ツールの使い方
データファイルを開くか「サンプルデータを使う」をクリックし、回答者 ID、タスク、選択の列を指定して、属性の列にチェックを入れます。価格のような数値属性は「線形」にすると 1 つの傾きだけを推定し、線形の価格属性を選ぶと支払意思額が表示されます。「どれも選ばない」選択肢は、すべての属性が空欄の行、または「どれも選ばない」フラグ列が 1 の行です。
集計ロジットの結果はすぐに表示されます。「HB 推定を実行」をクリックすると、階層ベイズがバックグラウンドスレッドで進捗を表示しながら実行されます。終了後は、市場シェアシミュレーター（2〜6 製品）が回答者ごとの保存済み抽出を平均し、ファーストチョイス・ルールも使えるようになります。
手法：エフェクトコーディング、線形価格、階層ベイズ
L 個の水準をもつカテゴリー属性はエフェクトコーディングします。L − 1 個のパラメーターを推定し、最後の水準はほかのパラメーターの合計の符号を反転した値になるため、各属性内の部分効用値は 0 を中心とします。数値属性は線形項として推定でき（中心化・スケーリングしてから推定し、1 単位あたりの効用の変化に換算し直します）、「どれも選ばない」には独自の定数項があります。
選択確率は P(j を選ぶ) = exp(xⱼ·β) ÷ Σₖ exp(xₖ·β) です。集計ロジットはニュートン・ラフソン法で平均的な回答者の β と標準誤差を推定します。階層ベイズは各回答者の βₙ ~ N(b, D) を仮定し、MaxDiff ツールと同じ Metropolis-within-Gibbs エンジンを使います。乱数シードを固定しているため結果は再現可能です。
- 属性の重要度 = その属性の部分効用値の幅 ÷ 全属性の幅の合計 × 100。HB では回答者ごとに計算してから平均します。
- 支払意思額 =（ある水準の効用値 − その属性の最初の水準の効用値）÷（価格 1 単位あたりに失われる効用値）。平均効用値で計算します（HB では平均の比）。
- ブラウザーでの制限：HB は回答者 5,000 人、パラメーター 60 個まで。
計算例
架空のサンプルデータはワイヤレスイヤホンの調査を模したものです。回答者 300 人がそれぞれ 10 タスクに回答し、各タスクでは 3 製品と「どれも選ばない」を提示しています。選択は合計 3,000 回で、そのうち 17.7% が「どれも選ばない」でした。集計ロジット（McFadden R² = 0.164）による属性の重要度は、価格 44.6%、バッテリー持続時間 23.1%、ブランド 16.5%、ノイズキャンセリング 15.7%の順です。
価格は線形で推定され、1 ドル上がるごとに効用値が 0.0220 下がります。これに基づくと、平均的な回答者にとってノイズキャンセリングの価値は約 31.72 ドル、バッテリー持続時間を 6 時間から 14 時間に延ばす価値は約 46.60 ドルです。
ハイエンドモデル（Aurora、14 時間、ノイズキャンセリングあり、139 ドル）とエントリーモデル（Zenith、10 時間、ノイズキャンセリングなし、49 ドル）を並べてシミュレーションすると、シェアはそれぞれ 35.2% と 42.8% で、22.0% はどちらも選びません（集計ロジットによる選好シェア。ツールで HB を実行すると個人ベースのシェアが得られます）。
向いているケースと向いていないケース
CBC は価格設定と製品設計に向いています。どの機能を加える価値があり、それがいくらに相当するか、新しい製品構成が競合品に対してどれだけの選好シェアを得られるかを判断できます。
- 属性が 2〜約 8 個、各属性の水準が 2〜15 個、回答者 1 人あたりの選択タスクが 8 個以上の設計。
- 訴求や機能のリストを順位付けしたいだけの場合。回答者にとっては MaxDiff のほうが簡単です。
- 完成した製品を選ぶのではなく評価や順位付けをする場合。評価型コンジョイント分析（SPSS CONJOINT）を使ってください。
- シミュレーションのシェアは選好シェアであり、配荷・認知度・販促を考慮していないため、そのまま販売数量の予測として使えません。
結果の解釈
部分効用値は同じ属性の中でだけ比較してください。属性の重要度はテストした水準の幅に左右され、価格の幅が広いほど価格が重要に見えます。製品同士がよく似ている場合は、HB に基づくシミュレーションを優先しましょう。集計ロジットは似た製品間の差を過大に見積もるためです。