03-6441-0989
Yuki Ueda 
因子分析とはアンケート項目を束ねて心理構造を可視化する手法です
因子分析はマーケティング実務において、大量のアンケート項目から潜在的な因子を抽出する定量調査の多変量解析手法です。消費者に対して複数の質問を投げかけた際、個々の回答は独立しているように見えても、背後には共通する心理的要因が存在します。因子分析はこの共通要因を数理的に導き出し、データの次元を圧縮しながら解釈可能な構造へと変換します。
たとえば製品満足度を測定する場合、価格・デザイン・機能・使いやすさ・アフターサービスなど10項目を尋ねたとします。これらの項目間には相関関係が存在し、価格とアフターサービスは「コストパフォーマンス」という潜在因子に、デザインと使いやすさは「体験価値」という因子にまとめられる可能性があります。因子分析はこうした潜在構造を明らかにし、散らばった情報を整理します。
筆者が現場で扱ってきた案件では、因子分析は顧客満足度調査やブランドイメージ調査、購買態度の構造把握に頻繁に用いられます。多数の項目をそのまま報告すると受け手は混乱しますが、因子に集約すると経営層も施策の方向性を掴みやすくなります。ただし、この手法は正しく使わないと恣意的な解釈を生み、誤った戦略判断を招く危険性があります。
マーケティング実務で因子分析を使うと施策の優先順位が明確になります
因子分析の実務的価値は、施策の優先順位を判断する材料を提供することにあります。企業は限られたリソースのなかで複数の改善案を同時に実行できません。因子分析を通じて重要な潜在因子を特定すれば、どの領域に投資すべきかの判断材料が得られます。
筆者が関わった飲料メーカーの事例では、新製品のコンセプトテストで20項目の評価を収集しました。単純集計では各項目のスコアが並ぶだけで、どこを改善すべきか見えません。しかし因子分析を実施すると「健康価値」「味覚体験」「利便性」の3因子に集約され、そのうち「健康価値」の因子得点が競合比較で低いことが判明しました。この結果をもとに、パッケージの訴求内容を健康面に寄せる施策を優先し、市場投入後の初動評価が改善しました。
また因子分析は消費者インサイトの発見にも寄与します。表面的な質問項目では捉えきれない消費者の深層心理を、因子という形で可視化できます。ただし、因子に名前をつける段階で調査担当者の主観が入り込むため、現場の実感とずれた命名をすると組織内で誤解が広がります。この点が因子分析の難しさであり、プロの腕の見せ所です。
因子分析の設計で陥る3つの誤解が結果を無意味にします
因子分析は便利な手法ですが、設計段階で誤解があると結果が使い物になりません。筆者が現場で目にする典型的な失敗パターンを3つ挙げます。
項目数が少なすぎると因子が抽出できません
因子分析を実行するには最低でも因子数の3倍以上の質問項目が必要です。2つの因子を想定するなら6項目以上、3つなら9項目以上が目安になります。筆者が見た失敗例では、5項目しかないアンケートで因子分析を試み、結果が不安定になりました。項目が少ないと相関構造が十分に形成されず、統計的に意味のある因子が得られません。
また質問項目の内容が偏っていると、本来独立すべき因子が1つにまとまってしまいます。たとえば価格に関する質問ばかり5つ並べても、それらは全て同じ因子に吸収され、分析の意義が失われます。項目設計の段階で、想定される因子ごとに複数の質問を用意する必要があります。
サンプルサイズが不足すると因子構造が安定しません
因子分析には一定以上のサンプルサイズが必要です。一般的には項目数の5倍以上、理想的には10倍以上のサンプルが推奨されます。20項目の調査なら最低100名、できれば200名以上のデータを集めるべきです。筆者が過去に受けた相談で、30項目のアンケートを50名で実施し因子分析を試みたケースがありましたが、結果は不安定で再現性がありませんでした。
サンプルが少ないと偶然の相関関係を因子として抽出してしまい、別のサンプルで分析すると全く異なる結果が出ます。これではマーケティング施策の判断材料として使えません。調査設計の段階で、因子分析を実施することを想定してサンプル数を確保する必要があります。
因子に恣意的な名前をつけると組織内で誤解が広がります
因子分析の結果、統計ソフトは「因子1」「因子2」といった無機質な名前を出力します。これに意味のある名前をつける作業は分析者の解釈に委ねられます。ここで恣意的な命名をすると、現場の実感とずれた理解が組織内に浸透します。
筆者が見た失敗例では、ある化粧品メーカーの満足度調査で「ラグジュアリー因子」と命名された因子がありました。しかし因子負荷量を詳しく見ると、高負荷の項目は価格の高さではなく、使用感や香りの上質さに関するものでした。本来は「感覚的満足」と呼ぶべきだったのに、命名が先行して「高価格帯商品への投資」という誤った施策判断が行われました。因子の命名は負荷量の高い項目内容を丁寧に読み込み、現場の言葉で表現する必要があります。
因子分析の正しい実施手順は5つのステップで構成されます
筆者が実務で実践している因子分析の手順を5つのステップで解説します。この順序を守ることで、解釈可能な結果が得られます。
ステップ1 項目設計で想定因子ごとに質問を用意します
因子分析は質問項目の設計段階から始まります。調査票を作る際、どのような潜在因子が存在するかを仮説として持ち、各因子につき3問以上の質問を用意します。たとえばスマートフォンの満足度調査なら「デザイン性」「操作性」「コストパフォーマンス」といった因子を想定し、それぞれに対応する項目を配置します。
このとき注意すべきは、質問文が抽象的すぎないことです。「総合的に満足していますか」といった包括的な質問は因子分析に向きません。具体的な評価項目を並べることで、因子構造が明確に浮かび上がります。また回答形式は5段階以上の尺度を使います。2択や3択では相関関係が検出されにくく、因子分析の精度が落ちます。
ステップ2 相関行列を確認して因子分析の適用可否を判断します
データを収集したら、まず相関行列を作成します。因子分析は変数間に相関があることを前提とする手法です。すべての項目が互いに無相関であれば、共通因子は存在しないため分析の意味がありません。筆者は実務で相関係数0.3以上のペアが複数存在することを確認してから因子分析に進みます。
また相関が高すぎる項目ペアがある場合、多重共線性の問題が生じる可能性があります。相関係数が0.9を超えるような項目は、どちらかを削除するか統合することを検討します。この段階で適切な項目選定を行わないと、後の因子解釈が困難になります。
ステップ3 因子数を決定するために固有値とスクリープロットを見ます
因子分析では何個の因子を抽出するかを決める必要があります。この判断に用いるのが固有値とスクリープロットです。固有値1以上の因子を採用するカイザー基準が広く使われますが、筆者は機械的にこの基準に従いません。スクリープロットのグラフを見て、傾きが急に緩やかになる点を因子数の目安とします。
また抽出した因子が解釈可能かどうかも重要な判断材料です。統計的に3因子が妥当でも、3つ目の因子に明確な意味づけができなければ2因子で止めることもあります。因子数の決定は統計と解釈のバランスで判断します。この判断を誤ると、後の回転処理や命名で混乱が生じます。
ステップ4 因子回転で解釈しやすい構造に変換します
因子を抽出した直後の状態は解釈が難しいことが多いため、因子回転を行います。因子回転には直交回転と斜交回転がありますが、筆者は実務ではバリマックス回転という直交回転を用いることが多いです。因子間の独立性を保ちながら、各項目が特定の因子に高い負荷を示すよう調整します。
斜交回転は因子間の相関を許容する方法で、理論的には現実に即していますが、解釈が複雑になります。マーケティング実務では施策の優先順位を明確にすることが目的なので、因子が独立している方が意思決定しやすいです。ただし因子間に明らかな相関がある場合は、斜交回転を選択することもあります。
ステップ5 因子負荷量を読み込んで因子に名前をつけます
因子回転後、各項目がどの因子に高い負荷を示しているかを示す因子負荷量を確認します。因子負荷量が0.4以上の項目に注目し、それらの共通点を探って因子に名前をつけます。この作業が因子分析で最も重要であり、かつ最も難しい部分です。
筆者は因子負荷量の高い項目を並べて、現場の担当者と議論しながら命名します。統計の専門家だけで決めると、現場感のない名前になりがちです。逆に現場担当者だけに任せると、希望的観測が混入します。両者が納得できる命名を探ることで、組織内で共有可能な因子が完成します。
食品メーカーの事例で因子分析が施策優先順位を明確にしました
筆者が関わったある食品メーカーの事例を紹介します。この企業は既存商品のリニューアルを検討しており、消費者の満足度構造を把握する必要がありました。アンケートで15項目の評価を収集し、因子分析を実施しました。
当初の仮説では「味」「価格」「パッケージ」の3因子を想定していましたが、実際に因子分析を行うと「味わい体験」「購買利便性」「健康・安心」の3因子が抽出されました。「味わい体験」には味だけでなく食感や香りの項目も高負荷で含まれており、単なる味の良し悪しではなく総合的な感覚体験として評価されていることが分かりました。
また「購買利便性」因子には価格だけでなく、店頭での見つけやすさや購入頻度の項目も含まれていました。これは価格施策だけでなく、配架率向上や販促施策も重要であることを示唆しています。最も意外だったのは「健康・安心」因子で、原材料表示や製造情報の項目が高負荷を示しました。この結果を受けて、リニューアルではパッケージに原材料情報を大きく掲載する施策が採用され、発売後の好評につながりました。
因子分析の結果を正しく伝えるために因子得点を活用します
因子分析で潜在構造を明らかにした後、各回答者の因子得点を算出できます。因子得点は個々の回答者が各因子においてどの程度高い評価をしているかを示す数値です。筆者はこれを顧客セグメンテーションや競合比較に活用します。
たとえば先ほどの食品メーカーの事例では、因子得点をもとに回答者を3つのグループに分類しました。「味わい体験」重視群、「購買利便性」重視群、「健康・安心」重視群です。各グループの属性や購買行動を分析することで、ターゲット別のコミュニケーション戦略を設計できました。
また自社商品と競合商品の因子得点を比較することで、どの因子において競合優位性があるか、どこに改善余地があるかを可視化できます。筆者が関わった家電メーカーの案件では、自社製品は「デザイン性」因子で高得点だったものの、「使いやすさ」因子で競合に劣っていることが判明しました。この結果をもとにUIの改善プロジェクトが立ち上がり、次期モデルで評価が向上しました。
因子分析を実務で活かすために他の手法と組み合わせます
因子分析は単独で使うよりも、他の分析手法と組み合わせることで真価を発揮します。筆者がよく実践する組み合わせパターンを紹介します。
まずクラスター分析との併用です。因子得点をもとにクラスター分析を行うことで、消費者を心理構造の類似性で分類できます。元の質問項目でクラスター分析を行うよりも、因子に集約してから分類した方が解釈しやすいグループが得られます。
次に重回帰分析との組み合わせです。因子得点を説明変数として、購買意向や満足度を予測するモデルを構築します。これによりどの因子が購買に強く影響するかを定量的に把握できます。筆者が関わった化粧品メーカーの事例では、「使用感」因子よりも「期待感」因子の方が購買意向への影響が大きいことが分かり、広告訴求の方向性が変わりました。
さらに定性調査との組み合わせも有効です。因子分析で明らかになった潜在構造を、デプスインタビューで深堀りします。なぜその因子が重要なのか、背景にどのような心理があるのかを言葉で捉えることで、インサイトの精度が高まります。因子分析は構造を示しますが、意味の深掘りは定性調査が得意とする領域です。
因子分析の限界を知ることで誤った期待を避けられます
因子分析は万能ではありません。実務で使う際には限界を理解しておく必要があります。筆者が現場で感じる主な制約を3つ挙げます。
第一に、因子分析は相関関係を扱う手法であり、因果関係を示すものではありません。ある因子得点が高いからといって、それが購買行動を引き起こしたとは言えません。因果を知りたい場合は実験計画法やコンジョイント分析など、別の手法を検討する必要があります。
第二に、因子の命名は分析者の解釈に依存します。同じデータを別の分析者が扱えば、異なる名前がつく可能性があります。この主観性を完全に排除することはできません。したがって因子の命名根拠を明示し、組織内で合意を形成するプロセスが不可欠です。
第三に、因子分析は既存の質問項目から因子を抽出するため、調査票に含まれていない要因は見つかりません。調査設計の段階で重要な視点が抜けていれば、因子分析でもそれは補えません。筆者は因子分析を実施する前に、デプスインタビューで仮説を広く洗い出し、調査票に反映させることを推奨しています。
因子分析を学ぶためにまず実データで試すことが最良の方法です
因子分析の理論書は数多く存在しますが、実務での使い方を学ぶには実際のデータで手を動かすことが最も効果的です。筆者がマーケティングリサーチの現場で培った知見も、繰り返しの試行錯誤から得られたものです。
まずは自社で実施した過去のアンケートデータを使い、因子分析を試してください。統計ソフトはSPSSやRが一般的ですが、最近はPythonのscikit-learnライブラリでも実行できます。最初は因子数や回転方法を変えながら、結果がどう変わるかを体感することが重要です。
また因子分析の結果を上司や関係者に説明する練習も欠かせません。統計用語をそのまま使っても伝わりません。「この因子はお客様が商品を選ぶときに重視している価値観の1つです」といった現場の言葉に翻訳する力が求められます。筆者は報告書に因子負荷量の表を載せる際、必ず解釈文を添えて文脈を補足しています。
因子分析はマーケティング実務において、散らばった情報を整理し、意思決定を支援する強力な道具です。正しい手順で実施し、限界を理解したうえで活用すれば、顧客理解の質を大きく高めることができます。
よくある質問
この記事を書いた人
石崎 健人 | 株式会社バイデンハウス マネージング・ディレクター
リサート所属モデレーター。外資系コンサルティング・ファーム等を経て現職。生活者への鋭い観察眼と洞察力を強みに、生活者インサイトの提供を得意とする。2022年より株式会社バイデンハウス代表取締役。2025年よりインタビュールーム株式会社（リサート）取締役。