最後に飛行機に乗ったときのことを思い出してみてください。どんなフライトでしたか？おそらくほとんどの人が、そのフライトの満足度を評価するときに、その良い面と悪い面の両方を思い浮かべでしょう。

飛行機の旅については、乗客の満足度が航空会社の重要な指標になります。乗客が満足していることをただ知るだけでも良いですが、なぜ満足したのかを知ることができれば、さらに良いですね。この洞察は、航空会社が自社の強みや、顧客目線で改善すべき点を理解するのにとても役立ちます。詳細を見ていきましょう。

乗客を対象としたある顧客満足度調査では、空の旅の他の側面（座席位置、オンライン予約のしやすさ、足元のスペース、分単位の出発の遅れなど）を合わせた全体的な満足度を調査しました。このアンケートによれば、乗客の54%がフライトに満足していました。つまり総合的に言って、顧客の大半がその体験に満足しているということになります。

顧客が満足している理由を理解する

大半の顧客がその飛行体験に満足していることを知ることができるのは素晴らしいことです。次に考えるべき論理的な質問は、なぜ顧客は満足しているのか、満足している顧客と中間的（どちらとも言えない）または満足していない顧客とを分ける要因になっているのは何か、というものです。このアンケートから、調査する予測変数（16以上）と多数のデータ（100,000行以上）を得ることができました。最新版のMinitab Statistical Softwareの予測分析メニューを活用してCART^®を使用し、顧客満足度を高める主な要因を素早く特定することができます。

Minitabの最新バージョンの詳細をご覧になりますか？

CART^®（分類木と回帰木）は、データの変数で重要なパターンと関係を探すのに使われる決定木アルゴリズムです。直面している問題または課題に、二項カテゴリカル応答または多項カテゴリカル応答がある場合はCART分類を使用し、多数のカテゴリカル予測変数または連続予測変数を伴う連続応答がある場合はCART回帰を使用します。

このアンケートでは、顧客を満足しているかいないかで2つのグループにわけるので、CART分類を使用します。CARTの背景にある主な考え方は、従属変数（目標変数とも呼ばれ、この場合では満足度です）をより正確に予測できるように、予測変数をさまざまな領域に分割することです。Minitab Statistical Softwareは自動的に最適な決定木を見つけてモデル統計を提供し、ユーザーがそのモデルが有用かを理解できるようにします。

このデータを分析するとき、デフォルトのモデルはとても大きいですが、まったく問題ありません。満足度を高める主な要因に焦点を合わせ、それを理解したいとします。この場合、相対変数重要度プロットで、木にとってどの予測変数が最も重要な変数かがわかります。

以下のとおり、満足度を予測するときには機内の娯楽や座席の快適さが最も重要な変数で、それに続き、オンライン予約のしやすさおよびオンラインサポートが次に重要な変数として高く評価されています。

代替モデルに適合する柔軟性

CART木はとても大きくなることがよくあります。類似情報のある小さな木を表示することは、特に調査結果を他の人に伝える場合に役立ちます。Minitab Statistical Softwareの最新リリースにはインタラクティブなモデルビューが含まれており、1つの便利なウィンドウで代替モデルを探索、表示、および調べることができます。

以下の通り、はるかに小さな木が選択されているため、主要な変数と分割を表示できます。

詳細を理解するのに役立つ枝分かれ図

木を詳しく見てみると、機内の娯楽の評価が3.5以上である場合、顧客の約81％が体験を満足と評価していることがわかります。

赤と青の指標バー（この上と、木の各ノードの中に表示）を使用すると、結果を簡単に確認できます。青が満足、赤が満足していないことを示しています。この図では、顧客が機内の娯楽の評価を3.5未満にしている場合、座席が窓や通路に近ければ満足度が高くなる傾向があるのに対し、座席が列の真ん中にある場合は満足度が低くなる傾向があることがわかります（木の左側のパスをご覧ください）。

CART木は、重要な変数を理解したいときにとても役立ち、また、モデル内で値が分割されて表示されることで、変数が誰にとっても探索しやすいものになります。航空会社が上の木を使用することによって顧客が優れた機内の娯楽および快適な座席を望んでいることを知っても、それほど驚かないでしょう。しかし、機内の娯楽がそれほど良くなくても、座席が快適であれば顧客に満足してもらえるという発見は、重要な洞察です。

CARTは、多くの仮説を必要とせず、素早く実行できるため、分析ツールボックスの便利なツールになります。お手元にデータはあるものの、予測分析や機械学習が面倒だと感じているためにこれまで分析できていないという場合には、CARTをお試しください。Minitab Statistical Softwareの最新リリースでさらに簡単になりました。

MinitabでCART^®を使用するヒントとコツをもっと知りたいですか？