基本情報 令和7年度 科目A 問16：テクノロジ系に関する問題

答えは d「マーケットバスケット分析」 です。

スーパーのレジ（POS）の記録を見ていると、「ビールを買う人は紙おむつも一緒に買ってる！」みたいな“一緒にカゴに入る組み合わせ”が見つかることがあります。これを大量のデータから自動で見つけ出すのがマーケットバスケット分析です。

バスケット＝買い物カゴ。カゴの中身をのぞき見して仲良しの商品ペアを探す、と覚えるとカンタン。

👉 覚え方：「バスケット＝買い物カゴ」。一緒に買われる仲間探し。

ほかの選択肢：a 3C＝自社・お客・ライバルの3つを調べる作戦立て／b ABC＝売れ筋ランキングで仕入れを決める／c コンジョイント＝「色か値段、どっち重視？」アンケートで好みを分析。

なぜこれが正解か

正解は d。マーケットバスケット分析は、POSなどの購買履歴（バスケット＝1回の買い物単位）から「商品Aを買った人は商品Bも買う」という同時購買パターン（アソシエーションルール）を発見するデータマイニング手法。支持度・確信度・リフト値といった指標で関連の強さを評価し、棚割り・クロスセル・レコメンドに活用する。

各選択肢の解説

• a 3C分析：Customer・Competitor・Companyの3視点で事業環境を整理する経営戦略フレーム。
• b ABC分析：売上や在庫の重要度をA/B/Cにランク付けし重点管理する手法（パレート法則の応用）。
• c コンジョイント分析：複数の属性の組合せに対する評価を集め、消費者が各属性をどれだけ重視するかを推定する手法。

覚え方・ひっかけ注意

「ビールと紙おむつ」の事例が定番。“一緒に買われる”ならバスケットと即答できるようにする。ABCとの混同に注意（ABCは個別商品の重要度ランキングで“組合せ”ではない）。

理論的背景

マーケットバスケット分析の中核はアソシエーションルールマイニング。代表アルゴリズムは Apriori法（頻出アイテム集合を支持度しきい値で枝刈り）と FP-Growth（FP-treeで候補生成を不要化し高速）。評価指標は3つ：

• 支持度 support(A→B) = P(A∩B)
• 確信度 confidence(A→B) = P(B|A)
• リフト値 lift(A→B) = P(B|A)/P(B)（1超で正の相関、独立なら1）

リフト値で「偶然の共起」を排除するのが実務の肝。

実務での使われ方

ECのレコメンド（「この商品を買った人はこちらも」）、店舗の棚割り最適化、クロスセルキャンペーン設計、医療における併発症分析にも応用。近年は協調フィルタリングや行列分解、深層学習ベースのレコメンド（Two-Tower等）に置き換わる場面も多いが、解釈性の高さからルール抽出は依然有効。

試験での位置づけ

FE科目Aではストラテジ系・データ利活用領域で頻出。応用情報・データベーススペシャリストではApriori法の手順、支持度・確信度の計算問題まで踏み込む。生成AI時代のレコメンドと比較した「説明可能性」の文脈で再注目されている点も押さえたい。

選択肢の発展補足

3C分析は4C（Cost・Customer Value・Convenience・Communication）やSWOT、5Forcesと併せて経営戦略マネジメント領域で出題される。ABC分析はパレート図・ローレンツ曲線・ジニ係数と関連し、QC七つ道具の一つ。コンジョイント分析は直交配列表（実験計画法）を用いて少サンプルで効用値を推定する点が特徴で、新製品の価格・仕様決定に使われる。