用語集
ロジスティック回帰分析logistic regression analysis
「買う／買わない」「解約する／しない」のような2択の結果が起こる確率を、複数の要因から予測する分析手法です。結果に影響する要因とその強さを把握し、ターゲットの絞り込みや離反防止などの打ち手を設計するために使います。
ロジスティック回帰分析とは
ロジスティック回帰分析とは、結果が「起きる／起きない」の2択で表されるデータについて、その結果が起きる確率を複数の要因（説明変数）から予測する統計手法です。売上金額のような連続した数値を予測する「重回帰分析」に対し、ロジスティック回帰分析は確率を0〜1の範囲で予測できるのが特徴です。予測の精度だけでなく「どの要因がどれだけ結果に効いているか」を読み取りやすいため、ビジネスの意思決定で広く使われています。
何がわかるのか
分析結果からは、大きく2種類の情報が得られます。
- 要因の影響（どの要因が効いているか）
- 係数：その要因が結果の起こりやすさを高めるか下げるか、その向きと大きさ
- オッズ比：その要因が1単位増えると、結果の起こりやすさが何倍になるか。1を超えれば起こりやすくなり、1を下回れば起こりにくくなる
- 個別の予測（誰に起きそうか）
- 予測確率：顧客一人ひとりについて、結果が起きる確率（例：解約確率30％）
- 予測精度：AUCや正解率などの指標で、モデルがどれだけ正しく判別できているかを評価する
なお「オッズ」とは、ある結果が起きる確率と起きない確率の比のことです（例：起きる確率が20％なら、オッズは0.2÷0.8＝0.25）。
活用例
- 購買履歴や属性から購入確率の高い顧客を見つけ、DMやクーポンの配布先を絞り込む
- 利用頻度の低下などから解約しそうな会員を早めに見つけ、引き止め施策を打つ
- 来店回数や購入カテゴリから、優良顧客に育つ人の特徴を明らかにする
- 問い合わせから成約に至りやすい条件を把握し、営業の優先順位づけに活かす
注意点
ロジスティック回帰分析で示されるのは「関係がある」ということであり、「その要因が原因である」とまでは言えません。また、説明変数どうしが強く関係している場合（多重共線性）は、係数の解釈が不安定になります。さらに、結果が「起きる」データが極端に少ない場合は予測が偏りやすいため、データの件数や比率を確認したうえで分析することが大切です。
