なぜ QCA は意思決定に向くのか: 「単独の効果」ではなく「レシピ」を探す分析
マーケティング・マネージャーの問いは、「品質を上げれば、顧客は増えるか」だけではありません。多くの場合は、「何と何を組み合わせれば、目標に届くのか」です。
質的比較分析(QCA)は、この問いに答えるために作られた分析です。回帰分析のような統計手法は、他の条件を一定にしたとき、1つの要因が単独でどれだけ効くかを見るのが得意です。QCA は、別の角度から、データを見ます。
意思決定にとって魅力的な理由
1. 施策は、単独ではなく組み合わせで動かす
店舗の改装、接客の強化、価格の見直しは、たいてい一緒に実行されます。QCA は、「品質が高く、かつサービスが高い」のように、条件の組み合わせ(レシピ)を単位に、結果を見ます。
2. 成功への経路は、1つとは限らない
同じ成果に、複数の経路があることがあります(等結果性)。QCA は、選んだ条件と分析設定のもとで、成果に結びつく複数の経路を特定できます。経営者は、予算や強みに合わせて、どの経路が自社に合うかを選べます。
3. 成功の理由は、失敗の理由の裏返しとは限らない
ロイヤルティが高い顧客を生む条件と、離反する顧客を生む条件は、別の分析が必要なことがあります(非対称性)。QCA は、高い場合と低い場合を、別々に分析します。
4. 小〜中規模の事例でも、使える
店舗、ブランド、キャンペーン、法人顧客のように、事例が数十から数百の単位でも、事例の中身を見ながら分析できます。小〜中規模の事例比較にも使えます。ただし、条件の数に対して事例が少ないと、論理残余(データにない条件の組み合わせ)が多くなります。
5. 結果が「もし〜なら」の形で読める
結果は、「品質が高く、かつサービスが高い」という、短い規則として出ます。会議で説明しやすく、現場でも、何をすればよいかが伝わります。
6. 「必須」と「十分」を区別できる
「これがなければ成功しない」(必要条件)と、「これがあれば成功する」(十分条件)を、区別して扱えます。「外せない施策」と「勝ち筋」を、分けて考えられます。
回帰分析との違い(ざっくり)
| 観点 | 回帰分析 | QCA |
|---|---|---|
| 問い | 他の条件を一定にしたとき、1つの要因が単独でどれだけ効くか | どの組み合わせが、成果に十分か |
| 見る単位 | 1つ1つの変数 | 条件の組み合わせ |
| 複数の経路 | 交互作用や非線形性を、モデルに組み込む必要がある | 組み合わせとして特定できる |
| 結果の読み方 | 係数、有意性 | 「AかつB」という規則 |
| 得意な規模 | 大きなサンプル | 数十から数百の事例 |
どちらが優れているということではありません。問いによって、使い分けます。
QCA にできないこと(と、他の分析にも言えること)
- 因果関係を、QCA だけが証明できないわけではありません。 観察データの分析は、回帰分析を含めて、因果関係を証明しきれません。QCA で得られた十分条件の解だけから、施策を実施した場合の因果効果が保証されるわけではありません。因果的に解釈するには、研究設計、時間的順序、理論、事例知識などによる裏づけが必要です。結果は、施策候補や検証すべき仮説を考える材料として活用できます。
- 理論と事例の知識が必要です。 条件の選び方や、どこから「高い」とするかは、分析する人が決めます。
落とし穴は、「基準」にある
最後の点が、実は重要です。QCA では、「高い」と「低い」を分ける基準(閾値)を、分析する人が決めます。ところが、意思決定の目標とは、まさにこの基準のことです。「ほどほどに満足」を目指すのか、「大好き」を目指すのか。基準を変えると、答えも変わることがあります。
この問題には、閾値スイープ QCA(ThSQCA)で取り組みます。続きは、次の記事です。
参考文献
- Ragin, C. C. (2008). Redesigning Social Inquiry: Fuzzy Sets and Beyond. University of Chicago Press.
- Fiss, P. C. (2011). Building better causal theories: A fuzzy set approach to typologies in organization research. Academy of Management Journal, 54(2), 393-420.
- Woodside, A. G. (2013). Moving beyond multiple regression analysis to algorithms: Calling for adoption of a paradigm shift from symmetric to asymmetric thinking in data analysis and crafting theory. Journal of Business Research, 66(4), 463-472.