場 ， 製 品 を 例 に ), 日 経 デ ザ イ ン 1994 年 6 月 号 ,
pp.44-50, 1994.
[13]
三 留 修 平：デ ザ イ ン 価 値 評 価 の 試 み － デ ザ イ ン の 経 済 的 価 値 を 測 る , 日 経
デ ザ イ ン 1997 年 4 月 号 , pp.60-67, 1997.
[14]
日 比 恒 平 ： 製 品 デ ザ イ ン の 重 要 性 に つ い て の 考 察 , MEIJI University
Department of Business Administration, NISHIMOTO Seminar
140
Graduation Theses 2005 [No.1], 2005.
[15]
紺 野 登：デ ザ イ ン・マ ネ ジ メ ン ト － 経 営 の た め の デ ザ イ ン － デ ザ イ ン 資 源
に よ る 創 造 的 企 業 創 造 へ の 序 章 , 日 本 工 業 新 聞 , 1992.
[16]
佐 渡 山 安 彦 ： デ ザ イ ン マ ネ ジ メ ン ト と は , 情 報 処 理 学 会 研 究 報 告 , GN [グ
ル ー プ ウ ェ ア と ネ ッ ト ワ ー ク サ ー ビ ス ], 2002(97), pp.1-4， 2002.
[17]
H a i r J . F. , A n d e r s o n R . E . , Ta t h a m R . L . , B l a c k W. C . ： M u l t i v a r i a t e
d a t a a n a l y s i s ， 5 t h E d . U p p e r S a d d l e R i v e r, N e w J e r s e y, P r e n t i c e - H a l l
International, pp.401-419, 1998.
[ 1 8 ] L o c k h a r t D . , K n a i n M .： A n o v e r v i e w o f a l t e r n a t i v e c o n j o i n t a p p r o a c h e s ,
T h e R e s e a r c h R e p o r t , M a r i t z M a r k e t i n g R e s e a r c h I n c . , Vo l . 1 1 , N o . 1 ,
1998.
[19]
鷲 田 豊 明 , 栗 山 浩 一 , 竹 内 憲 司：環 境 評 価 ワ ー ク シ ョ ッ プ － 評 価 手 法 の 現
状 , 築 地 書 館 , 1999.
[20]
木 村 健 太 郎 , 岡 村 敏 之：コ ン ジ ョ イ ン ト 分 析 を 用 い た 観 光 地 道 路 の 事 業 評
価 , (財 )道 路 経 済 研 究 所 , 2002.
h t t p : / / w w w. i n s - h w y - e c o . o r. j p / 0 2 4 p r i z e / 0 2 4 p r i z e 1 4 / 0 2 4 p r i z e 1 4 _ p a p e r. p d f
[21]
Huber Jo el, D. R. Wittink, R. M. Joh nson, R. Miller： Learning Effects
i n P r e f e r e n c e Ta s k s : C h o i c e - B a s e d Ve r s u s S t a n d a r d C o n j o i n t ,
Sawtooth Software Conference Proceedings, pp.275-282, 1992.
[22]
栗 山 浩 一 , 石 井 寛：リ サ イ ク ル 商 品 の 環 境 価 値 と 市 場 競 争 力 － コ ン ジ ョ イ
ン ト 分 析 に よ る 評 価 , 環 境 科 学 会 誌 , 12(1), pp.17-26, 1999.
[23]
寺 部 慎 太 郎 , 屋 井 鉄 雄：プ ロ ビ ッ ト モ デ ル に よ る コ ン ジ ョ イ ン ト 分 析 に 関
す る 考 察 , 土 木 計 画 学 研 究 ･論 文 集 , No.14, pp.67-70, 1997.
[24]
Sawtooth Software, Inc.： The CBC System for Choice-Based Conjoint
A n a l y s i s , C h o i c e - b a s e d C o n j o i n t Te c h n i c a l P a p e r, S a w t o o t h S o f t w a r e
Te c h n i c a l P a p e r S e r i e s , 1 9 9 9 .
h t t p : / / w w w. s a w t o o t h s o f t w a r e . c o m / d o w n l o a d / t e c h p a p / c b c t e c h . p d f
[25]
J o h n s o n R i c h a r d ： A c c u r a c y o f U t i l i t y E s t i m a t i o n i n A C A , Wo r k i n g
P a p e r, S a w t o o t h S o f t w a r e , S e q u i m , WA , 1 9 8 7 .
[26]
Sawtooth Software, Inc.： ACA SYSTEM Adaptive Conjoint Analysis
Ve r. 5 . 0 , A C A 5 . 0 Te c h n i c a l P a p e r, S a w t o o t h S o f t w a r e Te c h n i c a l P a p e r
Series.
h t t p : / / w w w. s a w t o o t h s o f t w a r e . c o m / d o w n l o a d / t e c h p a p / a c a t e c h . p d f
[27]
K e l l e r K . L . , S t a e l i n R .：E f f e c t s o f Q u a l i t y a n d Q u a n t i t y o f I n f o r m a t i o n
141
on Decision Effectiveness， The Journal of Consumer Research, 14(2),
pp.200-213, 1987.
[28]
佐 藤 真 行 ： 表 明 選 択 法 に よ る 情 報 過 負 荷 の 測 定 と そ の 制 御 ，活 動 状 況 と 成
果 ： CAEA デ ィ ス カ ッ シ ョ ン ペ ー パ ー シ リ ー ズ , No.089, 2005.
h t t p : / / w w w. k i e r. k y o t o - u . a c . j p / c o e 2 1 / d p / 8 1 - 9 0 / 2 1 C O E - D P 0 8 9 . p d f
[29]
G r e e n P. E . , S r i n i v a s a n V. ： C o n j o i n t A n a l y s i s i n M a r k e t i n g : N e w
Developments with Implications for Research and Practice, Journal of
Marketing, 54(4), pp.3-19, 1990.
[30]
N o r t h E r n e s t , D e V O S R e t h a：T h e u s e o f c o n j o i n t a n a l y s i s t o d e t e r m i n e
c o n s u m e r b u y i n g p r e f e r e n c e s : A l i t e r a t u r e r e v i e w, J o u r n a l o f F a m i l y
E c o l o g y a n d C o n s u m e r S c i e n c e s / Ty d s k r i f v i r G e s i n s e k o l o g i e e n
Ve r b r u i k e r s w e t e n s k a p p e , 2 0 1 0 .
[31]
林 知 己 夫 監 修 , 駒 沢 勉 ： 数 量 化 理 論 と デ ー タ 処 理 , 朝 倉 書 店 , pp.10-36,
1982.
[32]
竹 内 啓 監 修 , 高 橋 行 雄 , 大 橋 靖 雄 , 芳 賀 敏 郎 ： SAS に よ る 実 験 デ ー タ の 解
析 , 東 京 大 学 出 版 会 , pp.307-333, 1989.
[33]
S. Moriguti： Optimality of Orthogonal Designs, Res. Stat. Appl. Res.,
J U S E , Vo l . 3 , 1 9 5 4 .
[34] 高 橋 盤 郎 ： 組 合 せ 理 論 と そ の 応 用 , 岩 波 書 店 , pp.67-145, 1979.
[35]
坂 元 慶 行 , 石 黒 真 木 夫 , 北 川 源 四 郎 ： 情 報 量 統 計 学 , 共 立 出 版 , pp.92-96,
1982.
[36]
岩 崎 学 ： 混 合 実 験 の 計 画 と 解 析 , サ イ エ ン テ ィ ス ト 社 , 朝 倉 書 店 , p p . 111 ,
1994.
[37] 日 経 マ ー ケ ッ ト ア ク セ ス ： 別 冊 デ ジ タ ル 家 電 市 場 総 覧 , pp.33-61, 2004.
[38]
Rao, C. R.： Linear statistical inference and its applications, 2nd ed.
N e w Yo r k J o h n W i l e y a n d S o n s , 1 9 7 3 .
[39]
P i l l a i , K . C . S .： U p p e r p e r c e n t a g e p o i n t s o f t h e l a r g e s t r o o t o f a m a t r i x
in multivariate analysis, Biometrika 54(1), pp.189-194, 1967.
[40]
S e b e r, G . A . F. ： M u l t i v a r i a t e O b s e r v a t i o n s , W i l e y S e r i e s i n P r o b a b i l i t y
a n d S t a t i s t i c s , p p . 1 7 - 5 8 , W i l e y, 2 0 0 4 .
[41]
R i c h a e d F. P o t t h o f f , S . N . R O Y ： A g e n e r a l i z e d m u l t i v a r i a t e a n a l y s i s o f
variance model useful especially for growth curve problems,
Biometrika 1964 51, pp.313-326, 1964.
142
[42]
S e b e r, G . A . F. ： M u l t i v a r i a t e O b s e r v a t i o n s , W i l e y S e r i e s i n P r o b a b i l i t y
a n d S t a t i s t i c s , p p . 1 7 - 5 8 , W i l e y, 2 0 0 4 .
[43]
石 村 貞 夫 , 石 村 光 資 郎 ： SPSS に よ る 分 散 分 析 と 多 重 比 較 の 手 順 , 東 京 図
書 , 2 0 11 .
[44]
子 安 増 生 , 郷 式 徹：大 学 生 に お け る 両 親 の 期 待 度 と そ の 実 現 度 の 認 知 の 比
較 , 京 都 大 学 大 学 院 教 育 学 研 究 科 紀 要 , Vo l . 5 3 , p p . 1 - 1 2 , 京 都 大 学 大 学 院
教 育 学 研 究 科 , 2007.
[45]
片 平 秀 貴 ： 新 し い 消 費 者 分 析 LOGMAP の 理 論 と 応 用 , 東 京 大 学 出 版 会 ,
pp.99-140, 1991.
[46]
DeMaris, A.： Logit Modeling: Practical Applications, Coll. principale:
Sage university papers, No.82, SAGE Publications, 1992.
[47]
里 村 卓 也 ： 個 人 内 で の 選 好 の 変 化 を 考 慮 し た 市 場 構 造 分 析 , Discussion
Papers In Economics And Business, 02(15), Graduate School of
Economics and Osaka School of International Public Policy (OSIPP),
2002.
[48]
西 井 和 夫 , 土 井 勉 , 木 内 徹 , 三 浦 啓 江：L O G M A P モ デ ル の 鉄 道 沿 線 イ メ ー
ジ 構 造 分 析 へ の 適 用 :京 王 線 路 線 間 比 較 , 都 市 計 画 別 冊 都 市 計 画 論 文 集 ,
Vo l . 3 0 , p p . 2 4 7 - 2 5 2 , 日 本 都 市 計 画 学 会 , 1 9 9 5 .
[49]
G e o r g e A . F. S e b e r, A l a n J . L e e ： L i n e a r R e g r e s s i o n A n a l y s i s , W i l e y,
2002.
[50] 佐 和 隆 光 ： 回 帰 分 析 , 朝 倉 書 店 , pp.187, 1979.
[51]
T. H a s t i e , R . T i b s h i r a n i , J . F r i e d m a n , T. H a s t i e , J . F r i e d m a n a n d R .
T i b s h i r a n i ： T h e e l e m e n t s o f s t a t i s t i c a l l e a r n i n g , S p r i n g e r N e w Yo r k ,
2001.
[52] 今 野 浩 , 山 下 浩 ： 非 線 形 計 画 法 , 日 科 技 連 , 1978.
[53] 上 田 徹 ： オ ペ レ ー シ ョ ン ズ ・ マ ネ ー ジ メ ン ト , 牧 野 書 店 , pp.158, 2005.
143
第４章 デザイン要件を可視化する方法のデザイン開発への適用
４．１．はじめに
家 電 や 映 像 ･情 報 ･通 信 機 器 な ど の 消 費 者 向 け 電 気 製 品 は 市 場 に 次 々 と 新 製 品
が登場して競争が激化しており，消費者のニーズを先取りした製品をいち早く
市場に投入することが求められている．このような製品のデザイン開発では，
より多くの消費者に好まれ市場で他社との競争に勝てる優れたデザインを短期
間で効率よく開発しなければならない．そのためには，消費者の多様なニーズ
や価値観を的確に捉え，開発の早い段階でデザインに求められる要件を明らか
に す る こ と が 重 要 で あ る [1]．
本章では，消費者向け電気製品のデザイン開発において，コンジョイント分
析 [ 2 - 5 ] ，ポ ジ シ ョ ニ ン グ 分 析 [ 6 - 7 ] ，お よ び 構 造 方 程 式 モ デ リ ン グ [ 8 - 9 ] を 効 果
的に組み合わせて行うデザイン要件を可視化する方法を提案し，その方法を実
際の冷蔵庫のデザイン開発に適用した結果に基づき，提案した方法の有効性と
課題を述べる．
まず，デザイン要件を可視化する方法の詳細を述べ，次に冷蔵庫のデザイン
開発に適用した事例とその結果を示す．
144
４．２．デザイン要件を可視化する方法
４．２．１．デザイン要件を可視化する方法の全体像
近年，消費者が商品選択においてデザインを重視する傾向が強まり，消費者
向け電気製品のデザイン開発においても，消費者がデザインに求める要件を明
ら か に す る た め 各 種 の 調 査 や 分 析 が 行 わ れ て い る [10-11]．
マ ー ケ テ ィ ン グ・リ サ ー チ の 手 法 を 応 用 し た 既 存 の デ ザ イ ン の 方 法 論 [ 1 2 - 1 5 ]
では，デザイン要件を定量的に可視化する手法としてコンジョイント分析とポ
ジショニング分析が用いられている．これらの分析手法はデザインに関する消
費者の認知や選好を可視化し，デザインの目標を定めデザインコンセプトを策
定する際に数値化された客観的で科学的な根拠を与える．
一方，競争力のある製品を開発するためには，消費者の五感に訴求し，消費
者の情緒的，精神的な満足が得られるようなプラスαの意味的価値を持つデザ
イ ン を 生 み 出 す こ と が 求 め ら れ て い る [ 1 6 - 1 7 ] ．そ の た め に は ，消 費 者 の 多 様 な
価値観や潜在的なニーズ，こだわりや自己表現を理解し，それを製品デザイン
の要件として明確にする必要がある．
本論文ではデザイン要件を可視化する方法を提案する．提案する方法では，
図 ４ -１ に 示 す よ う に プ ロ フ ァ イ ル カ ー ド を 最 小 枚 数 に す る コ ン ジ ョ イ ン ト 分
析 [18]， 選 好 度 付 き ポ ジ シ ョ ニ ン グ 分 析 [19]， 構 造 方 程 式 モ デ リ ン グ [20-21]
に よ る デ ザ イ ン 選 好 構 造 の 分 析 ，お よ び ク ラ ス タ ー 分 析 を 組 み 合 わ せ て 用 い る ．
各分析手法の詳細と適用方法は次節以降で詳しく説明するが，各手法の概要
と利用目的を以下に示す．
(1) コ ン ジ ョ イ ン ト 分 析
コンジョイント分析は製品全体に対して消費者が感じる価値を，デザイン
や機能性能など各製品仕様の価値（部分効用）に分解する手法である．コン
ジョイント分析を用いることにより，消費者が感じる価値を最大化するため
の デ ザ イ ン お よ び 製 品 仕 様 の 最 適 な 組 合 せ を 検 討 す る こ と が で き る [2-5]．
後述するがプロファイルカードを最小枚数にするコンジョイント分析は，
回答者の負荷を減じつつデザインを含むより多くの製品仕様を扱えるように
手 法 を 拡 張 し た も の で あ る [18]．
145
図 ４ -１ ． デ ザ イ ン 要 件 を 可 視 化 す る 方 法 の 全 体 像
(2) ポ ジ シ ョ ニ ン グ 分 析
ポジショニング分析はデザインとデザインに対する消費者の印象・選好の
対応関係を距離として図示する手法である．ポジショニング分析を用いるこ
とにより，競合他社のデザインと比較して相対的に優位なポジションを検討
するほか，消費者に従来にはない価値を提供する新しいポジションの探索を
行 う こ と が で き る [6-7]．
後述するが選好度付きポジショニング分析はデザインと消費者の印象・選
好を対応付けた知覚マップの上に消費者の選好が最大となるポジションが表
示 さ れ る よ う 手 法 を 拡 張 し た も の で あ る [19]．
(3) 構 造 方 程 式 モ デ リ ン グ
構造方程式モデリングは，デザインに対する消費者の態度（選好や購入意
向）と消費者の価値観やこだわり，およびデザインに対する消費者の印象の
間 にある因 果関係と その階層構造をパス図として可視化する手法であ る
[20-21]．
構造方程式モデリングを用いることにより，消費者の態度を喚起する，ま
た は 消 費 者 の 価 値 観 に 合 う デ ザ イ ン の 要 件 を 検 討 す る こ と が で き る [22-26]．
146
(4) ク ラ ス タ ー 分 析
クラスター分析は，価値観や選好態度により消費者をセグメント化する手
法 で あ る [ 2 7 ] ．各 消 費 者 セ グ メ ン ト に 対 し 上 記 の 手 法 を 適 用 す る こ と に よ り ，
デザインが受けられるターゲットセグメントの選定や多くのセグメントに共
通して受け入れられるデザイン仕様の特定などを行うことができる．
提案するデザイン要件を可視化する方法では，コンジョイント分析，ポジシ
ョニング分析，および構造方程式モデリングを組み合わせて利用する．また，
必要に応じてクラスター分析を用いる．そうすることによって以下に示すよう
に，デザイン要件の探索的な分析（アナリシス）とデザイン要件を製品コンセ
プトに反映するための統合（シンセシス）の両面において，求められるデザイ
ン要件を定量的に可視化することができる．
(1) デ ザ イ ン 要 件 の 探 索 的 な 分 析 （ ア ナ リ シ ス ）
製品の選択においてデザインとその具体的な仕様の重視度を知ることがで
き る（ コ ン ジ ョ イ ン ト 分 析 ）．そ し て ，製 品 デ ザ イ ン が ど の よ う に 知 覚 さ れ 選
好されているのかを競合や自社ラインナップとの差異化や同化の視点から知
る こ と が で き る（ ポ ジ シ ョ ニ ン グ 分 析 ）．さ ら に ，製 品 デ ザ イ ン が 選 好 さ れ る
理由を消費者の価値観やデザインの特徴との因果関係で説明できる（構造方
程 式 モ デ リ ン グ ）．
これらの結果を統合し，製品デザインが選好される（されない）理由を，
製品選択へのデザインの寄与度，消費者の価値観との一致，他の製品デザイ
ンとの差異化の状況，およびデザインが与える印象から定量的かつ多面的に
説明することが可能となる．
多様な消費者に対するデザイン要件の分析では，クラスター分析を用いて
消費者をセグメント化し，各セグメントで探索的な分析を行う．
(2) デ ザ イ ン 要 件 を 製 品 コ ン セ プ ト に 反 映 す る た め の 統 合 （ シ ン セ シ ス ）
消費者にとっての製品価値を最大化するデザイン仕様とそれが製品全体に
与える付加価値の増加の程度を明確にすることができる（コンジョイント分
析 ）．そ し て ，消 費 者 の 選 好 が 最 大 と な る 製 品 デ ザ イ ン が 持 つ べ き 特 徴 と そ れ
に よ る 選 好 度 の 増 加 を 定 量 的 に 示 す こ と が で き る（ ポ ジ シ ョ ニ ン グ 分 析 ）．さ
らに，消費者の価値観に一致するデザインの特徴とその特徴を具備したデザ
147
インが消費者の態度（選好や購入意向）をどう変化させるのかを説明できる
（ 構 造 方 程 式 モ デ リ ン グ ）．
これらの結果を統合し，製品全体の価値を高めるためのデザインが具備す
べき仕様や特徴，およびそれを裏付ける消費者の価値観との関連度，並びに
そのようなデザインが製品全体に与える効果を定量的に示すことが可能とな
る．
多様な消費者に対するデザイン要件の統合では，クラスター分析を用いて
消費者をセグメント化し，製品コンセプトが有効なターゲットセグメントの
選定や全てのセグメントに共通するデザイン要件の統合を行う．
以 下 の 項 で は 各 手 法 の 詳 細 を 述 べ る ．尚 ，構 造 方 程 式 モ デ リ ン グ の 説 明 で は ，
デ ザ イ ン 要 件 の 可 視 化 に 用 い る デ ザ イ ン 選 好 構 造 モ デ ル（ パ ス 図 ）を 提 案 す る ．
４．２．２．プロファイルカード数を最小にするコンジョイント分析
デザイン要件を可視化する方法では，第３章で論じたプロファイルカードを
最 小 枚 数 に す る コ ン ジ ョ イ ン ト 分 析 [18]を 用 い る ．
まず，コンジョイント分析とは，消費者の選好を属性・水準（商品価値を左
右 す る 要 因 ）の 部 分 効 用 値 に 分 解 す る 手 法 で あ る [ 2 8 - 2 9 ] ．デ ザ イ ン を 属 性 と し
たコンジョイント分析では，どのようなデザインが，どの程度，選好や購入の
意向に寄与するのかを定量的に把握することができる．
コンジョイント分析では，各属性から１つの水準を選んで組み合わせた複数
のプロファイルに選好順位や選好度を回答させる方法が一般的であり，完全プ
ロファイル型と呼ばれる．完全プロファイル型のコンジョイント分析では，直
交計画法などで水準の組み合わせを減じてプロファイルを絞り込んでも，属
性・水準の増加に伴ってプロファイルの数が多くなり，回答者の負担の増加に
より回答精度が落ちることが欠点である．
この欠点を補うため，一部の重要な属性・水準だけを取りだして比較評価さ
せ る 適 応 型 コ ン ジ ョ イ ン ト 分 析 [ 3 0 ] も 利 用 さ れ て い る が ，デ ザ イ ン の 調 査 で は ，
デザインの全体的な印象や細部の組合せが選好に影響するため，店頭で見比べ
るのと同じような方法で回答できる完全プロファイル型の調査法が好適である．
デザイン開発にコンジョイント分析を活用した事例が報告されているが，前
述のような事情から，プロファイルの数が多くならないように属性・水準の数
を 絞 り 込 む な ど し て い る [31-32]．
148
筆者が提案したプロファイルカードを最小枚数にするコンジョイント分析は
この問題を解決するためのもので，プロファイルの数を理論的に分析可能な最
小枚数にまで減らすことができるため，プロファイル数の増加を気にして属性
水 準 を 過 度 に 絞 り 込 む 必 要 が 無 く ， よ り 多 く の 属 性 ・ 水 準 を 扱 え る [18]． プ ロ
ファイルカードの枚数を最小にする方法（アルゴリズム）は，属性間が直交し
ているとするコンジョイント分析の前提を統計的な独立性を保つという条件に
緩和する代わりに，各水準がプロファイルカードにバランス良く盛り込まれる
ような論理的な最小枚数（総水準数－属性数＋１）のプロファイルカードを反
復 計 算 に よ っ て 求 め る も の で あ る [18]．
４．２．３．選好度付きポジショニング分析
デザイン要件を可視化する方法では，第２章で論じた選好度付きポジショニ
ン グ 分 析 [19]を 用 い る ．
ポジショニング分析とは製品やデザイン，それらの特徴を示す言葉や概念を
空 間 に 位 置 付 け る 手 法 で あ る [ 3 3 ] ．多 次 元 尺 度 構 成 法 ( M D S ) や コ レ ス ポ ン デ ン ス
分析（数量化Ⅲ類）などの分析法を用いて，デザインとその特徴を示す言葉や
概念を二次元平面に布置した知覚マップを作ることにより，複数のデザイン案
や競合他社のデザインが，消費者にとってどのように知覚されているのかを理
解するのに役立つ．
しかし，ポジショニング分析ではマップ上に選好を表現できないため，空間
上のどのポジションにあれば選好が高まるのかが分からないことが欠点である．
知 覚 マ ッ プ に 選 好 を 外 挿 す る 手 法 と し て PREFMAP（ 選 好 度 の 写 像 分 析 法 ） が あ
るが，選好が無限にマイナスとなる負の理想点が存在することにより実用的で
な い と い う 問 題 が あ る [34-35]．
デザイン開発に用いるポジショニング分析では，その手軽さと実用性からコ
レ ス ポ ン デ ン ス 分 析 を 用 い る こ と が 多 い [36-39]．
筆者が提案した選好度付きのポジショニング分析は，多様な価値観を持つ消
費者の選好を一枚のポジショニングマップで俯瞰できるように選好回帰を拡張
したものである．選好度付きのポジショニング分析では，コレスポンデンス分
析で得られた知覚マップ上に２次元ガウス分布の確率密度関数に似た選好関数
を用いて消費者の選好度を高さとして表現することによって，知覚マップ上で
消 費 者 の 選 好 の 山 や 谷 を 直 感 的 に 理 解 す る こ と が で き る [19]．
149
４．２．４．構造方程式モデリング
構造方程式モデリングは，因子分析と回帰分析を同時に行う手法であり，直
接観測できない潜在変数（因子や主成分）と観測変数との間の因果関係を調べ
る こ と に よ り ，社 会 現 象 や 自 然 現 象 を 理 解 す る た め の 手 法 で あ る [ 2 0 - 2 1 ] ．共 分
散 構 造 分 析 と も 呼 ば れ る が ， 本 論 文 で は 構 造 方 程 式 モ デ リ ン グ (以 降 ， Ｓ Ｅ Ｍ )
とよぶ．ＳＥＭを用いることにより，デザインがどのような特徴や消費者の態
度によって選好されたのかという消費者の選好構造のモデルを，適合度指標や
パス係数（直接効果や間接効果）などに基づいて定量的に評価できるほか，異
なる母集団に同じモデルを適用して指標を比較する他母集団の同時解析ができ
る．ＳＥＭをデザイン開発に用いることにより，あるデザインがある消費者群
に な ぜ 選 好 さ れ る の か を 定 量 的 に 説 明 で き る [22-26]．
デザイン要件を可視化する方法では，製品デザインに対する消費者の選好や
購入意向などの態度と，以下に示す３つの項目との因果関係を定量的に把握す
るためにＳＥＭを用いる．
①消費者がデザインを通して感じる製品のデザイン以外の魅力，すなわち製
品デザインが視覚化している製品の機能，性能，および使いやすさなど
②製品の外観としてのデザインの印象やデザインが持つ特徴
③ 消 費 者 が そ の 製 品 デ ザ イ ン を 購 入 し 使 用 す る 時 に 感 じ る 価 値 観（ 体 験 価 値 ）
こ の よ う な 目 的 で Ｓ Ｅ Ｍ を 用 い る 場 合 の 基 本 的 な 分 析 モ デ ル は ，図 ４ - ２ に 示
す よ う な パ ス 図 と な る [40-43]． 図 ４ -２ に 示 す 分 析 モ デ ル を 本 論 文 で は デ ザ イ
ン 選 好 構 造 モ デ ル と 呼 ぶ ．図 ４ - ２ に 示 す デ ザ イ ン 選 好 構 造 モ デ ル は ，製 品 デ ザ
インに対して消費者が感じる印象とその印象の背後にある価値観やこだわりを
上記①～③の視点から構成概念（因子）として抽出し，それら構成概念と消費
者 の 態 度（ 選 好 や 購 入 意 向 な ど ）と の 関 係 を 分 析 す る た め の も の で あ る ．図 ４ ２に示すように，消費者の価値観を構成概念（因子）として抽出する部分は測
定方程式，それら因子を原因として消費者の選好や購買意向を説明する部分は
構造方程式（回帰）となる．
具 体 的 に は ，図 ４ - ２ に 示 す デ ザ イ ン 選 好 構 造 モ デ ル は ，デ ザ イ ン に 対 す る 消
費者の態度（選好，購入意向，デザインに感じる感性など）を
①デザインに感じる機能・性能・使いやすさの因子
②デザインに感じる印象の因子
150
③購入や使用を考えたときの体験価値の因子
で説明するものである．
図 ４ -２ ． Ｓ Ｅ Ｍ に よ る 分 析 モ デ ル の 基 本 構 造
最終的に得られるデザイン選好構造モデルは，製品分野や市場トレンドなど
の 背 景 と 調 査 デ ー タ に 依 存 し て そ の 構 造 が 決 ま る が ，図 ４ - ３ に 例 示 す る よ う な
構造となることが想定される．
Ｓ Ｅ Ｍ に よ る 分 析 を 前 提 と し た マ ー ケ テ ィ ン グ ・ リ サ ー チ [ 2 0 - 2 1 ] で は ，① デ
ザインに対する消費者の態度（選好，購入意向，デザインに感じる感性など）
を問う設問，②デザインに感じる機能・性能・使いやすさに関する設問，③デ
ザインに感じる印象に関する設問，および④購入や使用を考えたときの体験価
値に関する設問を準備する．
151
図 ４ -３ ． Ｓ Ｅ Ｍ に よ る デ ザ イ ン 選 好 構 造 モ デ ル の 例
152
４．３．冷蔵庫のデザイン開発への適用
提案したデザイン要件を可視化する方法を冷蔵庫のデザイン開発に適用し，
製品開発に役立てるとともに提案手法の有効性と課題を明確にした．尚，以降
に述べる各種の調査は２００６年度に行い，結果は２００７年度以降の冷蔵庫
のデザインに反映された．
国産初の家庭用冷蔵庫が登場してから８０余年が経ち，技術の進歩や消費者
の価値観の変化，および省エネなどの社会的な要請により，冷蔵庫のデザイン
は 時 代 と と も に 大 き く 変 遷 し て き た [ 4 4 - 4 5 ] ．冷 蔵 庫 の 使 用 年 数 は 平 均 １ ０ ．８
年 と 長 く ，過 去 ２ ０ 年 間 で 大 き な 変 化 は 見 ら れ な い [ 4 6 ] ．冷 蔵 庫 の デ ザ イ ン は ，
店頭では競合する他社製品より優れたデザイン性を訴求でき，家庭では長く愛
着の持てるデザインであることが求められる．このような背景から，冷蔵庫の
デ ザ イ ン 開 発 で は ，主 流 と な っ て い る 伝 統 的 な デ ザ イ ン の 潮 流 は 踏 襲 し つ つ も ，
一方で消費者の新しい価値観に合う変化や方向性を模索し，商品のラインナッ
プ全体でより多くの消費者に購入してもらえるように，デザイン開発を続けな
ければならない．
２００６年度に行った冷蔵庫のデザイン開発で検討した課題の一つは，冷蔵
庫らしいデザインと選好や購入意向の関係，および家具のようなデザインの受
容可能性であった．このような課題を設定した背景は，事前の消費者に対する
定性調査や販売員からの情報で，消費者の声の中に冷蔵庫らしいデザインのほ
かに家具のようなデザインを求める声があるとの情報が得られたからである．
４．３．１．調査方法
まず，冷蔵庫らしいデザインとは何かについて検討した．過去の調査結果や
デザイン開発の経験から，冷蔵庫らしさを決定づけるデザインの要素として，
本 体 の 色 （ 面 材 ）， 丸 み を 帯 び た 本 体 形 状 ， ハ ン ド ル の 大 き さ や 形 状 ， が 重 要 な
属性であると考えた．これらの要素を組み合わせることによって，冷蔵庫らし
いデザインにも，家具のように見えるデザインにもなる．
デザイン要件を可視化する方法を用いて，①消費者の選好や購入意向を高め
るデザイン要素の最適な組み合わせは何か，②なぜそのデザインが選ばれるの
か（ 選 好 構 造 ），③ 消 費 者 に は そ の デ ザ イ ン が ど の よ う に 知 覚 さ れ る の か ，お よ
び④そのデザインを支持する消費者セグメントの特徴は何かをそれぞれ明確に
153
する．
冷蔵庫のデザインに求められる要件や冷蔵庫らしさの要件を調べるために，
表 ４ - 1 に 示 す よ う に ，上 記 の 属 性 に 水 準 を 設 定 し ３ 属 性 計 １ １ 水 準 の コ ン ジ ョ
イント分析を企画した．
表 ４ -１ ． 冷 蔵 庫 デ ザ イ ン の 属 性 と 水 準
属性
面材(色)
フラット・ラウンド
ハンドル
水準
白
木目・こげ茶
ステンレス
フラット
ラウンド
スイッチだけ
ハンドル大
ハンドル小
飾り大
飾り小
面 材（ 色 ）は 主 流 の 白 と ス テ ン レ ス に 加 え 家 具 ら し い デ ザ イ ン を 表 現 す る「 木
目・こげ茶」を水準として設定した．ハンドルは多様な大きさ・形状が想定さ
れ る が ， 自 動 開 扉 の ス イ ッ チ だ け の も の (図 ４ -４ の Ｐ ,Ｑ )， 手 で 掴 ん で 操 作 す
る ハ ン ド ル ( 大 : 図 ４ - ４ の Ｒ , Ｖ , Ｚ ，小 : 図 ４ - ４ の Ｓ , Ｗ ) ，手 を 掛 け る 部 分 の 飾
り ( 大 : 図 ４ - ４ の Ｔ ，小 : 図 ４ - ４ の Ｕ ) を 水 準 と し た ．表 ４ - １ に 示 す 属 性 水 準 に
対しプロファイル数を最小化するコンジョイント分析を用いてプロファイルを
作 成 し た と こ ろ ，表 ４ - ２ の 番 号 １ ～ ８ に 示 す ８ 枚 が 最 小 枚 数 の プ ロ フ ァ イ ル カ
ー ド と な っ た ．各 プ ロ フ ァ イ ル を デ ザ イ ン 表 現 し た も の が 図 ４ - ４ の Ｐ ～ Ｗ で あ
る．
154
表 ４ -２ ． プ ロ フ ァ イ ル カ ー ド
番号 記号
面材(色)
フラット・ラウンド
ハンドル
1
P
木目・こげ茶
ラウンド
スイッチだけ
2
Q
白
フラット
スイッチだけ
3
R
白
フラット
ハンドル大
4
S
白
ラウンド
ハンドル小
5
T
木目・こげ茶
フラット
飾り大
6
U
ステンレス
フラット
飾り小
7
V
ステンレス
ラウンド
ハンドル大
8
W
ステンレス
ラウンド
ハンドル小
9
X
仏壇
10
Y
オーディオプレーヤ風
11
Z
木目・こげ茶
フラット
ハンドル大
こ れ に ，図 ４ - ４ の Ｘ ～ Ｚ に 示 す ３ 枚 の デ ザ イ ン を 追 加 し て 計 １ １ 枚 の デ ザ イ
ンを調査対象とした．追加したデザインは以下の３件である．
① 家 具 の よ う な デ ザ イ ン の 最 先 端 の 表 現 と し て 「 仏 壇 (Ｘ )」
② 家 具 と は 正 反 対 の 方 向 性 を 示 す デ ザ イ ン と し て「 デ ジ タ ル オ ー デ ィ オ プ レ
ー ヤ 風 (Ｙ )」
③ コンジョイント分析の分析精度を高めるための追加のプロファイルカー
ド (Ｚ )
図 ４ - ４ の 各 デ ザ イ ン 図 に お い て ，冷 蔵 庫 の 正 面 視 の 上 に 描 い て い る も の は
冷蔵庫の扉の部分を真上から見た図であり，ハンドルの形状を分かりやすく
示すほか，本体形状が丸みを帯びた形（ラウンド）かそうでないか（フラッ
ト）を示している．
155
図 ４ -４ ． 調 査 に 用 い た 冷 蔵 庫 デ ザ イ ン (１ １ 枚 )
直交計画に対してどの程度プロファイル数を減じることができたのかを確か
め る た め ， SPSS Conjoint 15.0 の ORTHOPLAN プ ロ シ ー ジ ャ に 表 ４ -1 に 示 す 属 性
と水準を入力し，ホールドアウトカード（調査には使用するが推定には使用し
ない推定精度を検証するためのカード）を指定しないでプロファイルを作成し
たところ２５枚となった．直交計画と比べてプロファイルカードを１７枚減じ
ることができた．
前記１１件の冷蔵庫のデザインを冷蔵庫に関心のある２０～５０歳代の女性
の 実 験 協 力 者 ３ ０ ０ 人 に Web ア ン ケ ー ト に て 提 示 し ， 順 位 付 け に よ る 全 体 評 価
のほか各デザインに対し５段階評価による総合評価とイメージ評価をしてもら
った．
冷 蔵 庫 に 関 心 の あ る 実 験 協 力 者 と は ，５ 年 以 内 に 冷 蔵 庫 を 購 入 し た 人 ( 1 3 0 人 ,
156
43.3%)か ， ま た は ５ 年 以 内 に 冷 蔵 庫 を 購 入 予 定 の 人 (170 人 , 56.5%)で ， 回 答 前
に 店 頭 で 最 新 の 冷 蔵 庫 を 実 際 に 見 て 触 れ て き た 人 で あ る (複 数 回 答 で 91.7%が
家 電 量 販 店 で 体 験 )．
全体評価では１１件のデザインに対し以下の項目に回答してもらった．
① 好きな順位
② 冷蔵庫らしい順位
③ (自 身 が 実 際 に )購 入 し た い 順 位
また，個々のデザインの総合評価では以下の５つの設問に対し，それぞれ５
段 階 ( 非 常 に あ て は ま る ，ま あ あ て は ま る ，ど ち ら と も い え な い ，あ ま り あ て は
ま ら な い ， 全 く あ て は ま ら な い )で 回 答 し て も ら っ た ．
① 好きなデザイン
② デザインが優れている
③ 心魅かれるデザイン
④ 冷蔵庫らしいデザイン
⑤ (自 身 が 実 際 に )購 入 し た い デ ザ イ ン
個々のデザインのイメージ評価では，過去の調査で蓄積した評価語の中から
今回の調査で有用と思える以下２９件の言葉を評価語として選定して用い，そ
れ ぞ れ 総 合 評 価 と 同 様 の ５ 段 階 で 回 答 し て も ら っ た ．尚 ，評 価 語 の 前 に あ る【 数
字】は分析結果を説明する際に用いる通し番号である．
(1) 機 能 ・ 性 能 ・ 使 い 勝 手 へ の 印 象
・ 【 01】 よ く 冷 え そ う
・ 【 02】 野 菜 が 新 鮮 に ， 長 持 ち 保 存 で き そ う
・ 【 03】 清 潔 な ・ ク リ ー ン な
・ 【 04】 高 品 質 ・ 高 機 能 な
・ 【 05】 し っ か り し た ・ 丈 夫 そ う
・ 【 06】 使 い や す そ う
(2) 自 身 が 使 用 す る ・ 購 入 す る こ と を 考 え た 際 の 印 象
・ 【 07】 長 く 使 っ て い け そ う
157
・ 【 08】 キ ッ チ ン の 雰 囲 気 が よ く な り そ う
・ 【 09】 料 理 上 手 な 人 に 思 わ れ そ う
・ 【 10】 セ ン ス の 良 い 人 に 思 わ れ そ う
・ 【 11】 使 っ て い る 自 分 が 容 易 に イ メ ー ジ で き る
・ 【 12】 使 っ て い る 自 分 を 想 像 す る と 幸 せ な 気 分 に な る
・ 【 13】 買 っ た 後 ， 満 足 感 ・ 充 実 感 を 得 ら れ そ う
(3) デ ザ イ ン の 印 象
・ 【 14】 家 具 の よ う な
・ 【 15】 キ ッ チ ン に あ う
・ 【 16】 落 ち 着 き の あ る
・ 【 17】 安 心 で き る
・ 【 18】 す っ き り と し た
・ 【 19】 品 が あ る
・ 【 20】 重 厚 な
・ 【 21】 高 級 感 が あ る
・ 【 22】 や ぼ っ た い
・ 【 23】 く せ の あ る
・ 【 24】 あ り ふ れ た
・ 【 25】 洗 練 さ れ た
・ 【 26】 や さ し い
・ 【 27】 個 性 的 な
・ 【 28】 親 し み や す い
・ 【 29】 斬 新 な
４．３．２．実験協力者全員の分析結果
デ ザ イ ン １ １ 件 に 対 す る 全 体 評 価 と し て の ① 選 好 順 位 ，② 冷 蔵 庫 ら し い 順 位 ，
お よ び ③ 購 入 し た い 順 位 は ， そ れ ぞ れ 図 ４ -５ ～ ４ -７ に 示 す 結 果 と な っ た ．
158
図 ４ -５ ． 好 き な デ ザ イ ン の 平 均 順 位 （ 全 体 ）
図 ４ -６ ． 冷 蔵 庫 ら し い デ ザ イ ン の 平 均 順 位
159
図 ４ -７ ． 購 入 し た い デ ザ イ ン の 平 均 順 位
選 好 順 位 や 購 入 し た い 順 位 は ， 木 目 ・ こ げ 茶 の 面 材 を 使 用 し た デ ザ イ ン (Ｐ ,
Ｔ , Ｚ ) や 茶 仏 壇 ( Ｘ ) で 低 い 傾 向 に あ り ，ス テ ン レ ス 面 材 の Ｕ ( 選 好 3 . 8 4 位 , 購 入
意 向 3.54 位 ),Ｖ (選 好 4.00 位 , 購 入 意 向 3.58 位 )で は 高 い ．
図 ４ - ８ は 購 入 し た い デ ザ イ ン の 順 位 回 答 を そ れ ぞ れ ，横 軸 を 上 位 ３ 位 以 内 に
選ばれる割合，縦軸を上位３位以内に選ばれた時に 1 位になる割合としてデザ
イ ン １ １ 件 の 購 入 意 向 の 強 さ (縦 軸 )と 購 入 対 象 に 選 ば れ る 支 持 の 大 き さ (横 軸 )
をプロットしたものである．
選 好 順 位 の プ ロ ッ ト も 購 入 意 向 と ほ ぼ 同 じ プ ロ ッ ト (図 ４ -８ )と な っ た の で
図を省略する．デザインＶは購入対象として多くの人に支持され，かつ購入意
向も強い．茶仏壇ＸとデザインＺは上位３位以内に選ばれる割合は低いが，選
ばれると比較的高い割合で１位となり，少数だが強い選好と購入意向を持つ実
験協力者がいることが分かった．
一 方 ， 冷 蔵 庫 ら し さ は ， 木 目 ・ こ げ 茶 の 面 材 を 使 用 し た デ ザ イ ン (Ｐ ,Ｔ ,Ｚ )
や 茶 仏 壇 (Ｘ )が 冷 蔵 庫 ら し く な い と 認 識 さ れ た ．
総合評価の５段階評価のデータから評価項目間のデータの相関を調べた所，
① 好 き な デ ザ イ ン と ⑤ 購 入 し た い デ ザ イ ン の 相 関 ( R = 0 . 8 4 8 ) は 高 い が ，一 方 で ①
好 き な デ ザ イ ン と ④ 冷 蔵 庫 ら し い デ ザ イ ン の 相 関 ( R = 0 . 6 6 2 ) ，お よ び ④ 冷 蔵 庫 ら
し い デ ザ イ ン と ⑤ 購 入 し た い デ ザ イ ン の 相 関 (R=0.676)は そ れ ほ ど 高 く な い こ
とが分かった．
160
図 ４ -８ ． 購 入 意 向 の 強 さ と 支 持 の 広 さ の 関 係
消費者向け電気製品のデザイン開発において，最も重要な消費者の態度は購
入したいデザインであるかどうか（購入意向）である．冷蔵庫のような大型家
電は買い換えの頻度が少なく，候補としている製品の中で最も購入したいデザ
イン，すなわち購入したいデザインの順位が１位であることが重要である．
前述のように①好きなデザインと⑤購入したいデザインの各５段階評価の結
果 に は 高 い 相 関 ( R = 0 . 8 4 8 ) が あ る が ，両 者 は 完 全 に 一 致 し て い な い た め ，好 き な
デザインが必ずしも購入したいデザインとはならない場合がある．今回の調査
で①好きなデザインの１位と⑤購入したいデザインの１位が一致している実験
協 力 者 は ３ ０ ０ 人 中 １ ６ ４ 人 (54.7%)で あ り ， 残 る １ ３ ６ 人 (45.3%)は 不 一 致 で
あった．不一致の実験協力者にその理由を任意で尋ねる設問には，好きだが飽
きてしまいそう，好きだが自宅のキッチンには合わない，および好きだが使い
勝手は別のものが良さそうなどの回答があった．
上記の検討結果から，以降の分析においては購入したいデザインとなるため
の要件を探ることを優先した．
161
(1) コ ン ジ ョ イ ン ト 分 析 の 結 果
コ ン ジ ョ イ ン ト 分 析 は ，表 ４ - １ の 属 性 ・ 水 準 に 対 し プ ロ フ ァ イ ル カ ー ド ９ 枚
(Ｐ ～ Ｗ と Ｚ )に 対 す る 順 位 回 答 を 用 い て 総 合 評 価 で あ る ① 好 き な デ ザ イ ン ， ④
冷 蔵 庫 ら し い デ ザ イ ン ，お よ び ⑤ 購 入 し た い デ ザ イ ン を 目 的 変 数 と し て 行 っ た ．
全回答に対するコンジョイント分析の結果として得られた属性寄与率を図４
-９ に ， 各 水 準 の 部 分 効 用 値 を 図 ４ -１ ０ ～ ４ -１ ２ に そ れ ぞ れ 示 す ．
図 ４ -９ ． コ ン ジ ョ イ ン ト 分 析 の 結 果 （ 属 性 寄 与 率 ）
図 ４ - ９ は 属 性 寄 与 率 を 示 し て お り ，今 回 の 調 査 で は ，好 き な デ ザ イ ン ，冷 蔵
庫 ら し い デ ザ イ ン ， お よ び 購 入 し た い デ ザ イ ン の い ず れ も 面 材 (色 )の 重 視 度 が
最 も 大 き く (73～ 96%)， 丸 み を 帯 び た デ ザ イ ン で あ る か ど う か は 影 響 し な い (0
～ 2%)と 言 え る ．
162
重 相 関 係 数 =0.456
図 ４ -１ ０ ． 好 き な デ ザ イ ン へ の 部 分 効 用 値
重 相 関 係 数 =0.711
図 ４ -１ １ ． 冷 蔵 庫 ら し い デ ザ イ ン へ の 部 分 効 用 値
163
重 相 関 係 数 =0.562
図 ４ -１ ２ ． 購 入 し た い デ ザ イ ン へ の 部 分 効 用 値
冷 蔵 庫 ら し い デ ザ イ ン か ど う か は ， 図 ４ -９ に 示 す よ う に ほ と ん ど 面 材 (色 )
だ け で 判 断 し て い る (95.6%)こ と が 分 か っ た ．
コンジョイント分析の結果，好まれ，購入したいと思う冷蔵庫のデザイン要
件 は ， 一 般 に ， 面 材 (色 )が ス テ ン レ ス ま た は 白 で ， か つ 手 を 掛 け る 部 分 に 何 ら
かの飾りが付いたデザインであると言える．
コンジョイント分析は集団（実験協力者全員）および個人（個々の実験協力
者）の分析が可能である．コンジョイント分析の結果として得られる重相関係
数は，集団での分析の場合は推定した部分効用値が集団全体に当てはまるかど
うかを示すひとつの指標となり，個人ごとの分析の場合は実験協力者がプロフ
ァイルカードを一貫した態度で評価したかどうかを示す指標となる．
実験協力者全体に対する分析での重相関係数は，好きなデザインの分析で
R=0.456，冷 蔵 庫 ら し い デ ザ イ ン の 分 析 で R=0.711，お よ び 購 入 し た い デ ザ イ ン
の 分 析 で R=0.562 で あ っ た ． 好 き な デ ザ イ ン と 購 入 し た い デ ザ イ ン の コ ン ジ ョ
イント分析のあてはまりが悪く，価値観の異なる実験協力者が混在しているこ
とが考えられる．分析の精度を高めるためには，クラスター分析を用いて実験
協力者を分類してセグメント化し，それぞれのセグメントで分析を行う必要が
ある．クラスター分析については後述する．
一方，上記の各コンジョイント分析において，個々の実験協力者に対して行
164
った個人ごとのコンジョイント分析では，全ての実験協力者の重相関係数の平
均 値 は ，好 き な デ ザ イ ン の 分 析 で R = 0 . 9 8 1 ( S D = 0 . 0 4 0 , S E = 0 . 0 0 2 , 最 小 値 = 0 . 6 7 8 ) ，
冷 蔵 庫 ら し い デ ザ イ ン の 分 析 で R=0.983(SD=0.026,SE=0.002,最 小 値 =0.791)，
お よ び 購 入 し た い デ ザ イ ン の 分 析 で
R=0.987(SD=0.026,SE=0.002, 最 小 値
= 0 . 6 7 8 ) と な り ，実 験 協 力 者 が 一 貫 し た 態 度 で プ ロ フ ァ イ ル カ ー ド を 評 価 し た こ
とが分かる．
(2) 選 好 度 付 き ポ ジ シ ョ ニ ン グ 分 析 の 結 果
選好度付きポジショニング分析は，総合評価の⑤購入したいデザインを選好
度として扱い，イメージ評価で用いた評価語に対する各デザインの得票の集計
に対しコレスポンデンス分析を行って得られた知覚マップ上に２次元ガウス分
布の確率密度関数に似た選好関数を用いて高さ方向に選好度を表現した．
購入したいデザインを選好度とした実験協力者全員の選好度付きポジショニ
ン グ マ ッ プ を 図 ４ -１ ３ に 示 す ．
165
相 関係数
軸1
軸2
計
0.399
0.088
0.488
寄与 率
各軸
0.929
0.046
0.975
累積
0.929
0.975
χ2統計 量
7671.822
347.327
8019.148
自由度
41
39
80
χ2検 定
5％点
56.942
54.572
1％点
64.950
62.428
p値
0.000
0.000
図 ４ -１ ３ ． 購 入 し た い デ ザ イ ン の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ （ 全 員 ）
166
知 覚 マ ッ プ は 第 1 軸 ( 寄 与 率 9 2 . 9 % ) が 木 目・こ げ 茶 と そ れ 以 外 を 左 右 に 分 け ，
第 ２ 軸 (寄 与 率 4.6%)が ス テ ン レ ス と 白 を 上 下 に 分 け る 比 較 的 分 か り や す い も
のとなった．
等高線が購入意向を表しており，選好度の値が３となる太い破線の等高線は
購 入 意 向 が ど ち ら で も な い (±０ )ラ イ ン を 示 す ． ス テ ン レ ス の デ ザ イ ン Ｕ ,Ｖ ,
Ｗが購入意向の最大点付近にあり，好き，心魅かれる，満足感・充実感を得ら
れそう，幸せな気分になるなどの評価を受けている．
白 い デ ザ イ ン Ｒ , Ｓ , Ｑ は 購 入 意 向 の ボ ー ダ ー 付 近 に あ っ て ，キ ッ チ ン に あ う ，
親しみやすい，清潔な・クリーンななどの評価を受けている．
一 方 ，木 目 ・ こ げ 茶 の デ ザ イ ン Ｐ , Ｔ , Ｘ , Ｚ は 購 入 意 向 が マ イ ナ ス の 領 域 に あ
って，個性的な，くせのある，などマイナスイメージの評価を受けているが，
少数意見だが斬新な，重厚ななどの評価もある．
選好度付きポジショニング分析の結果，購入したいと思う冷蔵庫のデザイン
は ， 一 般 に 面 材 (色 )が ス テ ン レ ス で ， 好 き で 心 魅 か れ ， 購 入 後 に 満 足 ・ 充 実 ・
幸せな気分が得られるようなデザインであることが要件である．
(3) 構 造 方 程 式 モ デ リ ン グ (Ｓ Ｅ Ｍ )に よ る 分 析 結 果
購入したいデザインの選好構造を説明する冷蔵庫デザイン評価モデルを構造
方 程 式 モ デ リ ン グ に よ っ て 分 析 し た ．図 ４ - １ ４ は 実 験 協 力 者 全 員 の モ デ ル で あ
る．
図中，四角は観測変数，楕円は潜在変数，矢印はパスとパス係数（標準化推
定 値 ）を そ れ ぞ れ 示 し て い る ．図 が 煩 雑 に な る た め 誤 差 変 数 の 表 記 は 省 略 し た ．
167
図 ４ -１ ４ ． Ｓ Ｅ Ｍ ： 実 験 協 力 者 全 員 の パ ス 図
168
全体
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
デザインが優れている
冷蔵庫らしいデザイン
心魅かれるデザイン
使っている自分が容易にイメージできそう
キッチンにあう
好きなデザイン
使いやすそう
(因子)満足・充実/幸せ感
高級感がある
長く使っていけそう
センスの良い人に思われそう
(因子)洗練された/品がある
(因子)高品質・高機能/しっかりした・丈夫そう
(因子)よく冷えそう/清潔な
親しみやすい
(因子)個性/斬新
ありふれた
直接効果
間接効果
直接
効果
0
0.088
0.337
0.167
0.000
0.270
0.000
0.136
0
0
0
0
0
0
0
0
0
間接
効果
0.376
0.265
0
0.154
0.309
0.000
0.245
0.103
0.204
0.204
0.190
0.163
0.162
0.153
0.152
0.079
0.073
総合
効果
0.376
0.353
0.337
0.320
0.309
0.270
0.245
0.239
0.204
0.204
0.190
0.163
0.162
0.153
0.152
0.079
0.073
図 ４ -１ ５ ． Ｓ Ｅ Ｍ ： 直 接 効 果 と 間 接 効 果 （ 実 験 協 力 者 全 員 ）
モデル化にあたり有効なデザイン評価語を抽出するため，まず，総合評価と
して設定した①好きなデザイン，②デザインが優れている，③心魅かれるデザ
イン，④冷蔵庫らしいデザイン，および⑤購入したいデザインの５つをそれぞ
れ目的変数とし，イメージ評価で用いた２９の評価語を説明変数として，ステ
ップワイズ法による重回帰分析を行った．そして，説明変数として採択されな
いか，または採択されても標準化編回帰係数がマイナスの値である評価語８語
を除外し２１語を残した．
除外した評価語は以下の８語である．
・ 【 02】 野 菜 が 新 鮮 に ， 長 持 ち 保 存 で き そ う
・ 【 09】 料 理 上 手 な 人 に 思 わ れ そ う
・ 【 16】 落 ち 着 き の あ る
・ 【 17】 安 心 で き る
・ 【 20】 重 厚 な
・ 【 22】 や ぼ っ た い
・ 【 23】 く せ の あ る
・ 【 26】 や さ し い
169
続いて，⑤購入したいデザインを除いた総合評価の４項目に前記２１語の評
価語を加えた計２５項目のデータを用いて仮説構築とモデリングによる検証を
繰り返しながら，デザイン選好構造モデルを試作した．
モデルの試作では，まず，⑤購入したいデザインに直接関与している変数を
使 っ て 基 本 構 造 を 作 成 し た （ 図 ４ - １ ４ の 破 線 内 ）． そ し て ， 基 本 構 造 に 含 ま れ
る 各 項 目 に 影 響 す る 変 数 を 順 次 配 置 し な が ら 検 証 を 行 い ，最 終 的 に 図 ４ - １ ４ に
示 す モ デ ル が 得 ら れ た ．図 ４ - １ ４ は こ の モ デ ル の パ ス 図 と パ ス 係 数（ 標 準 化 値 ）
を示している．
ＳＥＭではパス図における因果関係の影響度を直接効果，間接効果，および
総 合 効 果 と 呼 ぶ 数 値 で 表 す [ 2 0 - 2 1 ] ．あ る 変 数 が 別 の 変 数 に 直 接 的 に 影 響 を 及 ぼ
す度合いが直接効果であり，変数間に引かれた因果のパス係数の値である．一
方，ある変数が別の変数に他の変数を経由して間接的に影響を及ぼす度合いが
間接効果であり，ある変数から別の変数に至る全ての因果関係の経路において
その経由上の全てのパス係数を全て掛け合わせた数値の総和となる．総合効果
とはある変数から別の変数への直接効果と間接効果の和である．
図 ４ - １ ５ に ⑤ 購 入 し た い 冷 蔵 庫 へ の 各 変 数 の 影 響 度 を 示 す 総 合 効 果（ 直 接 効
果と間接効果）を示す．
図 ４ - １ ４ に 示 す モ デ ル の 適 合 度 指 標 は
GFI=0.876,
AGFI=0.822,
RMSEA=0.094, CFI=0.92, AIC=6491.015 で あ っ た ． GFI や AGFI は 0.9 以 上 ， お
よ び RMSEA は 0.05 以 下 で あ る こ と が 望 ま し く [20-21]， 前 記 モ デ ル の 適 合 度 指
標は高いとは言えない．しかし，デザインに対する選好や購入意向をデザイン
の印象と消費者の態度による因果関係で構造的に説明することができる点は優
れており，デザイン開発においては十分な参考情報となる．尚，筆者は冷蔵庫
だけでなく他の家電製品のデザインに対しても同様のモデル化を多数行ってき
たが，デザイン評価のＳＥＭでは経験的にモデルの修正を繰り返しても適合度
指標は高くならない傾向にある．
図 ４ -１ ４ の モ デ ル か ら「 購 入 し た い 」冷 蔵 庫 デ ザ イ ン に つ い て ，以 下 ，総 合
効果が高い順に得られた知見を記す．
・
「 デ ザ イ ン が 優 れ て い る 」が 総 合 効 果 で 0 . 3 7 6 と 最 も 高 い が 間 接 効 果 だ け で あ
り ，「 心 魅 か れ る デ ザ イ ン 」，「 好 き な デ ザ イ ン 」， お よ び 「 ( 因 子 ) 購 入 や 使 用
による満足感・幸せ感」の要因として，総合的に「購入したい」に効果を及
ぼ す ．「 デ ザ イ ン が 優 れ て い る 」 を 高 め る 要 因 に は 「 冷 蔵 庫 ら し い ( 0 . 3 5 3 ) 」，
170
「 セ ン ス の 良 い 人 に 思 わ れ そ う ( 0 . 1 9 0 ) 」，「 ( 因 子 ) 洗 練 さ れ た / 品 が あ る
( 0 . 1 6 3 ) 」， お よ び 「 ( 因 子 ) 個 性 / 斬 新 ( 0 . 0 7 9 ) 」 と い っ た デ ザ イ ン 性 ， 並 び に
「 (因 子 )高 品 質 ・ 高 機 能 /し っ か り し た ・ 丈 夫 そ う (0.162)」 お よ び 「 使 い や
す そ う (0.245)」 と い っ た 機 能 性 ・ 使 用 性 が あ る ．
・「 冷 蔵 庫 ら し い 」 の 総 合 効 果 が 0 . 3 5 3 と 二 番 目 に 高 い ． 直 接 効 果 ( 0 . 0 8 8 ) よ り
間 接 効 果 ( 0 . 2 6 5 ) の 方 が 大 き く ，具 体 的 に は「 心 魅 か れ る デ ザ イ ン 」お よ び「 好
き な デ ザ イ ン 」の 要 因 と し て 総 合 的 に「 購 入 し た い 」に 影 響 す る ．
「冷蔵庫ら
し い デ ザ イ ン 」 を 高 め る 要 因 は 「 キ ッ チ ン に 合 う ( 0 . 3 0 9 ) 」， お よ び 「 親 し み
や す い (0.152)」 な ど の デ ザ イ ン 性 ， 並 び に 「 (因 子 )冷 蔵 庫 機 能 (よ く 冷 え そ
う ・ 清 潔 ク リ ー ン )(0.153)」 で あ る ．
・「 心 魅 か れ る デ ザ イ ン 」の 総 合 効 果 が 0 . 3 3 7 で 三 番 目 に 高 い ．間 接 効 果 は な く
直接的に「購入したい」に影響する．
・
「 使 っ て い る 自 分 が 容 易 に イ メ ー ジ で き る ( 0 . 3 2 0 ) 」は 直 接 効 果 ( 0 . 1 6 7 ) と 間 接
効 果 (0.154)を 合 わ せ た 総 合 効 果 が 高 い ．
・「 キ ッ チ ン に あ う ( 0 . 3 0 9 ) 」 は 間 接 効 果 の み で 高 く ，「 ( 因 子 ) 満 足 ・ 充 実 / 幸 せ
感」および「使っている自分が容易にイメージできそう」と感じる要因とな
ることにより「購入したい」に影響する．
・「 使 い や す そ う ( 0 . 2 4 5 ) 」 は 間 接 効 果 の み で 「 ( 因 子 ) 高 品 質 ・ 高 機 能 」 お よ び
「 (因 子 )冷 蔵 機 能 (よ く 冷 え そ う ・ 清 潔 ク リ ー ン )」 と い っ た 機 能 感 を 感 じ る
要因となることにより「購入したい」に影響する．
・「 ( 因 子 ) 満 足 ・ 充 実 / 幸 せ 感 ( 0 . 2 3 9 ) 」 は 「 購 入 し た い 」 に 直 接 影 響 す る ( 直 接
効 果 ： 0.136)ほ か ，
「 心 魅 か れ る デ ザ イ ン 」と 感 じ る 要 因 と な る こ と に よ っ て
間 接 的 に 「 購 入 し た い 」 に 影 響 す る (間 接 効 果 ： 0.103)．
上述のようにＳＥＭによる冷蔵庫デザイン評価モデルはデザインを見たとき
の印象や気持ちがそのデザインの商品を購入したいと思うまでの因果関係を表
現したものであり，モデルの適合度は高くはないがデザイン開発に役立つ知見
が得られた．
４．３．３．セグメントごとの分析結果
前項までに述べたように，実験協力者全体の分析では実験協力者の中に価値
観の異なる多様な消費者が混在していることが分かった．デザイン要件を可視
化する方法では実験協力者全員を前述の３つの手法で分析して全体を把握した
171
後，クラスター分析を行って実験協力者をセグメント化し，各セグメントのデ
ータを再び前記３手法で分析する．その分析結果に基づき，必要に応じてセグ
メントの再設定や再分割などを行い，ターゲットとなる消費者セグメントの選
好や購入意向を最大にするデザインの要件を抽出する．
今回の分析では購入したいデザインの順位を用いてクラスター分析を行い，
実 験 協 力 者 を 分 類 し て セ グ メ ン ト 化 し た ． 冷 蔵 庫 は 保 有 期 間 が 長 く [46]， キ ッ
チンで毎日使用する製品であるため，消費者は十分に検討して候補の中からベ
ス ト の も の を 購 入 し よ う と す る [47]． そ の た め ， 購 入 し た い デ ザ イ ン の 順 位 で
１位になることが最も重要な尺度になるからである．
購入したいデザインの順位（上位１～３位）を用いたクラスター分析の結果
と３手法による分析結果，および得られたデザイン要件を述べる．
ま ず ， 購 入 し た い デ ザ イ ン の 順 位 （ 上 位 １ ～ ３ 位 ） を 用 い て ウ ォ ー ド (Ward)
法 に よ る 階 層 ク ラ ス タ ー 分 析 を 行 い ，実 験 協 力 者 を 表 ４ - ３ に 示 す ３ タ イ プ の セ
グメントに分類した．
表 ４ -３ ． ク ラ ス タ ー 分 析 に よ る 実 験 協 力 者 の セ グ メ ン ト
セグメント
人 数 (割 合 )
上位に選ぶ 購入したいデザイン
タイプ１
147 人 (49%)
Ｕ ， Ｖ (ス テ ン レ ス )
タイプ２
105 人 (35%)
Ｗ (ス テ ン レ ス ), Ｑ , Ｓ (白 )
タイプ３
48 人 (16%)
Ｘ ， Ｔ ， Ｚ (木 目 ・ こ げ 茶 )
表 ４ - ４ に 示 す よ う に ，タ イ プ １ と タ イ プ ２ の セ グ メ ン ト は 購 入 し た い デ ザ イ
ンの順位（上位１～３位）を用いたクラスター分析により，さらに細分化でき
る．
この調査における課題は，冷蔵庫らしいデザインと選好や購入意向の関係，
および家具のようなデザインの受容可能性を明確化することにある．セグメン
トを決定するにあたり，①家具のようなデザインの購入意向があるタイプ３の
セグメントをこれ以上は細分化できないこと，②タイプ１および２は白い面材
（色）を許容するかどうかの違いとして明確に区分できること，および③年齢
や家族構成など分類された実験協力者の特徴にこれ以上区分すべき違いが見い
だ せ な い こ と か ら ， 表 ４ -３ に 示 す ３ タ イ プ の セ グ メ ン ト と し た ．
前述のコンジョイント分析で得られた実験協力者ごとの部分効用値を用いた
クラスター分析も試行し５つのセグメントに分類できたが，各セグメントにお
172
け る 購 入 し た い デ ザ イ ン の 特 徴 が 表 ４ -３ の セ グ メ ン ト の よ う に 明 確 に で き な
かったために採用しなかった．
表 ４ -４ ． 消 費 者 セ グ メ ン ト （ 購 入 し た い デ ザ イ ン と 消 費 者 の 特 徴 ）
デザイン１１件に対する各セグメントの①選好順位，②冷蔵庫らしい順位，
お よ び ③ 購 入 し た い 順 位 を 図 ４ -１ ６ ～ ４ -１ ８ に 示 す ． 各 図 で は ４ 本 の 折 れ 線
を図示しているが，タイプ１のデータは▲，タイプ２のデータは■，およびタ
イプ３のデータは●のマーカをそれぞ使用している．尚，全員のデータは◇の
マーカである．
冷 蔵 庫 ら し い デ ザ イ ン の 回 答 (平 均 順 位 )は 図 ４ -１ ７ に 示 す よ う に タ イ プ １
～３で極端な違いはなく，冷蔵庫らしいデザインの判断は共通的なものである
と 言 え る ． 一 方 ， 好 き な デ ザ イ ン と 購 入 し た い デ ザ イ ン は 図 ４ -１ ６ と 図 ４ -１
８ に 示 す よ う に タ イ プ に よ っ て 大 き く 異 な る ． 特 に 面 材 (色 )が 木 目 ・ こ げ 茶 の
Ｐ, Ｔ, Ｘ, Ｚは，実験協力者全体では平均順位が低いがタイプ３では高順位
となっている．
各 セ グ メ ン ト に 対 し ，コ ン ジ ョ イ ン ト 分 析 ，選 好 度 付 き ポ ジ シ ョ ニ ン グ 分 析 ，
173
および構造方程式モデリングの多母集団の同時解析でデザイン選好構造の分析
を行った．
2
3
4
5
6
7
8
9
10
タイプ1
タイプ2
タイプ3
全体
P
Q
R
S
T
U
V
W
X
Y
Z
9.30
6.20
4.02
6.44
7.84
2.86
2.93
5.34
8.40
4.61
8.06
7.72
4.75
8.02
5.02
7.65
6.02
5.64
7.40
5.13
4.70
8.52
6.16
7.57
3.06
6.98
4.24
5.96
3.84
4.47
6.29
4.00
4.14
7.63
5.29
7.67
3.31
7.33
5.94
6.85
5.43
8.90
4.58
7.80
図 ４ -１ ６ ． 好 き な デ ザ イ ン の 平 均 順 位 （ タ イ プ 別 ）
174
3
4
5
6
7
8
9
10
11
タイプ1
タイプ2
タイプ3
全体
P
Q
R
S
T
U
V
W
X
Y
Z
9.52
4.80
3.25
4.71
8.76
3.25
3.22
4.58
10.18
5.62
8.12
8.81
8.63
9.13
4.48
5.58
4.81
4.57
4.17
3.86
3.52
5.50
4.42
8.77
7.63
8.58
3.78
3.85
3.53
3.92
3.58
3.52
3.70
5.13
4.36
10.03
8.92
9.92
6.01
5.92
5.80
8.41
7.10
8.06
図 ４ -１ ７ ． 冷 蔵 庫 ら し い デ ザ イ ン の 平 均 順 位 （ タ イ プ 別 ）
175
2
3
4
5
6
7
8
9
10
P
Q
R
S
T
U
V
W
X
Y
Z
タイプ1
タイプ2
9.75
8.23
6.16
4.64
3.52
5.63
5.78
3.69
8.24
8.10
2.48
4.04
2.41
4.14
4.99
2.94
9.50
8.77
4.95
6.78
8.22
9.05
タイプ3
全体
5.15
8.48
8.23
5.96
7.42
4.88
8.44
5.47
2.75
7.31
5.67
3.54
5.94
3.58
7.02
4.60
3.38
8.27
7.08
5.93
4.94
7.99
図 ４ -１ ８ ． 購 入 し た い デ ザ イ ン の 平 均 順 位 （ タ イ プ 別 ）
コンジョイント分析は，各セグメントのデータを用いて総合評価の①好きな
デザイン，④冷蔵庫らしいデザイン，および⑤購入したいデザインを目的変数
としてコンジョイント分析を行った．セグメントごとに行ったコンジョイント
分 析 で 得 ら れ た 属 性 寄 与 率 を 図 ４ -１ ９ に ， 各 水 準 の 部 分 効 用 値 を 図 ４ -２ ０ ～
４ - ２ ２ に そ れ ぞ れ 示 す ．尚 ，図 ４ - ２ ０ ～ ４ - ２ ２ に お い て ，タ イ プ １ の デ ー タ
は▲，タイプ２のデータは■，およびタイプ３のデータは●のマーカをそれぞ
使用している．
セグメントごとに行ったコンジョイント分析では，各分析における重相関係
数 が ご く 一 部 の 場 合 (タ イ プ ３ の 購 入 し た い デ ザ イ ン の 分 析 )を 除 い て ， 実 験 協
力者全体をコンジョイント分析した時の重相関係数より大きくなっており，価
値観が類似したセグメントに分割できたことを示している．
176
100
90
80
70
60
50
40
30
20
10
0
好き らしい 購入 好き らしい 購入 好き らしい 購入 好き らしい 購入
全体
タイプ1
タイプ2
タイプ3
73.3 95.6 81.0 72.5 92.7 70.1 88.9 96.6 93.6 59.4 86.3 47.2
面材(色)
フラット・ラウンド 2.2 0.0 2.2 1.0 0.0 2.3 3.8 0.1 0.5 0.1 0.0 1.0
24.5 4.4 16.8 26.5 7.3 27.7 7.3 3.3 5.9 40.5 13.4 51.8
ハンドル
図 ４ -１ ９ ． コ ン ジ ョ イ ン ト 分 析 の 結 果 （ 属 性 寄 与 率 ）
177
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
-2.5
-3.0
白
木目・ ステン
ラウン スイッ ハンド ハンド
フラット
飾り大 飾り小
こげ茶 レス
ド
チだけ ル大
ル小
タイプ1 0.776 -2.339 1.563 -0.199 0.199 -0.908 0.663 -1.524 0.774 0.995
タイプ2 0.770 -1.966 1.196 -0.290 0.290 -0.018 -0.521 -0.294 0.635 0.197
タイプ3 -1.051 1.265 -0.214 -0.042 0.042 -0.273 -0.090 -1.190 1.235 0.318
全体
0.481 -1.632 1.150 -0.206 0.206 -0.495 0.128 -1.040 0.799 0.607
タイプ 1
タイプ 2
タイプ 3
全体
重相関係数
0.697
0.537
0.549
0.456
図 ４ -２ ０ ． 好 き な デ ザ イ ン へ の 部 分 効 用 値
178
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
-2.5
-3.0
白
木目・ ステン
ラウン スイッ ハンド ハンド
フラット
飾り大 飾り小
こげ茶 レス
ド
チだけ ル大
ル小
タイプ1 1.329 -2.717
タイプ2 1.124 -2.355
タイプ3 0.703 -1.872
1.157 -2.455
全体
1.388 -0.005 0.005 -0.626 0.632 -0.575 0.001 0.569
1.231 -0.060 0.060 -0.347 -0.030 0.420 -0.314 0.271
1.169 -0.021 0.021 -0.634 0.670 -0.593 0.174 0.383
1.298 -0.027 0.027 -0.530 0.406 -0.230 -0.082 0.435
タイプ 1
タイプ 2
タイプ 3
全体
重相関係数
0.779
0.721
0.557
0.711
図 ４ -２ １ ． 冷 蔵 庫 ら し い デ ザ イ ン へ の 部 分 効 用 値
179
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-2.0
-2.5
-3.0
白
木目・ ステン
ラウン スイッ ハンド ハンド
フラット
飾り大 飾り小
こげ茶 レス
ド
チだけ ル大
ル小
タイプ1 1.076 -2.674
タイプ2 0.792 -2.308
タイプ3 -1.162 1.086
0.618 -1.944
全体
1.598 -0.344 0.344 -1.269 0.828 -1.602 0.708 1.334
1.516 -0.121 0.121 -0.043 -0.629 0.600 0.271 -0.200
0.076 -0.130 0.130 -0.640 -0.180 -1.130 1.689
1.326 -0.232 0.232 -0.739 0.157 -0.756 0.712
タイプ 1
タイプ 2
タイプ 3
全体
0.262
0.626
重相関係数
0.817
0.696
0.560
0.562
図 ４ -２ ２ ． 購 入 し た い デ ザ イ ン へ の 部 分 効 用 値
選好度付きポジショニング分析では，各セグメントのデータを用いて評価語
に対する各デザインの得票の集計に対しコレスポンデンス分析を行って知覚マ
ッ プ を 作 成 し ，そ の 上 に 購 入 し た い デ ザ イ ン で あ る 程 度 を 高 さ と し て 表 現 し た ．
タ イ プ １ ～ ３ の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ を 図 ４ -２ ３ ～ ４ -２ ５ に そ れ
ぞれ示す．
180
相 関係数
軸1
軸2
計
0.499
0.137
0.637
寄与 率
各軸
0.911
0.069
0.980
累積
0.911
0.980
χ2統計 量
5794.385
385.568
6179.954
自由度
41
39
80
χ2検 定
5％点
56.942
54.572
1％点
64.950
62.428
p値
0.000
0.000
図 ４ - ２ ３ ．購 入 し た い デ ザ イ ン の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ（ タ イ プ １ ）
181
相 関係数
軸1
軸2
計
0.410
0.081
0.491
寄与 率
各軸
0.914
0.036
0.950
累積
0.914
0.950
χ2統計 量
2851.62
101.742
2953.362
自由度
41
39
80
χ2検 定
5％点
56.942
54.572
1％点
64.950
62.428
p値
0.000
0.000
図 ４ - ２ ４ ．購 入 し た い デ ザ イ ン の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ（ タ イ プ ２ ）
182
相 関係数
軸1
軸2
計
0.263
0.070
0.333
寄与 率
各軸
0.842
0.060
0.902
累積
0.842
0.902
χ2統計 量
607.081
41.801
648.882
自由度
41
39
80
χ2検 定
5％点
56.942
54.572
1％点
64.950
62.428
p値
0.000
0.350
図 ４ - ２ ５ ．購 入 し た い デ ザ イ ン の 選 好 度 付 き ポ ジ シ ョ ニ ン グ マ ッ プ（ タ イ プ ３ ）
183
構 造 方 程 式 モ デ リ ン グ (Ｓ Ｅ Ｍ )に よ る 分 析 で は ， 実 験 協 力 者 全 員 の 分 析 で 試
作したデザイン選好構造モデルに各セグメントのデータを当てはめる多母集団
の 同 時 解 析 を 行 っ た ．分 析 の 結 果 得 ら れ た パ ス 図 と パ ス 係 数（ 標 準 化 値 ），お よ
び 総 合 効 果 （ 直 接 効 果 ， 間 接 効 果 を ） 図 ４ -２ ６ ～ ４ -３ １ に 示 す ．
184
図 ４ -２ ６ ． Ｓ Ｅ Ｍ ： タ イ プ １ の パ ス 図
185
タイプ１
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
デザインが優れている
冷蔵庫らしいデザイン
心魅かれるデザイン
使っている自分が容易にイメージできそう
キッチンにあう
好きなデザイン
使いやすそう
(因子)満足・充実/幸せ感
高級感がある
長く使っていけそう
センスの良い人に思われそう
(因子)洗練された/品がある
(因子)高品質・高機能/しっかりした・丈夫そう
(因子)よく冷えそう/清潔な
親しみやすい
(因子)個性/斬新
ありふれた
直接効果
間接効果
直接
効果
0
0.140
0.272
0.181
0.000
0.264
0.000
0.127
0
0
0
0
0
0
0
0
0
間接
効果
0.307
0.256
0
0.158
0.370
0.000
0.202
0.082
0.137
0.200
0.180
0.115
0.093
0.168
0.179
0.065
0.083
図 ４ -２ ７ ． Ｓ Ｅ Ｍ ： タ イ プ １ の 総 合 効 果 （ 直 接 効 果 ， 間 接 効 果 ）
186
総合
効果
0.307
0.396
0.272
0.339
0.370
0.264
0.202
0.209
0.137
0.200
0.180
0.115
0.093
0.168
0.179
0.065
0.083
図 ４ -２ ８ ． Ｓ Ｅ Ｍ ： タ イ プ ２ の パ ス 図
187
タイプ２
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
デザインが優れている
冷蔵庫らしいデザイン
心魅かれるデザイン
使っている自分が容易にイメージできそう
キッチンにあう
好きなデザイン
使いやすそう
(因子)満足・充実/幸せ感
高級感がある
長く使っていけそう
センスの良い人に思われそう
(因子)洗練された/品がある
(因子)高品質・高機能/しっかりした・丈夫そう
(因子)よく冷えそう/清潔な
親しみやすい
(因子)個性/斬新
ありふれた
直接効果
間接効果
直接
効果
0
0.127
0.358
0.159
0.000
0.245
0
0.120
0
0
0
0
0
0
0
0
0
間接
効果
0.351
0.344
0
0.113
0.307
0.000
0.309
0.089
0.178
0.172
0.157
0.156
0.148
0.227
0.159
0.058
0.087
図 ４ -２ ９ ． Ｓ Ｅ Ｍ ： タ イ プ ２ の 総 合 効 果 （ 直 接 効 果 ， 間 接 効 果 ）
188
総合
効果
0.351
0.471
0.358
0.271
0.307
0.245
0.309
0.209
0.178
0.172
0.157
0.156
0.148
0.227
0.159
0.058
0.087
図 ４ -３ ０ ． Ｓ Ｅ Ｍ ： タ イ プ ３ の パ ス 図
189
タイプ３
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
デザインが優れている
冷蔵庫らしいデザイン
心魅かれるデザイン
使っている自分が容易にイメージできそう
キッチンにあう
好きなデザイン
使いやすそう
(因子)満足・充実/幸せ感
高級感がある
長く使っていけそう
センスの良い人に思われそう
(因子)洗練された/品がある
(因子)高品質・高機能/しっかりした・丈夫そう
(因子)よく冷えそう/清潔な
親しみやすい
(因子)個性/斬新
ありふれた
直接効果
間接効果
直接
効果
0
0.035
0.343
0.139
0.000
0.299
0
0.174
0
0
0
0
0
0
0
0
0
間接
効果
0.465
0.125
0
0.190
0.213
0
0.225
0.119
0.324
0.214
0.209
0.198
0.249
0.056
0.098
0.146
0.038
図 ４ -３ １ ． Ｓ Ｅ Ｍ ： タ イ プ ３ の 総 合 効 果 （ 直 接 効 果 ， 間 接 効 果 ）
190
総合
効果
0.465
0.161
0.343
0.329
0.213
0.299
0.225
0.293
0.324
0.214
0.209
0.198
0.249
0.056
0.098
0.146
0.038
各セグメントにおける購入したいデザインの要件を，それぞれの分析手法で
得られた結果に基づき以下に整理する．
(1) タ イ プ １ の 消 費 者 セ グ メ ン ト
コ ン ジ ョ イ ン ト 分 析 の 結 果 ( 図 ４ - １ ９ , 図 ４ - ２ ２ ) で は ，面 材 ( 色 ) の 属 性 寄 与
率 は 全 体 平 均 よ り 低 い が (70.07＜ 81.04)， ハ ン ド ル の 属 性 寄 与 率 は 全 体 平 均 よ
り 高 い (27.65＞ 16.76)． 面 材 (色 )は ， ス テ ン レ ス (1.598)と 白 (1.076)の 部 分 効
用 値 が 高 く ， ハ ン ド ル で は ， 飾 り 小 (1.334)， ハ ン ド ル 大 (0.828)， お よ び 飾 り
大 (0.708)の 部 分 効 用 値 が 大 き い ．
図 ４ - ２ ３ に 示 す 選 好 度 付 き ポ ジ シ ョ ニ ン グ 分 析 の マ ッ プ で は ，ス テ ン レ ス の
デ ザ イ ン Ｕ ,Ｖ が 購 入 意 向 の 最 大 点 付 近 に あ り ，
・ 「好きなデザイン」
・ 「使っている自分を想像すると幸せな気分になる」
・ 「使っている自分が容易にイメージできる」
などの評価を受けている．
デ ザ イ ン Ｗ ,Ｒ ,Ｙ は 購 入 意 向 の ボ ー ダ ー 付 近 に あ り ， 一 方 ， 木 目 ・ こ げ 茶 の
デ ザ イ ン Ｐ ,Ｔ ,Ｘ ,Ｚ は 購 入 意 向 が マ イ ナ ス の 領 域 に あ る ．
購 入 意 向 が 最 大 と な る 付 近 で 等 高 線 が 急 勾 配 と な っ て お り ， デ ザ イ ン Ｕ ,Ｖ ，
すなわち，ステンレスでハンドル部が大きいデザインに対して強い購入意向が
あることが分かる．
図 ４ -２ ６ ～ ４ -２ ７ に 示 す Ｓ Ｅ Ｍ の パ ス 図 お よ び 総 合 効 果 で は ，
・ 「 キ ッ チ ン に あ う (0.370)」
・ 「 使 っ て い る 自 分 が 容 易 に イ メ ー ジ で き そ う (0.339)」
・ 「 親 し み や す い (0.179)」
の総合効果が他のセグメントより相対的に高い．
一方で，
・ 「 デ ザ イ ン が 優 れ て い る (0.307)」
・ 「 心 魅 か れ る デ ザ イ ン (0.272)」
・ 「 高 級 感 が あ る (0.137)」
・ 「 (因 子 )洗 練 さ れ た /品 が あ る (0.115)」
・ 「 (因 子 )高 品 質 ・ 高 機 能 /し っ か り し た ・ 丈 夫 そ う (0.093)」
の総合効果は他のセグメントよりも相対的に低い．
191
こ の セ グ メ ン ト で は 面 材 (色 )が ス テ ン レ ス か 白 で ， 大 き い か 飾 り の つ い た ハ
ンドルのあるデザインを好み，キッチンにあい，使っている自分を容易にイメ
ージできるような親しみやすいデザインであることが購入意向につながる．
(2) タ イ プ ２ の 消 費 者 セ グ メ ン ト
コ ン ジ ョ イ ン ト 分 析 の 結 果 ， 面 材 (色 )の 属 性 寄 与 率 は 全 体 平 均 よ り 高 く
( 9 3 . 5 7 ＞ 8 1 . 0 4 ) ，逆 に ハ ン ド ル の 属 性 寄 与 率 は 全 体 平 均 よ り 低 い ( 5 . 9 2 ＜ 1 6 . 7 6 ) ．
従 っ て ， 面 材 (色 )が ス テ ン レ ス (1.516)ま た は 白 (0.792)で あ る こ と が 重 要 な 要
件である．
ハ ン ド ル で は ハ ン ド ル 小 (0.600)と 飾 り 大 (0.271)の 部 分 効 用 値 が 大 き い ． 冷
蔵 庫 ら し さ で は ハ ン ド ル 大 (-0.030)よ り ハ ン ド ル 小 (0.420)の 部 分 効 用 値 が 高
く，全員の分析結果と異なっている．
図 ４ - ２ ４ に 示 す 選 好 度 付 き ポ ジ シ ョ ニ ン グ 分 析 の マ ッ プ で は ，等 高 線 が な だ
ら か で 購 入 意 向 が プ ラ ス と な る 範 囲 が 広 く ，ス テ ン レ ス の デ ザ イ ン Ｗ , Ｖ お よ び
白 い デ ザ イ ン Ｑ ,Ｓ が 方 向 は 異 な る が と も に 購 入 意 向 が 高 い 位 置 に あ る ．
・ 「安心できる」
・ 「好きなデザイン」
・ 「キッチンにあう」
・ 「キッチンの雰囲気がよくなりそう」な
かつ，
・ 「使っている自分が容易にイメージできる」
・ 「使っている自分を想像すると幸せな気分になる」
・ 「買った後に満足感・充実感を得られそう」
なものを求めている．
図 ４ -２ ８ ～ ４ -２ ９ に 示 す Ｓ Ｅ Ｍ の パ ス 図 お よ び 総 合 効 果 で は ，
・ 「 冷 蔵 庫 ら し い デ ザ イ ン (0.471)」
・ 「 使 い や す そ う (0.309)」
・ 「 (因 子 )よ く 冷 え そ う /清 潔 な (0.227)」
・ 「 あ り ふ れ た (0.087)」
の総合効果は他のセグメントより相対的に高い．
一方，
・ 「 使 っ て い る 自 分 が 容 易 に イ メ ー ジ で き そ う (0.271)」
・ 「 セ ン ス の 良 い 人 に 思 わ れ そ う (0.157)」
192
・ 「 (因 子 )個 性 /斬 新 (0.058)」
の総合効果は他のセグメントよりも相対的に低い．
こ の セ グ メ ン ト で は ， 面 材 (色 )が ス テ ン レ ス か 白 で 冷 蔵 庫 ら し い オ ー ソ ド ッ
クスなデザインに安心と満足を感じる．よく冷えそうで清潔感のある冷蔵庫ら
しいデザインで，使いやすいものが購入意向につながる．
(3) タ イ プ ３ の 消 費 者 セ グ メ ン ト
コンジョイント分析の結果は他のタイプと大きく異なり，ハンドルの属性寄
与 率 (51.84) が 面 材 ( 色 ) の 属 性 寄 与 率 (47.21) を 上 回 り ， ハ ン ド ル は 飾 り 大
(1.689)で あ る こ と が ， お よ び 面 材 (色 )は 木 目 ・ こ げ 茶 (1.086)で あ る こ と が ，
それぞれ購入意向を高めるデザインの要件である．
後述するようにこのセグメントは，冷蔵庫らしくないデザインであることが
購入意向の要件になっているが，冷蔵庫らしいデザインのコンジョイント分析
で ハ ン ド ル の 属 性 寄 与 率 (13.35)が 実 験 協 力 者 全 員 の 値 (4.40)よ り 大 幅 に 大 き
いのも特徴的である．
また，コンジョイント分析の重相関係数は，冷蔵庫らしいデザインの分析で
は 0.557， お よ び 購 入 し た い デ ザ イ ン の 分 析 で は 0.560 と な っ て お り ， 他 の セ
グメントの重相関係数より低い．これは，このセグメントが他のセグメントと
比較して，より多様な意見が混在していることを意味している．
図 ４ - ２ ５ に 示 す 選 好 度 付 き ポ ジ シ ョ ニ ン グ 分 析 の マ ッ プ で は ，木 目 ・ こ げ 茶
の 面 材 (色 )を 使 っ た デ ザ イ ン Ｔ ,Ｘ ,Ｚ ,Ｐ の 購 入 意 向 が 高 く ，
・ 「心魅かれる」
・ 「買った後に満足感・充実感を得られそう」
・ 「キッチンの雰囲気がよくなりそう」
との評価を受けている．
面 材 (色 )が ス テ ン レ ス や 白 の デ ザ イ ン は 購 入 意 向 が マ イ ナ ス の 領 域 に あ っ て
「冷蔵庫らしいデザイン」と認識されており，このセグメントは冷蔵庫らしく
ないデザインであることが購入意向の要件である．
この分析では，コレスポンデンス分析で得られた知覚マップの軸２が統計的
に有意でないことに注意を要する．
図 ４ -３ ０ ～ ４ -３ １ に 示 す Ｓ Ｅ Ｍ の パ ス 図 お よ び 総 合 効 果 で は ，
・ 「 デ ザ イ ン が 優 れ て い る (0.465)」
・ 「 高 級 感 が あ る (0.324)」
193
・ 「 (因 子 )満 足 ・ 充 実 /幸 せ 感 (0.293)」
・ 「 (因 子 )高 品 質 ・ 高 機 能 /し っ か り し た ・ 丈 夫 そ う (0.249)」
・ 「 (因 子 )洗 練 さ れ た /品 が あ る (0.198)」
・ 「 (因 子 )個 性 /斬 新 (0.146)」
の総合効果が他のセグメントより突出して高い．また，
・ 「 好 き な デ ザ イ ン (0.299)」
・ 「 長 く 使 っ て い け そ う (0.214)」
・ 「 セ ン ス の 良 い 人 に 思 わ れ そ う (0.209)」
の総合効果が他のセグメントより相対的に高い．
一方，
・ 「 キ ッ チ ン に あ う (0.213)」
・ 「 冷 蔵 庫 ら し い デ ザ イ ン (0.161)」
・ 「 (因 子 )よ く 冷 え そ う /清 潔 な (0.056)」
・ 「 あ り ふ れ た (0.038)」
の総合効果は他のセグメントよりも大幅に低い．
こ の セ グ メ ン ト は ， 面 材 (色 )に 木 目 ・ こ げ 茶 を 使 っ た 冷 蔵 庫 ら し く な い デ ザ
インを好み，高級で洗練された優れたデザインで，高品質・高機能なものを買
うことがセンスの良い人に思われ，それが自分の満足や幸せであるとする意識
を持つ．
このセグメントに対するデザイン要件を検討する際に注意すべきことは，コ
ンジョイント分析の重相関係数の低さからも分かるように，好きなデザイン，
冷蔵庫らしいデザイン，および購入したいデザインについて様々な意見が混在
していることである．
４．３．４．調査結果に基づく考察
冷蔵庫のデザインは店頭では競合する他社製品より優れたデザイン性を訴求
でき，家庭では長く愛着の持てるデザインであることが求められる．そのデザ
イン開発において，家具のようなデザインを求める声があるとの定性調査の情
報を起点とし，デザイン要件を可視化する方法を用いて，冷蔵庫らしいデザイ
ンと選好や購入意向の関係，および家具のようなデザインの受容可能性を調査
した．
冷 蔵 庫 ら し さ を 決 定 づ け る デ ザ イ ン の 要 素 と し て ，① 本 体 の 色（ 面 材 ），② 丸
みを帯びた本体形状，および③ハンドルの大きさや形状に着目してコンジョイ
194
ント分析の属性・水準を決定した．プロファイルカードを最小枚数にするアル
ゴリズムを用いて水準を組み合せ，それを調査用のデザインとして３００名の
消費者に対しデザインの選好や購入意向，およびデザインに感じる価値を調査
した．収集したデータに基づき，コンジョイント分析，選好度付きポジショニ
ング分析，およびデザイン選好構造モデルによるＳＥＭを実施した．さらに，
購入意向の順位データを用いてクラスター分析を行い，消費者を価値観が異な
る３つのセグメントに分類し，前記３つの手法でさらに詳細に分析した．
各消費者セグメントのデザイン要件の特徴を，①購入意向に対するコンジョ
イント分析で得られた属性寄与率をデザイン要件の重視度として相対的に重視
度が高い要件だけに着目し，および②ＳＥＭのデザイン選好構造モデルにおけ
る購入意向への総合効果を購入への影響度として相対的に影響度が高い要件だ
けに着目し，並びに③選好回帰によるポジショニング分析の結果と矛盾しない
ようにタイプ別に整理すると次のようになる．
(1) タ イ プ １ の 消 費 者 セ グ メ ン ト (49%)
面 材 （ 色 ） が ス テ ン レ ス （ 重 視 度 70%） で ハ ン ド ル が 大 き い （ 重 視 度 28%） も
の が キ ッ チ ン に あ い（ 影 響 度 3 7 % ），使 っ て い る 自 分 を イ メ ー ジ で き（ 影 響 度 3 4 % ），
親 し み や す い （ 影 響 度 18%） の で 購 入 意 向 を 持 つ ．
(2) タ イ プ ２ の 消 費 者 セ グ メ ン ト (35%)
ス テ ン レ ス か 白 （ 重 視 度 96%） の 面 材 （ 色 ） に 冷 蔵 庫 ら し さ （ 影 響 度 47%） を
感 じ ，使 い や す そ う（ 影 響 度 3 1 % ）で ，よ く 冷 え そ う で 清 潔 な 印 象（ 影 響 度 2 3 % )
を感じるので購入意向を持つ．
(3) タ イ プ ３ の 消 費 者 セ グ メ ン ト (16%)
ハ ン ド ル に 大 き な 飾 り が あ り （ 重 視 度 5 2 % ）， 面 材 （ 色 ） が 木 目 ・ こ げ 茶 （ 重
視 度 4 7 % ） の も の に ， デ ザ イ ン が 優 れ て い て （ 影 響 度 4 7 % ）， 高 級 感 が あ り （ 影
響 度 3 2 % ）， 高 品 質 ・ 高 機 能 さ （ 影 響 度 2 5 % ） と 洗 練 さ れ た 品 位 （ 影 響 度 2 0 % ）
を 感 じ る ． そ の よ う な デ ザ イ ン の 冷 蔵 庫 が 好 き （ 影 響 度 30%） で あ り ， そ れ を
持 っ て い る 自 分 は セ ン ス の 良 い 人 に 思 わ れ そ う （ 影 響 度 21%） で ， 長 く 使 っ て
い け そ う （ 影 響 度 21%） で あ る た め ， 購 入 し 使 用 す る こ と が 満 足 や 充 実 ・ 幸 せ
195
感 を も た ら す （ 影 響 度 3 0 % ）．
この調査の目的は，冷蔵庫のデザイン開発において主流となっている伝統的
なデザインの潮流は踏襲しつつも，一方で消費者の新しい価値観に合う変化や
方向性を模索し，商品のラインナップ全体でより多くの消費者に購入してもら
えるようにすることにあった．上記の結論はタイプ３の消費者の要件を満たす
デザインが新しいデザインの潮流として受容されることを示唆する結果となっ
た．
以上が冷蔵庫のデザイン開発にデザイン要件を可視化する方法を適用した結
果である．この結果を踏まえて実際の冷蔵庫のデザイン開発では以下の課題に
取り組むことになった．
・冷蔵庫らしいデザインを求める消費者にはステンレスや白を基本とした主流
のデザインに対し，キッチンに合い，ハンドル形状を含め全体的に使いやす
さが感じられるデザインとなるように改善を進める必要がある．
・冷蔵庫らしくない高級感のあるデザインを求める消費者には，木目・こげ茶
のような色を基本とするが，このタイプの消費者の選好には多様性があるた
め，より多くの消費者に受け入れられるようにデザイン表現を工夫する必要
がある．
196
４．４．提案した方法の有効性および課題
デザイン要件を可視化する方法を実際の冷蔵庫のデザイン開発に適用した結
果，消費者が製品デザインに求める要件を具体的なデザインの仕様や特徴を消
費者の価値観やデザインによってもたらされる消費者の体験価値との因果関係
を定量的に把握することができた．
プロファイルカードを最小枚数にするコンジョイント分析は，消費者に提示
するデザイン案を実際に店頭で製品を見比べるのと同程度の件数に抑えること
ができ，消費者の回答負担を減じつつ価値判断のトレードオフを引き出すこと
に成功した．また．推定される部分効用値を用いて消費者の価値判断基準を定
量化し，選好や購買意向を最大にする諸属性の最適な組み合わせを明確にする
ことができた．
選好度付のポジショニング分析は，デザイン案に対する消費者の認知と選好
を定量的に把握でき，従来の選好回帰では分からなかった知覚マップ上での選
好や購入意向の急激な変化を定量的に読み取ることができた．コンジョイント
分析やＳＥＭの分析結果と合わせて検討することにより，消費者の価値観とデ
ザインの印象の対応関係をマップとして直感的に理解することが可能となった．
また，消費者セグメントごとのマップを比較することによって，新しいデザイ
ンの価値を提供できる好適なポジションを検討することができた．
デザイン選好構造モデルを用いたＳＥＭは，デザインの印象や特徴，デザイ
ンが可視化している製品の機能や性能，および消費者の価値観やこだわりの間
にある因果関係を定量的に可視化でき，選好や購入意向への影響度とパス係数
の総合効果として数値化することができた．また，ＳＥＭの適合度を評価する
様々な指標により，デザイン選好構造モデルと実際のデータとのあてはまりを
議論することができた．
上記のようにデザイン要件を可視化する方法は，少なくとも冷蔵庫のデザイ
ン開発の事例においては，消費者を魅了し他社を差異化するような意味的価値
を付与するために行う製品のデザインのコンセプト策定に資する情報を提供す
ることができる．
一方で冷蔵庫のデザイン開発への適用を通して幾つかの課題が明らかになっ
た．以下にデザイン要件を可視化する手法の課題を述べる．
197
(1)プ ロ フ ァ イ ル カ ー ド を 最 小 枚 数 に す る コ ン ジ ョ イ ン ト 分 析 の 課 題
冷 蔵 庫 の デ ザ イ ン 開 発 へ の 適 用 で は ，デ ザ イ ン を 表 ４ - １ に 示 す よ う に 面 材
（ 色 ）， 丸 み （ フ ラ ッ ト ・ ラ ウ ン ド ）， お よ び ハ ン ド ル の ３ 属 性 に 分 解 し ， そ
れぞれに候補となる水準（仕様）を設定してコンジョイント分析を行った．
これは冷蔵庫のデザインに対する消費者の関心が上記３属性にあったこと，
および前記属性の仕様を個々に設定して組み合わせてもデザインが成立する
という要件を満たしたからである．
前章で示したデジタルカメラのコンジョイント分析では消費者の関心がフ
ォルムやレンズ周辺のデザイン表現にあったため，それらの仕様を個々に設
定して組み合わせると実現できないデザインが生じる．デジタルカメラの事
例では属性をデザインとし具体的な複数のデザイン案を水準としている．フ
ォルムとレンズ周辺のデザイン表現は独立でないためコンジョイント分析の
利 用 法 と し て は 正 し い が ，デ ザ イ ン を 属 性・水 準 に 分 解 で き な い 場 合 で も 個 々
の仕様の重視度を知りたい場合は，ＳＥＭにフォルムの印象やレンズ周辺の
デザイン表現の印象を収集する観測変数を設けて選好や購入意向に対する総
合効果を分析する必要がある．
また，前章で述べたようにプロファイルカードの枚数を最小化するコンジ
ョイント分析は推定結果の精度を測ることができないため，コンジョイント
分析をやったことがない製品デザインの要件を調査する場合は，通常の直交
計画やホールドアウトカードを用いて分析精度の検証を行う必要がある．
(2)選 好 度 付 の ポ ジ シ ョ ニ ン グ 分 析 の 課 題
選好度付のポジショニング分析は知覚マップの上に選好回帰の結果を表示
するため，ベースとなる知覚マップの精度が結果の有用性を左右する．冷蔵
庫のデザイン開発への適用では，知覚マップを作成するために行ったコレス
ポ ン デ ン ス 分 析 は 図 ４ -１ ３ に 示 す よ う に ２ 軸 の 寄 与 率 の 合 計 が 97.5%と 高
くデータと知覚マップの当てはまりがよいことを示している．調査設計や回
答者の特性によってはコレスポンデンス分析の結果のあてはまりが悪いこと
も想定され，そのような場合に選好回帰を行っても分析精度が低下する．選
好度付のポジショニング分析の適用においては，知覚マップの作成精度に注
意を払う必要がある．
198
(3)デ ザ イ ン 選 好 構 造 モ デ ル に よ る Ｓ Ｅ Ｍ の 課 題
冷蔵庫のデザイン開発への適用では，ＳＥＭによるデザイン選好構造モデ
ル の 適 合 度 指 標 は ， GFI=0.876, AGFI=0.822, RMSEA=0.094 で あ っ た ． GFI や
AGFI な ど の 適 合 度 指 標 は 一 般 に 0.9 以 上 の 値 で あ る と き デ ー タ と モ デ ル が 適
合 し て い る と 言 え る が [ 2 0 - 2 1 ] ，モ デ ル の 修 正 を 繰 り 返 し 試 み た が 適 合 度 指 標
はこれ以上には改善しなかった．
ＳＥＭの結果はデザインの選好や購入意向をデザインの印象と回答者の態
度による因果関係で構造的に説明するには十分に参考になるが，筆者が多数
行ってきた他の消費者向け電気製品のデザイン開発の事例でもモデルの修正
を繰り返してもＳＥＭの適合度指標は高くはならない傾向にあり，その要因
の特定と調査方法を含めたデザイン選好構造のモデル化のやり方を再検討す
る余地があると思われる．
(4)消 費 者 を セ グ メ ン ト 化 す る ク ラ ス タ ー 分 析 の 課 題
冷蔵庫のデザイン開発への適用では，購入意向に影響するデザイン要件を
明確化することが目的であったので，購入したいデザインの順位を用いてク
ラスター分析を行い，消費者を３つのセグメントに分類した．
前節では説明していないが実際の分析においては，上記以外のセグメント
化を試行した．具体的には購入したいデザイン順位を問うコンジョイント分
析で推定した各水準の部分効用値を用いてクラスター分析を行ったところ，
面 材（ 色 ），ハ ン ド ル ，お よ び そ の 両 方 の ど の 水 準 を 重 視 す る か の 違 い で ５ つ
のセグメントに類型化できた．５つのセグメントに対し選好度付きポジショ
ニング分析やＳＥＭを行ったところ，前節で述べた結論と同等の結果が得ら
れた．この５つのセグメントのうち４つは冒頭で述べた３つのセグメントの
タイプ１とタイプ２を細かく分けたものとなっていた．
提案したデザイン要件を可視化する方法ではクラスター分析の方法には踏
み込んでいない．製品開発への適用事例を増やし目的とする分析結果を得る
ためにはどのようにクラスター分析を用いるべきかという点を明らかにして
いくことが課題である．
199
４．５．おわりに
消費者向け電気製品のデザイン開発において，消費者の多様なニーズを的確
に捉え，開発の早い段階でデザインに求められる要件を明らかにすることを目
的としたデザイン要件を可視化する方法を提案し，その方法を実際の冷蔵庫の
デザイン開発に適用した結果と提案した方法の有効性と課題を述べた．
デザイン要件を可視化する方法は，プロファイルカードを最小枚数にするコ
ンジョイント分析，選好度付きポジショニング分析，および構造方程式モデリ
ングによるデザイン選好構造の分析，並びにクラスター分析を組み合わせて用
いるものである．この方法を冷蔵庫のデザイン開発に適用したところ，以下の
有効性が確認された．
①プロファイルカードを最小枚数にするコンジョイント分析は，消費者の価
値判断基準を定量化し，選好や購買意向を最大にするデザイン仕様の最適
な組み合わせを明確にすることができた．
②選好度付のポジショニング分析は，デザイン案に対する消費者の価値観や
印象とデザインの対応関係をマップとして可視化し，デザインの新たな価
値を提供できるポジションを検討することができた．
③デザイン選好構造モデルを用いたＳＥＭは，デザインの印象や特徴，デザ
インが可視化している製品の機能や性能，および消費者の価値観やこだわ
りの間にある因果関係を定量化し，選好や購入意向への影響度を数値化で
きた．
④クラスター分析による消費者のセグメント化は前記①～③の分析を支援し，
製品デザインのターゲット決めやセグメント共通のデザイン仕様を検討す
る上で役立った．
また，デザイン要件を可視化する方法には，コンジョイント分析でデザイン
を属性・水準に分解することができない時の利用方法の明示，およびＳＥＭに
よるデザイン選好構造モデルの適合度改善などの課題がある．
尚，本章で示した冷蔵庫のデザイン開発にデザイン要件を可視化する方法を
適用した結果は企業の商品企画の助となり，見方によって多様な解釈ができる
よ う な 木 目 調 の 表 面 処 理 で デ ザ イ ン を 工 夫 し た プ ラ イ ム ウ ッ ド 面 材 (色 )の 採 用
や ，使 い や す さ を 視 覚 的 に 訴 求 で き る 冷 蔵 室 の 中 の 野 菜 室「 リ ー チ イ ン ( ク ー ル
イ ン １ )ス タ イ ル 」 の 導 入 へ と 繋 が っ た [48-49]． 木 目 調 の デ ザ イ ン を 採 用 し た
冷蔵庫は２００７年度以降の数年間に上市した主力機種の冷蔵庫に採用され，
200
最も人気のあった機種では，木目調タイプの販売台数が同機種のステンレスタ
イプの販売台数を大幅に超える結果となったものもあった．
201
４．６．第４章の参考文献
[1] JIDA「 プ ロ ダ ク ト デ ザ イ ン 」 編 集 委 員 会 (著 ), 日 本 イ ン ダ ス ト リ ア ル デ ザ
イ ナ ー 協 会 (監 修 )： プ ロ ダ ク ト デ ザ イ ン 商 品 開 発 に 関 わ る す べ て の 人 へ ,
ワ ー ク ス コ ー ポ レ ー シ ョ ン , 2009.
[2] 岡 本 眞 一：コ ン ジ ョ イ ン ト 分 析 SPSS に よ る マ ー ケ テ ィ ン グ リ サ ー チ ,ナ カ
ニ シ ヤ 出 版 ,1999.
[ 3 ] 神 田 範 明 ほ か：商 品 企 画 七 つ 道 具 － 新 商 品 開 発 の た め の ツ ー ル 集 , 日 科 技 連
出 版 社 , pp.177-210,1995.
[4] 真 城 知 己 ： SPSS に よ る コ ン ジ ョ イ ン ト 分 析 (教 育 ･心 理 ･福 祉 分 野 で の 活 用
法 ), 東 京 図 書 ， 2001.
[5] 大 野 栄 治 編 ： 環 境 経 済 評 価 の 実 務 , 勁 草 書 房 , 105-132, 2000.
[6] 上 田 隆 穂 , 江 原 淳 ： 製 品 デ ザ イ ン , マ ー ケ テ ィ ン グ
新経営学ライブラリ
(8), pp.45-92, 新 世 社 , 1992.
[7] 岡 太 彬 訓 ,今 泉 忠 :パ ソ コ ン 多 次 元 尺 度 構 成 法 , 共 立 出 版 , 1994.
[8] 豊 田 秀 樹 ： 共 分 散 構 造 分 析 入 門 編 : 構 造 方 程 式 モ デ リ ン グ , 朝 倉 書 店 ,
1998.
[9] 山 本 嘉 一 郎 , 小 野 寺 孝 義 編 ： Amos に よ る 共 分 散 構 造 分 析 と 解 析 事 例 第 2
版 , ナ カ ニ シ ヤ 出 版 , 2002.
[10] 水 越 康 介 ： マ ー ケ テ ィ ン グ に お け る デ ザ イ ン 研 究 の 射 程 :デ ザ イ ン の ロ バ
ス ト ネ ス , 経 営 と 制 度 6, 首 都 大 学 東 京 , pp.49-63, 2008.
[ 1 1 ] 日 経 デ ザ イ ン：デ ザ イ ン の 価 値 測 定 2 0 1 2 低 成 長 時 代 で も 売 れ る デ ザ イ ン ,
日 経 デ ザ イ ン 2, pp.16-59, 日 経 BP, 2012.
[12] 上 田 隆 穂 , 江 原 淳 ： 製 品 デ ザ イ ン , マ ー ケ テ ィ ン グ 新 経 営 学 ラ イ ブ ラ リ
(8), pp.45-92, 新 世 社 , 1992.
[ 1 3 ] 朝 野 煕 彦：デ ザ イ ン 開 発 の た め の 調 査 分 析 法 ( マ ー ケ テ ィ ン グ ) , 日 本 行 動
計 量 学 会 大 会 発 表 論 文 抄 録 集 34, pp.66-67, 日 本 行 動 計 量 学 会 , 2006.
[14] 山 岡 俊 樹 ： ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー 入 門 , 森 北 出 版 , 2003.
[ 1 5 ] 山 岡 俊 樹：ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー に よ る 人 間 中 心 設 計 , 自 動 車
技 術 , Vol.58, No.1, pp.81-86, 2004.
[16] 経 済 産 業 省 ： 戦 略 的 デ ザ イ ン 活 用 研 究 会 , 経 済 産 業 省 ホ ー ム ペ ー ジ
http://www.meti.go.jp/policy/mono_info_service/mono/human-design
/sendeken.html
202
[ 1 7 ] 経 済 産 業 省 ： 戦 略 的 デ ザ イ ン 活 用 研 究 会 報 告 書「 競 争 力 強 化 に 向 け た ４ ０
の 提 言 」 ,2003.
[18] 池 本 浩 幸 ， 山 岡 俊 樹 ： 完 全 プ ロ フ ァ イ ル 型 コ ン ジ ョ イ ン ト 分 析 の 効 果 的
活 用 -最 小 プ ロ フ ァ イ ル カ ー ド と 不 完 全 順 位 回 答 の 試 用 ，日 本 感 性 工 学 会
論 文 誌 , 9(2)， pp.215-225， 2010.
[19] 池 本 浩 幸 , 山 岡 俊 樹 ： デ ザ イ ン 開 発 に お け る ポ ジ シ ョ ニ ン グ 分 析 の 活 用 ガ ウ ス 関 数 を 用 い た 選 好 回 帰 分 析 の 試 行 , 日 本 感 性 工 学 会 論 文 誌 10(2),
pp.193-203, 2011.
[20] 山 本 嘉 一 郎 , 小 野 寺 孝 義 ： Amos に よ る 共 分 散 構 造 分 析 と 解 析 事 例 , ナ カ
ニ シ ヤ 出 版 , 2002.
[21] 豊 田 秀 樹 ： 共 分 散 構 造 分 析 入 門 編 : 構 造 方 程 式 モ デ リ ン グ , 朝 倉 書 店 ,
1998.
[ 2 2 ] 寺 内 文 雄 , 久 保 光 徳 , 青 木 弘 行 , 橋 本 英 治：愛 着 の 発 生 に 関 わ る 因 果 モ デ
ル の 構 築 :人 工 物 設 計 に お け る 質 的 転 換 を 目 指 し て , デ ザ イ ン 学 研 究 ,
51(6), pp.45-51, 日 本 デ ザ イ ン 学 会 , 2005.
[23] 小 松 亜 紀 子 ： 自 己 認 識 が 流 行 志 向 に 及 ぼ す 影 響 :製 品 ス タ イ ル 選 択 に お け
る「 自 分 ら し さ 」の 判 断 基 準 と ト レ ン ド の 関 係 , デ ザ イ ン 学 研 究 , 52(5),
pp.21-26, 日 本 デ ザ イ ン 学 会 , 2006.
[ 2 4 ] 李 勇 , 釜 池 光 男 , 上 田 エ ジ ウ ソ ン：乗 用 車 に お け る デ ザ イ ン 要 件 と 欲 求 構
造 の 因 果 関 係 の 把 握 :中 国 に お け る 乗 用 車 購 買 行 動 の 分 析 , デ ザ イ ン 学 研
究 54(3), pp.65-74, 2007.
[25] 朴 成 桓 , 釜 池 光 夫 , 長 尾 徹 ：ユ ー ザ ・環 境・ 車 の 単 一 画 像 印 象 構 造 と 複 合
画 像 印 象 の 調 和 性 , デ ザ イ ン 学 研 究 , 55(6), pp.11-20, 日 本 デ ザ イ ン 学
会 , 2009.
[26] 酒 巻 隆 治 , 染 矢 聡 , 岡 本 孝 司：Web デ ザ イ ン に 対 す る 印 象 と 記 憶 さ れ る 情
報 量 と の 関 係 性 分 析 , デ ザ イ ン 学 研 究 , 55(6), pp.59-66, 日 本 デ ザ イ ン
学 会 , 2009.
[27] 上 田 尚 一 ： ク ラ ス タ ー 分 析 , 朝 倉 書 店 , 2003.
[28] Green, PE, Srinivasan, V： Conjoint Analysis in Consumer Research:
Issues and Outlook. The Journal of Consumer Research 5(2): pp.103-123,
1978.
[29] 岡 本 眞 一 ： コ ン ジ ョ イ ン ト 分 析
SPSS に よ る マ ー ケ テ ィ ン グ リ サ ー チ ，
ナ カ ニ シ ヤ 出 版 ， 1999.
[ 3 0 ] 服 部 正 太：対 話 型 コ ン ジ ョ イ ン ト 分 析 シ ス テ ム 日 本 語 版 A C A , 計 算 機 統 計
203
学 4(2), 日 本 計 算 機 統 計 学 会 , pp.67-70, 1991.
[31] 李 健 杓 ： コ ン ジ ョ イ ン ト 分 析 を 応 用 し た 形 態 分 析 法 , デ ザ イ ン 学 研 究
41(6), pp.11-16, 1995.
[32] 李 勇 ほ か ： 小 型 乗 用 車 の ス タ イ リ ン グ 要 素 の 最 適 組 合 せ :中 国 華 南 地 域 の
ユーザー調査をケースとして, デザイン学研究
57(6), 日 本 デ ザ イ ン 学
会 , pp.51-60, 2011.
[33] 朝 野 煕 彦 ： ポ ジ シ ョ ニ ン グ 分 析 , マ ー ケ テ ィ ン グ ・ リ サ ー チ 工 学 , 朝 倉
書 店 , pp.120-139, 2000.
[34] 岡 太 彬 訓 ,今 泉 忠 ： 選 好 度 の 写 像 分 析 法 , パ ソ コ ン 多 次 元 尺 度 構 成 法 , 共
立 出 版 , pp.115-130, 1994.
[35] 朝 野 煕 彦 ： マ ー ケ テ ィ ン グ ・ シ ミ ュ レ ー シ ョ ン (改 訂 版 ), pp.21-33， 同 友
館 ， 1994.
[36] 狩 野 裕 ： 主 成 分 分 析 は 因 子 分 析 で は な い !, 行 動 計 量 学 , 30(2),pp.240,
日 本 行 動 計 量 学 会 , 2004.
[37] 朝 野 煕 彦：マ ー ケ テ ィ ン グ・リ サ ー チ 工 学 , 朝 倉 書 店 , pp.120-139, 2000.
[ 3 8 ] 伊 豆 裕 一：フ ラ ッ ト 画 面 カ ラ ー テ レ ビ の デ ザ イ ン 開 発 と 商 品 展 開 , 東 芝 レ
ビ ュ ー 57(11), pp.39-42, 2002.
[39] 伊 豆 裕 一 ほ か ： 液 晶 テ レ ビ ” Beautiful FACE” の デ ザ イ ン 開 発 ， デ ザ イ ン
学 研 究 作 品 集 , 10(10), pp.6-11, 2004.
[40] 上 田 隆 穂 , 太 宰 潮 , 于 泰 来 ： 店 舗 選 択 時 の メ ニ ュ ー の 重 要 性 と 顧 客 視 点
か ら み た メ ニ ュ ー の カ テ ゴ ラ イ ゼ ー シ ョ ン :居 酒 屋 チ ェ ー ン を 事 例 と し
て , 學 習 院 大 學 經 濟 論 集 , Vol.43, No.1, pp.1-26, 学 習 院 大 学 , 2006.
[41] 申 美 花 ： プ ロ 組 織 人 の マ ネ ジ メ ン ト に 関 す る 研 究 － 事 務 系 ホ ワ イ ト カ ラ
ー を 対 象 に し た 実 証 研 究 に 基 づ い て , 21 世 紀 社 会 デ ザ イ ン 研 究 , No.3,
pp.33-41, 立 教 大 学 大 学 院 21 世 紀 社 会 デ ザ イ ン 研 究 科 , 2004.
[42] 山 本 浩 司 , 松 島 格 也 , 岡 田 貢 一 ： 共 分 散 構 造 モ デ ル を 用 い た 高 速 道 路 の
休 憩 施 設 の 整 備 効 果 分 析 , 建 設 マ ネ ジ メ ン ト 研 究 論 文 集 , Vol.15,
pp.81-90, 2008.
[ 4 3 ] 武 藤 雅 威 , 柴 田 宗 典 , 日 比 野 直 彦：主 観 的 意 識 に 着 目 し た 休 日 の 幹 線 交 通
機 関 選 択 行 動 に 関 す る 研 究 , 運 輸 政 策 研 究 , 6(4), pp.2-11, 運 輸 政 策 研
究 機 構 , 2004.
[44] 田 村 良 一 ： 冷 蔵 庫 の 商 品 ラ イ ン ア ッ プ の 変 遷 と そ の 構 造 :商 品 ラ イ ン ア ッ
プ に み る デ ザ イ ン 手 法 に 関 す る 研 究 (1), デ ザ イ ン 学 研 究
pp.39-48,1999.
204
46(3),
[45] 田 村 良 一 ： 冷 蔵 庫 の 物 理 的 特 性 か ら み た 商 品 ラ イ ン ア ッ プ の 構 造 :商 品 ラ
イ ン ア ッ プ に み る デ ザ イ ン 手 法 に 関 す る 研 究 (2), デ ザ イ ン 学 研 究 47(2),
pp.27-36, 2000.
[ 4 6 ] 内 閣 府 経 済 社 会 総 合 研 究 所 景 気 統 計 部：消 費 動 向 調 査 平 成 2 3 年 3 月 実
施 調 査 結 果 , 平 成 24 年 4 月 17 日 公 表 .
[47] 金 建 河 , 中 川 慶 一 郎 , 大 野 高 裕：耐 久 消 費 財 の 買 替 え 時 点 と ブ ラ ン ド・ス
イ ッ チ ン グ , 日 本 経 営 工 学 会 論 文 誌 , Oct, Vol.51, No.4, pp.389-396, 社
団 法 人 日 本 経 営 工 学 会 , 2000.
[48] 東 芝 ： リ ー チ イ ン 冷 蔵 庫 GR-X56FT/X53FT, 東 芝 レ ビ ュ ー 63(3), pp.29,
2008.
[49] 東 芝 ： ま る ご と 鮮 度 名 人 ク ー ル イ ン １ ス タ イ ル
64(3), pp.29, 2009.
205
GR-A51R, 東 芝 レ ビ ュ ー
第５章 総括
本研究の成果を総括するとともに今後の課題と将来展望を述べ，本論文の結
びとする．
５．１．まとめ（要約）
本研究では「デザイン要件を可視化する方法」として，クラスター分析によ
り消費者をセグメント化しつつ以下の手法を組み合わせて用いることによって，
製品デザインに対する要件を定量的に抽出する方法を提案し，その有効性と課
題を明確にした．①製品デザインに対する消費者の認知と選好を定量的に把握
し て 新 し い 価 値 を 提 供 す る デ ザ イ ン を 探 索 す る ポ ジ シ ョ ニ ン グ 分 析 [ 1 ] ，② 消 費
者の価値判断基準を定量化して選好や購入意向を最大にする最適な仕様の組み
合 わ せ を 検 討 す る コ ン ジ ョ イ ン ト 分 析 [ 2 ] ，③ 消 費 者 の 多 様 な 価 値 観 や こ だ わ り
を定量的に把握してデザインの選好や購入意向を裏付ける構造方程式モデリン
グ （ Ｓ Ｅ Ｍ ） [3-4]．
消 費 者 向 け 電 気 製 品 （ 家 電 や 映 像 ･情 報 ･通 信 機 器 な ど ） の コ モ デ ィ テ ィ 化 を
回避するためには，製品に機能や性能だけではない新たな顧客価値を付与して
自社製品を差異化し価格競争に陥らないようにする必要がある．デザインは製
品の価値を視覚的に分かりやすく提示できるため，消費者の五感に訴求し，製
品に情緒的，精神的な意味的価値を付与するうえで重要である．消費者の情緒
的，精神的な満足が得られるようなデザイン価値を提供するには，デザインプ
ロセスの上流段階で消費者の多様な価値観や潜在的なニーズ，こだわりや自己
表現を理解し，それを製品デザインの要件として定量的に可視化し製品のコン
セ プ ト に 反 映 す る こ と が 必 要 で あ る [5]．
マーケティング・リサーチで用いられる手法を応用した製品デザインの既存
の 方 法 論 [ 6 - 7 ] で は ，知 覚 マ ッ プ を 用 い た 選 好 回 帰 [ 8 ] や コ ン ジ ョ イ ン ト 分 析 [ 9 ]
などデザイン要件を定量的に可視化する手法が用いられているが，選好回帰に
は知覚マップ上で選好が最大となる最適な位置が分からないという問題があり，
デザインの評価に好適な完全プロファイル型のコンジョイント分析には調査対
象とする水準が増えるに従ってプロファイルカードが増え調査が困難になると
い う 問 題 が あ る ．前 記 方 法 論 で は 採 用 さ れ て い な が Ｓ Ｅ Ｍ [ 3 - 4 ] は 消 費 者 の 価 値
観やこだわりなど意味的価値に踏み込んでデザインに対する選好や購買意向の
206
構造分析ができる可能性があるが，製品デザインの要件を定量的に可視化する
目的での応用例が少ないという課題がある．
従来の選好回帰の上記問題を解決するため，知覚マップに消費者の選好の変
化を連続的に重ね合わせて図示し消費者に最も好まれるデザインのポジション
を示すことのできる２次元ガウス分布の確率密度関数に似た関数を用いて選好
回 帰 を 行 う 方 法 を 提 案 し ，そ の 選 好 関 数 を ガ ウ ス モ デ ル と 命 名 し た [ 1 ] ．こ れ に
より製品デザインのポジショニング分析において，多様な価値観を持つ消費者
を一枚のポジショニングマップで俯瞰できるようになり，回答者全体で選好度
が高い「選好の山」や回答者全体で選好度が低い「選好の谷」がマップ上に示
されるようになった．ガウスモデルによる選好回帰の有効性を検証するため，
デジタルカメラのデザインを用いたポジショニング分析を行って既存手法とガ
ウスモデルの結果を比較した結果，ガウスモデルによる分析結果が製品デザイ
ンの開発で行うポジショニング分析の要件を満たし，デザイン開発に役立つ知
見 が 得 ら れ る こ と を 示 し た [1]．
ま た ，完 全 プ ロ フ ァ イ ル 型 の コ ン ジ ョ イ ン ト 分 析 の 上 記 問 題 を 解 決 す る た め ，
回答者の負担を過度に気にすることなく属性や水準を少しでも多く盛り込める
よ う プ ロ フ ァ イ ル カ ー ド の 枚 数 を 最 小 に す る ア ル ゴ リ ズ ム を 提 案 し た [ 2 ] ．こ の
アルゴリズムは属性間が直交しているとするコンジョイント分析の前提を統計
的な独立性を保つという条件に緩和する代わりに，各水準がプロファイルカー
ドにバランス良く盛り込まれるような論理的に最小枚数（総水準数－属性数＋
１）のプロファイルカードを反復計算によって求める実用的なものである．こ
のアルゴリズムの有効性を検証するためデジタルカメラの仮想企画に対してコ
ンジョイント分析を行う調査実験を行ったところ，提案したアルゴリズムによ
っ て 作 成 し た 最 小 枚 数（ 10 枚 ）の プ ロ フ ァ イ ル カ ー ド を 用 い た 調 査 は 一 般 的 な
直 交 計 画 で 作 成 し た プ ロ フ ァ イ ル カ ー ド（ 16 枚 ）を 用 い た 調 査 と 分 析 結 果 は 同
等であるが回答時間を短縮させ誤答率を下げることができるため回答者の負担
を軽減できることを示した．また，回答者の興味関心が高い上位の順位データ
（部分順位）だけで部分効用値を推定するための不完全な順位回答を許容する
分 析 法 を 仮 説 と し て 提 案 し ，最 小 枚 数 の プ ロ フ ァ イ ル カ ー ド に 対 し 全 順 位 の 7 5
～ 80％ 程 度 の 上 位 順 位 を 回 答 す る だ け で 全 順 位 を 回 答 し た 場 合 と ほ ぼ 同 等 の 分
析 結 果 が 得 ら れ ， こ れ が 回 答 者 の さ ら な る 負 担 軽 減 に 役 立 つ こ と を 示 し た [2]．
製品デザインに対する要件を明確化する目的で使用するＳＥＭにおいて，消
費 者 が 感 じ る 印 象 と そ の 印 象 の 背 後 に あ る 価 値 観 や こ だ わ り を 構 成 概 念（ 因 子 ）
として抽出し，それら構成概念と消費者の態度（選好や購入意向など）との関
207
係を分析するためのデザイン選好構造モデルを提案した．
上記のプロファイルカードを最小枚数にするコンジョイント分析，および上
記の選好度付きポジショニング分析，ならびに上記のデザイン選好構造モデル
を用いたＳＥＭを効果的に組み合わせて用いるデザイン要件を可視化する方法
を提案した．
デザイン要件を可視化する方法を冷蔵庫のデザイン開発に適用した結果，主
流となっている伝統的なデザインの潮流は踏襲しつつも，一方で消費者の新し
い価値観に合う変化や方向性を模索するという課題に対し，仮説として立案し
た木目・こげ茶の面材（色）を使用した幾つかの特徴を持つデザインが購入意
向に結びつくことを消費者の価値観やデザインの印象から定量的に示すことが
できた．この適用事例からデザイン要件を可視化する方法が，製品デザインが
選好される（されない）理由を製品選択へのデザインの寄与度，消費者の価値
観との一致，他の製品デザインとの差異化の状況，およびデザインが与える印
象から定量的かつ多面的に説明することができ，また，製品全体の価値を高め
るためのデザインが具備すべき仕様や特徴，およびそれを裏付ける消費者の価
値観との関連度，並びにそのようなデザインが製品全体に与える効果を定量的
に示すことができることが裏付けられた．一方でこの方法には，コンジョイン
ト 分 析 で デ ザ イ ン を 属 性・水 準 に 分 解 す る こ と が で き な い 時 の 利 用 方 法 の 明 示 ，
およびＳＥＭによるデザイン選好構造モデルの適合度改善などの課題があるこ
とも判明した．
５．１．１．各章のまとめ
各章の内容を以下にまとめる．
(1) 第 １ 章 ： 序 論
本 研 究 は 消 費 者 向 け 電 気 製 品 （ 家 電 や 映 像 ･情 報 ･通 信 機 器 な ど ） の 製 品 デ ザ
イ ン を 研 究 対 象 と し て い る ．第 １ 章 で は 本 研 究 の 背 景 と 動 機 ，既 往 手 法 の 課 題 ，
および研究の目的を述べた．
まず，本研究の背景として，消費者向け電気製品は技術の成熟化やグローバ
ル競争によってコモディティ化しており，コモディティ化を回避するためには
製品に機能や性能だけではない新たな顧客価値を付与して自社製品を差異化し
価格競争に陥らないようにする必要があることを述べた．そして，新たな顧客
208
価値を付与するためには消費者が日常の生活経験の中で製品にどのような意味
的価値を見いだすのかを理解し，製品に消費者が選択したくなるような他には
な い 特 徴 を 盛 り 込 む こ と が 重 要 で あ る こ と を 指 摘 し た [ 5 ] ．さ ら に ，デ ザ イ ン は
製品の価値を視覚的に分かりやすく提示できるため，消費者の五感に訴求し，
製品に情緒的，精神的な意味的価値を付与するうえで重要であり，経済産業省
が デ ザ イ ン を 競 争 力 の 源 泉 と し て 戦 略 的 に 活 用 し よ う と す る 政 策 [10]を 行 っ て
きたことを説明した．
以上を踏まえ本研究の動機として，消費者の情緒的，精神的な満足が得られ
るようなデザイン価値を提供するには，デザインプロセスの上流段階で消費者
の多様な価値観や潜在的なニーズ，こだわりや自己表現を理解し，それを製品
デザインの要件として定量的に可視化し製品のコンセプトに反映する必要があ
ることを述べた．
続いて，本研究の基礎となるマーケティング・リサーチで用いられる手法を
デザインプロセスに応用した製品デザインの既存の方法論を概観した．代表的
な 方 法 論 で あ る 製 品 ラ イ フ サ イ ク ル・マ ネ ジ メ ン ト モ デ ル [ 6 ] お よ び ヒ ュ ー マ ン
デ ザ イ ン テ ク ノ ロ ジ ー （ Human Design Technology） [7]で は ， 知 覚 マ ッ プ を 用
いた選好回帰やコンジョイント分析などデザイン要件を定量的に可視化する手
法が用いられていることを示した．
そして，現在用いられている選好回帰の課題として，理想ベクトルモデルを
用いる選好回帰では知覚マップ上で選好が最大となる最適な位置が分からない
という問題があること，および理想点モデルを用いる選好回帰では解釈できな
い負の理想点や鞍点が出現するという問題があることを指摘した．さらに，デ
ザインの評価に好適な完全プロファイル型のコンジョイント分析には調査対象
とするデザインや機能・性能の水準が増えるに従ってプロファイルカードが増
え調査が困難になるという問題があることを述べた．一方，構造方程式モデリ
ング（ＳＥＭ）は消費者の価値観やこだわりなど意味的価値に踏み込んでデザ
インに対する選好や購買意向の構造分析ができる可能性があるが，製品デザイ
ンの要件を定量的に可視化する目的での応用例が少なく，選好回帰やコンジョ
イント分析と組み合わせて用いることにより消費者の情緒的，精神的な満足と
具体的な製品デザインとの関係をデザイン要件として明らかにする方法を確立
することが課題であることを示した．
上記の背景や課題から，本研究の目的が製品デザインに対する消費者の認知
と選好を定量的に把握して新しい価値を提供する機会を探索するポジショニン
グ分析および消費者の価値判断基準を定量化して選好や購買意向を最大にする
209
諸属性の最適な組み合わせを検討するコンジョイント分析，ならびに消費者の
多様な価値観やこだわりを定量的に把握してデザインの選好や購買意向を裏付
ける構造方程式モデリングを効果的に組み合わせて用いることによって，デザ
イン要件を定量的に可視化し，消費者向け電気製品に消費者を魅了し他社を差
異化するような意味的価値を付与するために行う製品のデザインを支援するこ
とにあることを述べた．
(2) 第 ２ 章 ： デ ザ イ ン 開 発 に お け る ポ ジ シ ョ ニ ン グ 分 析 の 活 用
第２章では，製品デザインに対する消費者の認知と選好を把握して新しい価
値の提供機会を探索するポジショニング分析において，コレスポンデンス分析
で得られた知覚マップに消費者の選好の変化を連続的に重ね合わせて図示し，
消費者に最も好まれるデザインのポジションを示すことにより，デザイン要件
を 定 量 的 に 可 視 化 す る 手 法 と そ の 有 効 性 を 述 べ た [1]．
ま ず ， 一 般 的 に 用 い ら れ る 選 好 回 帰 の 手 法 で あ る PREFMAP（ 選 好 度 の 写 像 分
析 法 ） [11]の 理 想 ベ ク ト ル モ デ ル お よ び 理 想 点 モ デ ル ， 並 び に 等 高 線 マ ッ プ モ
デ ル [12]の 数 理 モ デ ル を 説 明 し ， そ れ ら を 用 い た ポ ジ シ ョ ニ ン グ 分 析 が 製 品 デ
ザインの要件を定量的に可視化するためには十分でないことを示した．具体的
には，理想ベクトルモデルおよび等高線マップモデルは消費者が最も好む位置
が分からないこと，理想点モデルはその位置に近づくほど選好度が高くなる正
の理想点が得られる場合がある反面，解釈が困難な負の理想点（理想点がその
位置に近づくほど選好度が下がる点）や（選好度の変化率の符号が２軸で変化
する点）になる場合があるという問題があった．
そ し て ，製 品 の デ ザ イ ン に ポ ジ シ ョ ニ ン グ 分 析 を 応 用 す る 場 合 の 要 件 と し て ，
多様な価値観を持つ消費者を一枚のポジショニングマップで俯瞰できるように
し，回答者全体で選好度が高い「選好の山」や回答者全体で選好度が低い「選
好の谷」がマップ上に示されるようにすることが有益であることを述べた．
続いて，上記問題を解決するためには知覚マップに消費者の選好の変化を連
続的に重ね合わせて図示し消費者に最も好まれるデザインのポジションを示す
ことが有用であり，２次元ガウス分布の確率密度関数に似た関数を用いて選好
回 帰 を 行 う 方 法 を 提 案 し ， そ の 選 好 関 数 を ガ ウ ス モ デ ル と 命 名 し た [1]．
さらに，提案した方法の有用性を検証するためにデジタルカメラの仮想のデ
ザインを用いたポジショニング分析を行い，既存手法とガウスモデルの結果を
比較した結果として，ガウスモデルによる分析結果が製品デザインの開発で行
210
うポジショニング分析の要件を満たし，デザイン開発に役立つ知見が得られる
こ と を 示 し た [1]．
(3) 第 ３ 章 ： 完 全 プ ロ フ ァ イ ル 型 コ ン ジ ョ イ ン ト 分 析 の 効 果 的 活 用
第３章では，デザインの価値分析やコンセプト策定のために行う完全プロフ
ァイル型のコンジョイント分析において，プロファイルカードの枚数を最小に
することによって，回答者の回答負荷を減じつつより多くの属性や水準を調査
に 盛 り 込 め る よ う に す る た め の 方 法 と そ の 有 効 性 を 述 べ た [ 2 ] ．ま た ，回 答 者 の
回答負担をさらに軽減するために，回答者が興味関心のある上位順位のプロフ
ァイルカードに回答するだけで部分効用値を推定できるようにする不完全な順
位 回 答 を 許 容 す る 分 析 法 の 提 案 と 試 行 の 結 果 を 述 べ た [2]．
まず，製品デザインの開発を支援する目的で行うコンジョイント分析の要件
として，購買行動と同等のトレードオフが働くこと，およびデザインの候補が
一覧・比較できる状態で回答できること，並びに個人ごとの選好を分析でき多
様な価値観の消費者を群分けできることを述べた．そして，コンジョイント分
析の様々な既存手法を概観し，完全プロファイル型のコンジョイント分析が要
件を満たすことを示した．
次に，完全プロファイル型のコンジョイント分析には，調査する属性・水準
が多いとプロファイルカードの枚数が増え回答者の回答負荷が増大して調査精
度が低下する問題があること，および実際の適用においてはプロファイルカー
ドの枚数が現実的な調査に耐えられる枚数以内に収まることを優先し属性・水
準を絞り込んでいる現状を述べた．
続いて，製品デザインの開発を支援するために行うコンジョイント分析にお
いて属性・水準を絞り込むことは有益ではなく，完全プロファイル型のコンジ
ョイント分析において回答者の負担を過度に気にすることなく属性や水準を少
しでも多く盛り込めるようプロファイルカードの枚数を最小にするアルゴリズ
ムを提案した．このアルゴリズムは属性間が直交しているとするコンジョイン
ト分析の前提を統計的な独立性を保つという条件に緩和する代わりに，各水準
がプロファイルカードにバランス良く盛り込まれるような論理的に最小枚数
（総水準数－属性数＋１）のプロファイルカードを反復計算によって求める実
用的なものである．
そ し て ， デ ジ タ ル カ メ ラ の 仮 想 の 企 画（ ６ 属 性 ２ ～ ４ 混 合 水 準 ）に 対 し て コ
ンジョイント分析を行う調査を行い，提案したアルゴリズムを用いたコンジョ
211
イント分析が有効であることを示した．具体的には，提案したアルゴリズムに
よ っ て 作 成 し た 最 小 枚 数（ 10 枚 ）の プ ロ フ ァ イ ル カ ー ド を 用 い た 調 査 と 一 般 的
な 直 交 計 画 で 作 成 し た プ ロ フ ァ イ ル カ ー ド（ 16 枚 ）を 用 い た 調 査 を 比 較 し た と
ころ，分析精度は同等であったが，回答時間を短縮させ誤答率を下げることが
でき回答者の負担を軽減できた．
さらに，プロファイルカードの順位付けにおいて回答者の負担をさらに軽減
するため，回答者の興味関心が高い上位の順位データ（部分順位）だけで部分
効用値を推定するための不完全な順位回答を許容する分析法を仮説として提案
した．この仮説的な分析法は，回答した順位データと未回答の順位データは分
散が異なるという仮定を置き，通常のコンジョイント分析で用いられる最小二
乗法ではなく一般化最小二乗法を用いて反復的に部分効用値を推定するもので
ある．反復計算の収束条件や未回答の順位データの扱いは選択肢となる候補を
示した．
続いて，提案した不完全な順位回答を許容する分析法の確立とその有効性を
確認する目的で，前述のデジタルカメラの仮想企画に対する調査データを用い
てシミュレーションを行った結果を述べた．具体的には，不完全な順位回答を
許容する分析法として，未回答の順位には最下位の順位を当てはめる，および
回答した順位データと未回答の順位データに重みを設定しない，並びに部分効
用値の推定における反復計算の収束条件とする目的関数は部分効用の分散の和
をデザイン行例の条件数で除した値を最大化することが望ましいことが分かっ
た．
そして，不完全な順位回答を許容する分析法により，最小枚数のプロファイ
ル カ ー ド に 対 し 全 順 位 の 75～ 80％ 程 度 の 上 位 順 位 を 回 答 す る だ け で 全 順 位 を
回答した場合とほぼ同等の分析結果が得られ，これが回答者のさらなる負担軽
減に役立つことを述べた．
(4) 第 ４ 章
デザイン要件を可視化する方法の提案とデザイン開発への適用
第４章では，デザイン要件を可視化する方法を提案し，その方法を冷蔵庫の
デザイン開発に適用した結果，および提案した方法の有効性と課題を述べた．
デザイン要件を可視化する方法は，プロファイルカードを最小枚数にするコ
ンジョイント分析，選好度付きポジショニング分析，構造方程式モデリングに
よるデザイン選好構造の分析，およびクラスター分析を効果的に組み合わせて
用いる．プロファイルカードを最小枚数にするコンジョイント分析は本論文の
212
第３章に示したものであり，選好度付きポジショニング分析は本論文の第２章
で示したものである．構造方程式モデリングによるデザイン選好構造の分析を
行うにあたり基本的な分析モデルをデザイン選好構造モデルとして提案した．
この分析モデルは，製品デザインに対して消費者が感じる印象とその印象の背
後にある価値観やこだわりを構成概念（因子）として抽出し，それら構成概念
と 消 費 者 の 態 度（ 選 好 や 購 入 意 向 な ど ）と の 関 係 を 分 析 す る た め の も の で あ る ．
この方法をデザイン要件の探索的な分析（アナリシス）に用いると，製品デ
ザインが選好される（されない）理由を製品選択へのデザインの寄与度，消費
者の価値観との一致，他の製品デザインとの差異化の状況，およびデザインが
与える印象から定量的かつ多面的に説明することができるようになると期待さ
れる．また，この方法を製品コンセプトにデザイン要件を反映するための統合
（シンセシス）に用いると，製品全体の価値を高めるためのデザインが具備す
べき仕様や特徴，およびそれを裏付ける消費者の価値観との関連度，並びにそ
のようなデザインが製品全体に与える効果を定量的に示すことができるように
なると期待される．
提案したデザイン要件を可視化する方法を冷蔵庫のデザイン開発に適用した．
冷 蔵 庫 の 使 用 年 数 は 平 均 １ ０ ． ８ 年 で 買 い 替 え サ イ ク ル が 長 い た め [13]， そ の
デザインは店頭では競合する他社製品より優れたデザイン性を訴求でき，家庭
では長く愛着の持てるデザインであることが求められる．適用した冷蔵庫のデ
ザイン開発では冷蔵庫らしいデザインと選好や購入意向の関係，および家具の
ようなデザインの受容可能性であった．
デザイン要件を可視化する方法を適用するための調査は，冷蔵庫に関心のあ
る ２ ０ ～ ５ ０ 歳 代 の 女 性 の 実 験 協 力 者 ３ ０ ０ 人 に Web ア ン ケ ー ト に て 行 っ た ．
コンジョイント分析の実施においては，冷蔵庫らしいデザインであるかどう
か の 要 素 を ， 本 体 の 色 （ 面 材 ）， 丸 み を 帯 び た 本 体 形 状 ， お よ び ハ ン ド ル の 大 き
さや形状と考え，これらを属性・水準とした３属性計１１水準のコンジョイン
ト分析を行った．プロファイルカードを最小枚数にするアルゴリズムによりプ
ロファイルカードは８枚となり，開発者が追加したデザイン３枚を加えて１１
枚を調査に用いた．この１１件のデザインに対し，好きなデザインの順位，冷
蔵庫らしいデザインの順位，および購入したいデザインの順位を回答してもら
った．
ポジショニング分析およびＳＥＭの実施においては，１１件の各デザインか
ら受ける印象をデザインから感じる機能・性能・使い勝手への印象を尋ねる評
価語６件，使用・購入を考えた際のデザインの印象を尋ねる評価語７件，およ
213
び外観デザインの印象を尋ねる評価語１６件の計２９件の評価語を用い，それ
ぞ れ ５ 段 階 ( 非 常 に あ て は ま る ，ま あ あ て は ま る ，ど ち ら と も い え な い ，あ ま り
あ て は ま ら な い ，全 く あ て は ま ら な い ) で 回 答 し て も ら っ た ．さ ら に ，各 デ ザ イ
ンに対し，好きなデザイン，デザインが優れている，心魅かれるデザイン，冷
蔵庫らしいデザイン，および購入したいデザインについての印象を上記と同様
の５段階で回答してもらった．
適用した冷蔵庫のデザイン開発では購入したいデザインとなるためのデザイ
ン要件の抽出が求められていたため，購入したいデザインの順位データを用い
てクラスター分析を行い，回答者を３タイプのセグメントに分類した．回答者
全員およびセグメント別にコンジョイント分析，選好度付きポジショニング分
析，およびＳＥＭによるデザイン選好構造の分析を行ったところ，以下の結果
を得た．
① タ イ プ １ の 消 費 者 セ グ メ ン ト ( 構 成 比 4 9 % ) は ス テ ン レ ス（ 重 視 度 7 0 % ）で ハ ン
ド ル が 大 き い （ 重 視 度 2 8 % ） も の が キ ッ チ ン に あ い （ 影 響 度 3 7 % ）， 使 っ て い
る 自 分 を イ メ ー ジ で き （ 影 響 度 3 4 % ）， 親 し み や す い （ 影 響 度 1 8 % ） の で 購 入
意向を持つ．
② タ イ プ ２ の 消 費 者 セ グ メ ン ト ( 構 成 比 3 5 % ) は ス テ ン レ ス か 白（ 重 視 度 9 6 % ）の
面 材（ 色 ）に 冷 蔵 庫 ら し さ（ 影 響 度 4 7 % ）を 感 じ ，使 い や す そ う（ 影 響 度 3 1 % ）
で ， よ く 冷 え そ う で 清 潔 な 印 象 （ 影 響 度 23%)を 感 じ る の で 購 入 意 向 を 持 つ ．
③ タ イ プ ３ の 消 費 者 セ グ メ ン ト (構 成 比
16%) は ハ ン ド ル に 大 き な 飾 り が あ り
（ 重 視 度 5 2 % ）， 面 材 （ 色 ） が 木 目 ・ こ げ 茶 （ 重 視 度 4 7 % ） の も の に ， デ ザ イ
ン が 優 れ て い て （ 影 響 度 4 7 % ）， 高 級 感 が あ り （ 影 響 度 3 2 % ）， 高 品 質 ・ 高 機 能
さ（ 影 響 度 25%）と 洗 練 さ れ た 品 位（ 影 響 度 20%）を 感 じ る ．そ の よ う な デ ザ
イ ン の 冷 蔵 庫 が 好 き （ 影 響 度 30%） で あ り ， そ れ を 持 っ て い る 自 分 は セ ン ス
の 良 い 人 に 思 わ れ そ う （ 影 響 度 21%） で ， 長 く 使 っ て い け そ う （ 影 響 度 21%）
であるため，購入し使用することが満足や充実・幸せ感をもたらす（影響度
3 0 % ）．
この結果を踏まえ以下の結論を得た．
①冷蔵庫らしいデザインを求める消費者にはステンレスや白を基本とした主流
のデザインに対し，キッチンに合い，ハンドル形状を含め全体的に使いやす
さが感じられるデザインとなるように改善を進める必要がある．
214
②冷蔵庫らしくない高級感のあるデザインを求める消費者には，木目・こげ茶
のような色を基本とするが，このタイプの消費者の選好には多様性があるた
め，より多くの消費者に受け入れられるようにデザイン表現を工夫する必要
がある．
冷蔵庫のデザイン開発への適用によって，提案したデザイン要件を可視化す
る方法は所期の効果があることが確認された．一方でこの方法には，コンジョ
イント分析でデザインを属性・水準に分解することができない時の利用方法の
明示，およびＳＥＭによるデザイン選好構造モデルの適合度改善などの課題が
あることも判明した．
５．１．２．全体的な考察
本研究で提案したデザイン要件を可視化する方法は，消費者向け電気製品に
消費者を魅了し他社を差異化するような意味的価値を付与するために行う製品
のデザインを支援するために有効であることが分かった．
筆者は企業のデザイン部門に所属し，消費者向け電気製品の開発に長く従事
している．本論文で提案したデザイン要件を可視化する方法を５年以上にわた
り必要に応じてデザイン開発業務に利用してきた．この方法を十数件の製品開
発に適用した現在でも，本研究の結論に変わりはないことを申し添える．
215
５．２．本研究の今後の課題と展望
デザイン要件を可視化する方法には，第４章で述べたような課題がある．以
下に課題と展望をまとめる．
・コンジョイント分析において，デザインを属性・水準に分解できない場合で
も個々のデザイン仕様の重視度を知りたい場合の手法の活用方法を明確化で
きていない．デザインを属性・水準に分解できない場合でも，ＳＥＭを用い
てコンジョイント分析と同等の結果を出す効果的な方法を具体的な適用事例
を元に提案する．
・ポジショニング分析において，選好回帰のベースとなる知覚マップの分析精
度を向上させるための方法を明示できていない．製品デザインに対する消費
者の印象を尋ねる評価語の選定方法も知覚マップの精度に影響していると考
え ら れ る ．例 え ば ，
「 個 性 的 な デ ザ イ ン 」と い う 評 価 語 は よ い 意 味 で も 悪 い 意
味でも解釈できる．より適確な評価語の選定方法を提案する．
・デ ザ イ ン 選 好 構 造 モ デ ル を 用 い た Ｓ Ｅ Ｍ に お い て G F I や A G F I な ど の 適 合 度 指
標が高くないという課題がある．現状の分析精度でもデザインの選好や購入
意向をデザインの印象と回答者の態度による因果関係で構造的に説明するに
は十分に参考になるが，適合度を下げている要因の特定と調査方法を含めた
デザイン選好構造のモデル化のやり方を再検討する．
・提案したデザイン要件を可視化する方法ではクラスター分析の方法には踏み
込んでいない．製品開発への適用事例を増やし目的とする分析結果を得るた
めにはどのようにクラスター分析を用いるべきかという点を明らかにしてい
くことが課題である．
・デザイン要件を可視化する方法を様々な製品開発に適用して実践的なノウハ
ウを蓄積し，手法を洗練するとともに，デザイン要件をより効果的かつ効率
的に可視化するための方法（アルゴリズム）をまとめていく．
216
５．３．第５章の参考文献
[1]
池本浩幸, 山岡俊樹：デザイン開発におけるポジショニング分析の活用ガウス関数を用いた選好回帰分析の試行, 日本感性工学会論文誌
10(2),
pp.193-203, 2011.
[2]
池本浩幸，山岡俊樹：完全プロファイル型コンジョイント分析の効果的
活 用 -最 小 プ ロ フ ァ イ ル カ ー ド と 不 完 全 順 位 回 答 の 試 用 ， 日 本 感 性 工 学 会
論 文 誌 , 9(2)， pp.215-225， 2010.
[3]
豊 田 秀 樹 ： 共 分 散 構 造 分 析 入 門 編 :構 造 方 程 式 モ デ リ ン グ , 朝 倉 書 店 ,
1998.
[4]
山 本 嘉 一 郎 , 小 野 寺 孝 義 編 ： Amos に よ る 共 分 散 構 造 分 析 と 解 析 事 例 第
2 版 , ナ カ ニ シ ヤ 出 版 , 2002.
[5]
河野万邦：脱コモディティ化に向けた意味的価値共創の有効性に関する
考察～消費財を対象にした実証研究を通して～, 専門職学位論文, 早稲
田 大 学 大 学 院 商 学 研 究 科 , 2011.
[6]
上田隆穂, 江原淳：製品デザイン, マーケティング 新経営学ライブラリ
(8), pp.45-92, 新 世 社 , 1992.
[7]
山 岡 俊 樹 ： ヒ ュ ー マ ン デ ザ イ ン テ ク ノ ロ ジ ー 入 門 , 森 北 出 版 , 2003.
[8]
鈴 木 督 久 :知 覚 マ ッ プ と 選 好 回 帰 に よ る 市 場 セ グ メ ン ト , 多 変 量 解 析 実
践 セ ミ ナ ー 数 量 化 Ⅲ 類 テ キ ス ト , 日 本 科 学 技 術 研 修 所 , 1998.
[9]
岡 本 眞 一 ： コ ン ジ ョ イ ン ト 分 析 SPSS に よ る マ ー ケ テ ィ ン グ リ サ ー チ ,ナ
カ ニ シ ヤ 出 版 , 1999.
[10] 経 済 産 業 省 ： 戦 略 的 デ ザ イ ン 活 用 研 究 会 報 告 書 「 競 争 力 強 化 に 向 け た ４
０ の 提 言 」 , 2003.
[11] Carroll,
scaling.In
J.
D.:
R.N.
Individual
Shepard
Vol.I, New York, Seminor
differences
et.al.
and
multidimensional
(Eds) Multidimensional scaling,
Press, pp.105-115, 1972.
[12] 小 杉 考 司 ほ か ： 等 高 線 マ ッ ピ ン グ に よ る 態 度 布 値 モ デ ル ， 行 動 計 量 学 ，
第 31 巻 ， 第 1 号 ， pp.17-24， 2004.
[13] 内 閣 府 経 済 社 会 総 合 研 究 所 景 気 統 計 部 ： 消 費 動 向 調 査 平 成 23 年 3 月
実 施 調 査 結 果 , 平 成 24 年 4 月 17 日 公 表 .
217
謝辞
本研究は，和歌山大学大学院システム工学研究科博士後期課程に在籍中，お
よび社会人学生として株式会社東芝に在職中に行ったものであり，終始懇切親
身なご指導とご鞭撻を賜りました和歌山大学大学院システム工学研究科の山岡
俊樹教授に心から感謝いたします．
コンジョイント分析や双対尺度法に関する最新理論と拡張の可能性について
ご指導とご議論を賜りました首都大学東京大学院社会科学研究科の朝野熙彦教
授（ 現 在 は 多 摩 大 学 大 学 院 経 営 情 報 学 研 究 科 客 員 教 授 ）に 深 く 感 謝 い た し ま す ．
提案手法を検証するマーケティング・リサーチにあたり，消費者行動論の立
場から適切なご指導を賜りました香川大学経済学部の川島隆志特命教授（株式
会社ＪＭＲサイエンス）に感謝いたします．
提案手法のシステム試作にあたり，永年のご経験と卓越した技術で長期に渡
ってご支援，ご協力下さった株式会社アーク情報システムの穂積照雄氏に御礼
申し上げます．
本研究は，株式会社東芝デザインセンターの上司，同僚など多くの方々のご
支 援 ，ご 協 力 の 下 で 行 い ま し た ．株 式 会 社 東 芝 の 関 係 の 方 々 に 感 謝 い た し ま す ．
第四章の事例研究においては，同社デザインセンターの若佐真理氏に冷蔵庫を
はじめとする家電のデザイン開発の実情に基づいた有益なご助言とご支援をい
ただきました．改めて御礼申し上げます．
最後に，長期間の研究活動と大学院博士後期課程での勉強を励まし，終始温
かく見守ってくれた妻磨美江，息子有輝，息子拓未に深く感謝します．
1
研究業績
１．本論文に関連する発表
原著論文
池本浩幸，山岡俊樹：デザイン開発におけるポジショニング分析の活用－ガ
ウ ス 関 数 を 用 い た 選 好 回 帰 分 析 の 試 行 − ， 日 本 感 性 工 学 会 論 文 誌 ， Vo l . 1 0 ，
N o . 2 ， p p . 1 9 3 - 2 0 3 ， 2 0 11 年 ．
西澤よそ子，池本浩幸：家電商品デザインに対する見た目の印象評価，人間
生 活 工 学 ， Vo l . 1 2 ， N o . 2 ， p p . 6 5 - 7 0 ， 人 間 生 活 工 学 研 究 セ ン タ ー ， 2 0 1 1 ．
池 本 浩 幸 ，山 岡 俊 樹 ： 完 全 プ ロ フ ァ イ ル 型 コ ン ジ ョ イ ン ト 分 析 の 効 果 的 活 用 —
最 小 プ ロ フ ァ イ ル カ ー ド と 不 完 全 順 位 回 答 の 試 用 —， 日 本 感 性 工 学 会 論 文 誌 ，
Vo l . 9 ， N o . 2 ， p p . 2 1 5 - 2 2 5 ， 2 0 1 0 年 ．
国内発表
池本浩幸，山岡俊樹：デザイン開発のための選好分析ツールの試作，日本感
性 工 学 会 大 会 予 稿 集 ， 12th， 3F2-4， 2010．
海外発表
H i r o y u k i I k e m o t o , To s h i k i Ya m a o k a ： C o n j o i n t A n a l y s i s M e t h o d T h a t
Minimizes the Number of Profile Cards., Communications in Computer
a n d I n f o r m a t i o n S c i e n c e Vo l u m e 1 7 3 , p p 2 3 - 2 8 , H C I I n t e r n a t i o n a l 2 0 11 ,
2 0 11 .
H i r o y u k i I k e m o t o , To s h i k i Ya m a o k a : N e w P o s i t i o n i n g A n a l y s i s M e t h o d
and
To o l s
for
Use
in
Product
Design,
The
13th
S y m p o s i u m o n E r g o n o m i c s , p p . 3 6 2 - 3 6 5 , J S E , 2 0 11 .
2
Japan-Korea
Joint
２．本論文に関連する特許
池本浩幸，小野清，渡辺慎二：設計支援装置及び設計支援方法，特許出願
2001-388030 (2001 年 12 月 20 日 出 願 )， 特 許 公 開 2003-173388 (2003 年 6
月 20 日 公 開 ).
３．本論文に関連する受賞
2012 年 日 本 感 性 工 学 論 文 賞 受 賞
（ 2012 年 8 月 30 日 ）
［論文］
デザイン開発におけるポジショニング分析の活用
－ガウス関数を用いた
選 好 回 帰 分 析 の 試 行 － 池 本 浩 幸 , 山 岡 俊 樹 ，日 本 感 性 工 学 会 論 文 誌 Vo l . 1 0
No.2, 通 号 030, pp. 193-203］
［受賞理由］
本研究では，デザイン開発の現場でしばしば用いられるポジショニング分
析から得られる知覚マップに，回答者の選好の変化を重ねて図示すること
により，顧客に好まれるデザインの位置を可視化するデザイン開発支援手
法を提案し，評価実験を通してその有効性を確認した．本研究の知見は、
経験と勘が重視されがちなデザイン開発の現場において，デザイナとクラ
イアントその他利害関係者との相互理解の促進に役立ち，科学的なデザイ
ン理論の形成に寄与すると評価される．また，本研究の提案手法は実際に
企業のデザイン開発の現場でも適用されており，実践研究としても貴重な
知見をもたらすものである．以上のことから，本論文は日本感性工学会の
論文賞に値すると評価される．
４．その他
著書（共著）
池本浩幸：適応型インタフェース，ユーザビリティハンドブック編集委員会
(著 )， ユ ー ザ ビ リ テ ィ ハ ン ド ブ ッ ク ， 共 立 出 版 ， 2007 年 8 月 ．
池 本 浩 幸 ： ユ ー ザ イ ン タ フ ェ ー ス 管 理 シ ス テ ム (USER
I N T E R FA C E
MANAGEMENT SYSTEMS)，片 山 卓 也 ・ 土 居 範 久 ・ 鳥 居 宏 次 監 訳 ，ソ フ ト ウ
ェ ア 工 学 大 事 典 ， 朝 倉 書 店 ， 1998 年 12 月 ．
3
池 本 浩 幸 ： 19 章 .ユ ー ザ ビ リ テ ィ 評 価 ／ 19.5 モ デ ル に よ る 評 価 ， 田 村 博 編 ，
ヒ ュ ー マ ン イ ン タ フ ェ ー ス ， オ ー ム 社 ， 1998 年 5 月 ．
５．その他
発表等（参考）
池 本 浩 幸 ,酒 井 雅 明 :ユ ニ バ ー サ ル デ ザ イ ン の 動 向 と 展 望 , 東 芝 レ ビ ュ ー
Vo l . 5 8 , N o . 1 0 , p p . 2 - 4 , 2 0 0 3 .
池 本 浩 幸 ,井 戸 健 二 , 山 崎 徹 :携 帯 電 話 機 開 発 に お け る 人 間 中 心 設 計 プ ロ セ ス ,
シンポジウム「カーナビ・携帯電話の利用性と人間工学」論文・資料集,
pp.127-132, 2000.
深 谷 美 登 里 , 森 由 紀 夫 , 池 本 浩 幸 :ISO13407 の 文 書 化 研 究 , 東 芝 レ ビ ュ ー
Vo l . 5 4 , N o . 1 2 , p p . 6 2 - 6 5 , 1 9 9 9 .
池 本 浩 幸 :状 態 遷 移 図 を 用 い た ユ ー ザ ビ リ テ ィ 評 価 , 第 14 回 ヒ ュ ー マ ン ・ イ
ン タ フ ェ ー ス ・ シ ン ポ ジ ウ ム 論 文 集 , pp.7-12, 1998.
池 本 浩 幸 ,富 岡 慶 :デ ジ タ ル 携 帯 電 話 機 の ユ ー ザ ビ リ テ ィ 評 価 , 東 芝 レ ビ ュ ー
Vo l . 5 3 , N o . 1 2 , p p . 6 1 - 6 5 , 1 9 9 8 .
池 本 浩 幸 :GUI 表 示 画 面 の 設 計 支 援 ツ ー ル , 第 12 回 ヒ ュ ー マ ン ・ イ ン タ フ ェ
ー ス ・ シ ン ポ ジ ウ ム 論 文 集 , pp.559-564, 1996.
池 本 浩 幸 : G U I の 操 作 性 評 価 ツ ー ル , 第 11 回 ヒ ュ ー マ ン ・ イ ン タ フ ェ ー ス ・
シ ン ポ ジ ウ ム 論 文 集 , pp.335-340, 1995.
池 本 浩 幸 :操 作 履 歴 を 用 い た Ｇ Ｕ Ｉ の 操 作 性 評 価 , 第 10 回 ヒ ュ ー マ ン ・ イ ン
タ フ ェ ー ス ・ シ ン ポ ジ ウ ム 論 文 集 , pp.447-454, 1994.
池 本 浩 幸 ,都 築 直 久 :ユ ー ザ イ ン タ フ ェ ー ス 開 発 方 法 論
へ の 適 用 ～ ,第
～ プ ラ ン ト 監 視 GUI
9 回ヒューマン・インタフェース・シンポジウム論文集,
pp.199-204, 1993.
4
池 本 浩 幸 ,金 子 里 美 ,深 澤 安 伸 :計 算 機 上 の 紙 に よ る 人 間 相 互 の コ ミ ュ ニ ケ ー シ
ョ ン 支 援 , H u m a n I n t e r f a c e N & R , Vo l . 7 , p p . 5 1 - 5 8 , 1 9 9 2 .
池 本 浩 幸 ,楠 井 洋 一 :設 計 指 針 を 用 い た ユ ー ザ イ ン タ フ ェ ー ス 開 発 方 法 論 , 第
8 回 ヒ ュ ー マ ン ・ イ ン タ フ ェ ー ス ・ シ ン ポ ジ ウ ム 論 文 集 , pp.601-606, 1992.
池 本 浩 幸 ,加 藤 克 己 ,楠 井 洋 一 :解 説 ビ ジ ュ ア ル プ ロ ト タ イ ピ ン グ ,電 子 情 報 通
信 学 会 誌 Vo l . 7 4 , N o . 7 , p p . 7 4 3 - 7 4 9 , 1 9 9 1 .
池 本 浩 幸 ,加 藤 克 己 ,春 木 和 仁 :計 算 機 利 用 環 境 に お け る ヒ ュ ー マ ン イ ン タ フ ェ
ー ス , H u m a n I n t e r f a c e N & R , Vo l . 4 , p p . 2 5 9 - 2 6 8 , 1 9 8 9 .
池 本 浩 幸 ,高 野 よ そ 子 ,春 木 和 仁 ,他 :マ ウ ス を 用 い た ユ ー ザ パ フ ォ ー マ ン ス の
研 究 ,情 報 処 理 学 会 第 36 回 全 国 大 会 講 演 論 文 集 , pp.1399-1400, 1988.
池 本 浩 幸 ,春 木 和 仁 ,高 野 よ そ 子 :マ ウ ス 操 作 に お け る 人 間 の 認 知 情 報 処 理 過 程
の 研 究 ,情 報 処 理 学 会 マ イ ク ロ コ ン ピ ュ ー タ と ワ ー ク ス テ ー シ ョ ン 研 究 会 ,
50-1, pp.1-8, 1988.
池 本 浩 幸 , 楠 井 洋 一 , 津 田 淳 一 郎 : A Vi s u a l E n v i r o n m e n t f o r S y s t e m d e s i g n
a n d P r o t o t y p i n g , I E E E Wo r k s h o p o n V i s u a l L a n g u a g e s ( U S A ) v i i i + 2 5 6
pp.160-7, 1988.
池 本 浩 幸 ,楠 井 洋 一 :シ ス テ ム 動 作 設 計 支 援 技 法 SSDesign の 開 発 (2),情 報 処 理
学 会 第 35 回 全 国 大 会 講 演 論 文 集 , pp.921-922, 1987.
池 本 浩 幸 ,春 木 和 仁 :シ ス テ ム 設 計 と メ ン タ ル モ デ ル ,認 知 科 学 会 大 会 '86 年 予
稿 集 , pp.31～ 32, 1986.
5