発表終了の件

知財学会での発表が終了しました。

前座枠の朝2の発表でしたので、寒い中、9時過ぎに大学の方へ着くように家を出ました。

会場の教室は小さく、やはり前座っぽい感じでしたが、教室が広いと誰もいないがらんと空間に向かって発表するような虚しさを感じますので、人が高密度に見える狭い教室でよかったです。

発表の方は、結局資料は34ページになりましたので、しゃべるのに精いっぱいとなりました。

私の発表は、いつもは会場からの質問がなく、座長との雑談で時間をつぶすことが多いのですが、今回はめずらしくいくつか質問がありました。

話はずれますが、今回の枠は、全般的に会場からの質問が多く、座長からの義務的な質問はありませんでした。めずらしいことです。座長も楽ができてよかったのではと思います。

それで質問内容ですが、まず、今回の発表ではレビュー情報と特許情報を混ぜてテキストマイニング処理をしているが、分けた方がよいのでは、とのことでした。

つまり、レビュー情報は顧客の中から出てくる情報であり、特許情報は企業の中から出てくる情報であり、異なる性質のものではないかということになります。

混ぜるよりも、比較したりマッチングを図る方が良いのではというご意見です。

よく考えてみますと、そもそもQFDとはニーズ・シーズのマッチングをはかるツールです。したがって、ご意見通りの機能を本質的に有しております。

今回の発表では、私が楽をしようとして情報を混ぜてしまったので、QFDの機能がわかりにくくなったと反省しております。


それで、混ぜてはいけないかと、帰りの電車で考えてみましたが、混ぜてもよいのではないかと感じました。

それはレビュー情報には情緒的便益と機能的便益しかほぼ含まれず（ユーザーは、おむつの細かい構成（吸収体など）までは気にしないので）、特許情報には機能的便益と属性しかほぼ含まれない（情緒的便益に言及しても特許性は上がらず、無駄な記載はしないので）ためです。

結局、分けて処理しても、混ぜて処理しても、ほぼ同じとなると思います。

とはいえ、以上のことから、ブランドQFDに関しては、ここで一旦中断して、来年は基本に立ち返り、QFDの分析に戻ろうとは思います。

他の質問としては、テキストマイニングを使用したアイデア出しの件がありました。

実は、今回発表から削除した部分に、それに関する記載が多少あったのですが、そこまで話すと盛りだくさんで何が何だかわからなくわからなくなりますので、残念ながら削除しました。

発表資料の作成作業をしていて気が付きましたが、ブランドQFDを作成する作業というのは、情報を整理する作業となり、そこでは出現件数の多いキーワードが重要となります。

したがって、出現回数の少ないキーワードはノイズ扱いとなり、整理作業の過程で捨てられることになります。

一方、アイデア出しの作業というのは、情報を拡散してゆく作業となり、出現回数の多いキーワードは新規性がない可能性があり重要ではなく、出現回数の少ないキーワードは新規性がある可能性が高く重要となります。

つまり、キーワードの取り扱いとしては、まったく逆の方向となります。

これを一つの発表で説明しますと、まとめるのが難しく混乱しますので、削除した次第となります。 いずれにせよ、テキストマイニングを利用したアイデア出しというのは今後流行る可能性大です。

私以外の発表者に関しましては、内容的には関連がありませんでしたが、便益やコンテクストなど、発表に使用する用語に共通性がありましたので、今後のブランドの研究には、言語学的アプローチや心理学的アプローチが必須となると思いました。

発表資料について2

パワーポイントをひとまずまとめましたが、39ページとなりました。とても15分で発表できないので、これから半減させる作業となります。

ページ数が多いと早口となり、聞く方が苦痛となるおそれがあるため、20ページ位にして、ゆっくりしゃべって間を持たせようと思います。

発表できなかった内容は、ワーキングペーパーとして別の機会に発表しようと思います。

今週、全発表予稿のデータがダウンロードできるようになったため、ざっと見てみました。

まず、失敗したと感じたのは、予稿はカラーも可ということです。普段から白黒の特許明細書を書いているため、つい白黒で原稿を作成してしまったのですが、図はカラーの方がよかったかなと思います。

発表内容の傾向としては、①法律論系、②妹尾先生系、③その他（私も含まれる）というイメージでした。

法律論は、実務的には役に立ちますので助かるのですが、パワーポイントが、裁判例引用や条文引用の高密度の文字だらけとなりますので、発表する方も大変ですし、聞く方も大変です。

法律論は、学会発表より、論文で発表した方がよいのかなと考えます。

妹尾先生系は、N×1×Nのオープンクローズ戦略？という内容となっていると思います（詳細に読んでおりませんので誤りがありましたら申し訳ありません）。

これだけの発表の量となりますと、事例分析としては十分に揃ったでしょうから、そろそろ内容を取りまとめた戦略本の発表を期待します。

その他につきましては、ポエム？のようなものもあって、ちょっとおもしろいと感じました。 法律論ばかりだと知財学会というより、知財法学会のような感じとなりますので、その他の人の頑張りに期待したいところです。

意外なのが、今話題のIPランドスケープに関する発表がないような気もすることです。他の学会で発表しているのでしょうか？よくわかりません。

ということで、発表資料を週末に向けてまとめたいと思います。発表練習をやる時間はありませんので、ぶっつけ本番となります。

発表資料について

学会までもう時間がありませんので、そろそろ発表用のパワーポイントを作成しなければなりません。

パワーポイントの枚数は、発表時間（分）×２以内と相場が決まっておりますので、発表時間を確認してみました。

確認すると、発表時間15分、質疑応答5分の、計20分のようです。

昔は、発表時間12分、質疑応答8分だったような気もしますが、質疑応答の時間が長いと、私のような質問がこない発表者の場合には、静かな気まずい時間が流れたり、座長が間を持たすために、無理に質問を考えたりしますので、短いほうがよいかもしれません。

そうしますと、パワーポイントの上限は30ページとなります。30ページというと多い気がしますが、これは逆で、結構内容を省略しませんと、30ページには収まりません。とはいえ、１ページもできていないのですが・・・。

当日は11時20分に私の出番の回は終了するようですので、終わったら、私の古巣の研究室に少し顔を出し（卒論、修論の追い込みの季節で、殺伐としていると思いますが・・・）、その後、学生時代に通った飯屋（が今でもあれば・・・）で昼飯を食べて帰ろうかなと思います。

テキストマイニングを使用したブランドQFDの作成手順の予稿について

知財学会で発表する資料をつくっておりますが、時間がかかります。昨日は５行書くのに１日かかりました。

これは、できるだけ論証を先行文献に書かれたものを利用（流用）するようにしているので、先行文献から使える部分を探し出して、文章化するという作業となるからです。

著名な学者であるならば、自分の考えでどんどん書けばよいのですが、そうではありませんので、論証を偉い先生の書物からもってきませんと、学会発表で論理的矛盾を指摘され、火だるまとなってしまうおそれがあります。（知財学会は某学会のように殺伐とはしておりませんので、たぶん大丈夫とは思います・・・。）

知財学会の内容につきましては、後日、某誌に投稿して公開（リジェクトされましたら、何でも掲載されるマーケティング学会のワーキングペーパにします・・・）しますので、ご興味のある方は、知財学会に参加されなくとも情報がゆくようにいたします。 

予稿も以下に公開します。なお、学会発表では、ブランドQFDの作り方については、予稿を読めばわかるため、あまり時間をとらず、具体的分析手法の説明に時間をとる予定です（これからの準備次第となりますので、あくまでも予定です・・・）。

1.はじめに

(1)ブランドQFDとは

ブランドとは、組織から顧客への約束である、といわれる¹⁾。ブランドに必要なのは、ブランドが表すものが、機能面だけではなく、情緒面や自己表現、人間関係においても役立つという約束を守ることである。

ブランドの理解には商品・サービスが提供するベネフィットの全体像を知ることが必要となるが、その手段の一つにブランドQFDがある。ブランドQFDは、顧客へのベネフィットと属性との接点を可視化する方法論である^2）。ブランドQFDでは、機能的ベネフィットを介した、自己表現的ベネフィットや情緒的ベネフィットと属性との関連の強さを図表化する。このため、高い顧客ロイヤルティを獲得できる商品・サービスの開発に役立つ。

(2)ブランドQFDの作成方法について

ブランドQFDは、顧客のアンケートやインタビュー等に基づいて作成される^2）。また、特許情報及びレビュー情報に基づいてブランドQFDを作成する方法がある^3）。

(3)本稿の目的

人間がレビュー情報等を読み込んで、用語を抽出する場合には、熟練者でも情報1件当たり、ある程度の時間が必要である。例えば、情報100件処理するには多大な時間が必要となる。これでは、多忙な担当者が、ブランドQFD作成を業務として行うのは難しい。そこで、本稿では、テキストマイニングの技術を使用してブランドQFDの作成を省力化することを目的とする。

2.テキストマイニングについて

(1)テキストマイニングとは

テキストマイニングとは、文書形式のデータを定量的な方法で分析することをいう。テキストマイニングでは、コンピュータの処理によってデータの中から自動的に言葉を取り出し、さまざまな統計手法を用いた探索的な分析を行う。これにより、パターンやルール、ひいては知識の発見を目指すものである。

(2)使用ソフトについて

本稿では、KH Coderを使用してテキストマイニングを行う。KH Coderは、テキストマイニング用のフリーソフトウェアである⁴⁾。フリーソフトであることから、無料で、学術的な目的であれ商業的な目的であれ，自由に使用できる。

3.テキストマイニングを使用したブランドQFDの作成手順について

Step 1 特許情報取得

特許情報データをJ-PlatPatから取得する。本稿では、検索対象製品をおむつとし、出願人をＡ社とＢ社として検索した。Ａ社とＢ社各100件（計200件）の特許出願を分析の対象とした。

図1　特許情報の一例（2件）

Step 2 レビュー情報取得

レビュー情報をECサイトのカスタマーレビューから取得する。本稿では、検索対象をおむつとし、メーカーをＡ社とＢ社として検索した。Ａ社とＢ社各100件（計200件）のレビュー情報を分析の対象とした。

図2　レビュー情報の一例（3件）

Step 3 形態素解析

形態素解析とは、自然言語のテキストデータから、対象言語の文法や、辞書と呼ばれる単語の品詞等の情報に基づき、形態素の列に分割し、それぞれの形態素の品詞等を判別する処理のことをいう。特許情報200件とレビュー情報200件を合わせた計400件の情報に対して形態素解析を行う。これにより400件の情報から分析対象となる抽出語を抽出する。

図3　抽出語の一部

Step 4 コーディング

コーディングとは、仮説やテーマに基づいて、抽出語を組み合わせる処理のことをいう。コーディング処理を行う前には、コードを設定し、特定の記述がデータ中にあればそのデータを特定のコードに分類すること、といった基準を設定する。この基準のことをコーディングルールという。本稿では、Ａ社とＢ社の商品のホームページの記載から、自己表現的ベネフィット、情緒的ベネフィット、機能的ベネフィット、及び、属性のコードを抽出した。

図4　コード

コーディングルールは、形態素解析により抽出された多数の抽出語を、コードに割り当てて設定した。

図5　コーディングルール

Step 5 ブランドQFD出力

特定ベネフィットと属性とを行とし、機能的ベネフィットを列とした類似度行列を生成する。類似度行列は、Jaccard係数を計算して生成される。

図6　類似度行列

類似度行列から、ブランドQFDを作成する。類似度行列は、0～1の数値で表されるため、見やすさ等の関係上、所定の類似度以上の場合に、対応関係あり（図中の〇）とした。

 

図7　ブランドQFD

4.まとめ

テキストマイニングの技術を使用することにより、特許情報及びレビュー情報を区別なく一括して処理することができる。これにより、ブランドQFDの作成作業を省力化できる。

本稿における処理は、KH Coderというフリーソフトで実行できるため、容易にブランドQFDを作成できる。

5.参考文献

1) デービッド・アーカー, ブランド論, ダイヤモンド社 (2014)

2) 加藤雄一郎, ブランドクオリティ開発のための「ブランドQFD」, フレグランスジャーナル, 33(1), 27-34, (2005)

3) 川上成年, 谷津維則, 「ブランドQFDを活用した調査手法の開発」, パテント, Vol.70, 2017.3, pp.82-89 (2017)

4） 樋口耕一, 「社会調査のための計量テキスト分析　内容分析の継承と発展を目指して」, 株式会社ナカニシヤ出版 (2014)