マーケットバスケットとは？初心者でも分かる基礎と実践ガイド共起語・同意語・対義語も併せて解説！

この記事を書いた人

岡田康介

名前：岡田康介（おかだこうすけ）ニックネーム：コウ、または「こうちゃん」年齢：28歳性別：男性職業：ブロガー（SEOやライフスタイル系を中心に活動）居住地：東京都（都心のワンルームマンション）出身地：千葉県船橋市身長：175cm 血液型：O型誕生日：1997年4月3日趣味：カフェ巡り、写真撮影、ランニング、読書（自己啓発やエッセイ）、映画鑑賞、ガジェット収集性格：ポジティブでフランク、人見知りはしないタイプ。好奇心旺盛で新しいものにすぐ飛びつく性格。計画性がある一方で、思いついたらすぐ行動するフットワークの軽さもある。 1日（平日）のタイムスケジュール 7:00 起床：軽くストレッチして朝のニュースをチェック。ブラックコーヒーで目を覚ます。 7:30 朝ラン：近所の公園を30分ほどランニング。頭をリセットして新しいアイデアを考える時間。 8:30 朝食＆SNSチェック：トーストやヨーグルトを食べながら、TwitterやInstagramでトレンドを確認。 9:30 ブログ執筆スタート：カフェに移動してノートPCで記事を書いたり、リサーチを進める。 12:30 昼食：お気に入りのカフェや定食屋でランチ。食事をしながら読書やネタ探し。 14:00 取材・撮影・リサーチ：街歩きをしながら写真を撮ったり、新しいお店を開拓してネタにする。 16:00 執筆＆編集作業：帰宅して集中モードで記事を仕上げ、SEOチェックやアイキャッチ作成も行う。 19:00 夕食：自炊か外食。たまに友人と飲みに行って情報交換。 21:00 ブログのアクセス解析・改善点チェック：Googleアナリティクスやサーチコンソールを見て数字を分析。 22:00 映画鑑賞や趣味の時間：Amazonプライムで映画やドラマを楽しむ。 24:00 就寝：明日のアイデアをメモしてから眠りにつく。

マーケットバスケットとは？

マーケットバスケットは、顧客が同時に購入する商品の組み合わせを分析する考え方です。小売業やネットショップでは、 購買の関連性 を見つけることで、陳列の工夫・レコメンドの精度・在庫管理の改善につながります。なお、日本では「マーケットバスケット分析（Market Basket Analysis: MBA）」という言い方もよく使われます。

マーケットバスケット分析の目的

主な目的は3つです。1つ目は売上を伸ばす組み合わせの発見、2つ目は顧客の購買行動の理解、3つ目はキャンペーンやクーポンの効果を高めることです。 データを使って、商品同士の「相性」を見つけることで、より効果的な販売戦略を立てられます。

基本用語と指標

able> 用語定義例支援度（Support）分析するデータセット中で、特定の商品群が同時に現れる割合パンと牛乳の組み合わせが全購入の20%を占める信頼度（Confidence）Aを購入した人がBも一緒に買う割合パンを買う人のうち牛乳も買う割合リフト（Lift）AとBの同時購入が、偶然起きる確率と比べてどれだけ高いかパンと牛乳の組み合わせが、独立して起こる場合より高いか ble>

具体的な活用例

小売店では、 パンとバター、コーヒー（関連記事：アマゾンの【コーヒー】のセール情報まとめ！【毎日更新中】）と砂糖などの組み合わせを分析して、セット販売の提案や陳列を最適化します。オンラインでは、「この商品を買った人はこの商品も買っています」というレコメンドが自動で表示され、クリック率や購買率が向上することが多いです。

別の例として、在庫最適化にも役立ちます。買い物かごに入った商品が同時に売れる傾向が強い場合、関連する商品を近くに配置したり、関連商品の発注量を前倒ししたりします。これにより、売上の機会損失を減らし、在庫コストを抑えられます。

導入のステップ

まず、目的を明確にすることが大切です。次に、購買履歴やキャンペーンデータなどのデータを準備します。データに欠損がある場合は補完するか除外します。続いて、アソシエーションルールを抽出し、支援度・信頼度・リフトといった指標で評価します。最後に、結果を現場の戦略に落とし込み、陳列、レイアウト、クーポン設計、レコメンドアルゴリズムの改善に活用します。

注意点と留意事項

重要なのはデータの品質と解釈の仕方です。データが偏っていると、見かけ上の「関連性」が誤解を招くことがあります。また、マーケットバスケット分析は因果関係を証明するものではなく、「関連性」を示すツールです。結果をそのまま戦略の根拠にせず、他の分析（顧客セグメント、価格 elasticity、季節性）と組み合わせて判断しましょう。

まとめ

マーケットバスケットは、買い物の「組み合わせの法則」を見つける強力な分析手法です。適切に使えば、売上向上や顧客満足の向上に直結します。初心者の方は、まずデータの理解と指標の意味を覚え、次に小さな仮説を検証するところから始めましょう。

マーケットバスケットの同意語

マーケットバスケット: 統計・経済で使われる、消費者が実際に購入する財・サービスの標準的な組み合わせの集合。主に消費者物価指数(CPI)の算出や物価動向の分析に用いられる。
市場かご: 市場を対象とした品目の集合を指す直訳表現。CPIなどの統計指標で使われることが多い。
市場バスケット: 市場の品目が束になった概念。経済指標の計算に使われる品目のグループを指す。
消費者物価指数の市場かご: CPIを構成する品目の集合。物価の変化を追跡するための基準として具体的に用いられるセット。
CPI基準セット: 消費者物価指数の算出に使われる基準となる品目の集まり。統計上の標準セット。
物価指数の標準品目群: 物価を測る際の標準的な品目のグループ。長期的な比較・分析の基礎になる。
生活費指数の品目セット: 生活費を反映するための品目の組み合わせ。家計の実態を反映させる目的で用いられることが多い。
生活必需品セット: 家庭の基本的な消費を構成する品目の集合。生活費の測定において重要な要素。
購買バスケット: 購買対象となる品目の集合。統計的な分析やモデル化で使われる表現。
買い物リストの標準集: 家庭の買い物を代表する品目の標準的なセット。用途説明のための表現として使われることがある。
標準購買パック: 標準化された購買品目のパック。比較・分析を容易にするために設定されることが多い。
物価測定用パック: 物価の動向を測るために用意された品目のセット。データ比較の基本単位となる。
物価バスケット: 市場バスケットと同義で、物価の変動を測る品目の集合。特に物価指数の話題で使われる表現。
市場支出バスケット: 市場での支出を想定して組んだ品目の集合。家計支出の分析に用いられることがある。

マーケットバスケットの対義語・反対語

単品販売: 複数品をセットにせず、1つずつ販売すること。マーケットバスケットのようなまとめ買いの対義語として使われます。
バラ売り: 商品を1点ずつ分けて販売するスタイル。セット購買を避け、個別に販売する形態の表現です。
1点購入: 購入する品目が1点だけであること。複数点をまとめて買うマーケットバスケットの対極です。
個別販売: 商品を個別に販売する取り扱い。複数をまとめて購入する形態の反対として使われます。
単品購入: 単一の品目を購入すること。セット購入（バスケット）に対する対義語として用いられます。
一品ずつ購入: 品目を1点ずつ順に購入すること。

マーケットバスケットの共起語

マーケットバスケット分析: 購買データをもとに、商品同士の関連性や共起のパターンを見つけ出すデータマイニング手法。
アソシエーション分析: データ内のアイテム間の関連性を抽出する分析手法。マーケットバスケット分析の広義の名称として使われることが多い。
アソシエーションルール: アイテムAが購入されたときにアイテムBも購入される可能性を示す規則。A→Bの形で表現される。
アプリオリ法: 頻出アイテムセットを見つけ出す古典的なアルゴリズム。サポート閾値を満たす組み合わせを抽出する。
FP-Growthアルゴリズム: 頻出アイテムセットを効率的に発見する現代的なアルゴリズム。大規模データに強い。
頻出アイテムセット: データ全体に対して一定以上の出現頻度を持つ商品セットのこと。
サポート: アイテムセットが全データ中に現れる割合。ルールの信頼性を判断する基準の一つ。
信頼度: A→Bの条件付き確率。Aが起きたときにBが起きる確率を示す指標。
リフト: AとBの関連性が独立時と比べてどれだけ強いかを示す指標。1より大きいほど関連性が強い。
同時購入: 複数の商品が同じ購買イベントで一緒に購入される現象。
購買データ: 顧客の購入情報全般。MBAの分析対象となるデータ。
購買履歴: 過去の購入記録の履歴データ。
アイテムセット: 複数の商品を一つの集合として扱うセット。
アイテム: 個別の商品・品目のこと。
バスケット: 買い物かごの意味。マーケットバスケット分析の語源にもなっている言葉。
クロスセル: 関連性の高い商品を提案して購買を促進する販売戦略。
レコメンデーション: 購買データに基づく商品推奨。レコメンドエンジンの出力として使われる。
データマイニング: 大量データから有用なパターンや知識を抽出する技術全般。
小売業: スーパーマーケットや店舗等、MBAの実務適用が特に多い業界。
POSデータ: 販売時点情報データ。購入時刻・商品・店舗などを含むデータ。
Eコマース: オンライン販売領域。MBAの適用事例が多い分野。
連関分析: アイテム間の関係性を探索する分析の総称。
連関ルール: 連関分析で得られるA→Bの購買規則。
連関データマイニング: 連関分析を含むデータマイニング手法の総称。
品目: 商品カテゴリ内の個々の品目名のこと。
サポート閾値: 頻出アイテムセットを決定する際の最小出現割合の閾値。
信頼度閾値: アソシエーションルールを採用する際の最小信頼度の閾値。
リフト閾値: ルールの有意性を評価する際の最小リフトの閾値。
前処理: データの欠損値処理・正規化・ノイズ除去など、分析前のデータ準備作業。

マーケットバスケットの関連用語

マーケットバスケット分析: 購買履歴データを用い、同時に購入される商品セットの頻度や関連を発見するデータマイニングの手法。購買行動のパターンを把握し、レコメンデーションやプロモーションに活用します。
アソシエーションルール: あるアイテムの購入が別のアイテムの購入とどの程度関連するかを表す「もしXならY」という規則。
アイテムセット: 分析の基本単位となる商品群。1つ以上の商品の集合を指します。
頻出アイテムセット: データ内で一定以上の頻度で同時に出現するアイテムの集合。サポート閾値を超えます。
サポート: あるアイテムセットが全トランザクション中に出現する割合。頻出度を測る指標。
最小サポート: 分析で許容するサポートの閾値。これを下回るアイテムセットは除外されます。
信頼度: Xが購入されたときYも一緒に購入される条件付き確率。ルールの強さを表します。
最小信頼度: ルールとして採用する際の最低限の信頼度の閾値。
リフト: XとYの同時出現と個別出現の比。1より大きいとYがXと正の関連を持つことを示唆します。
アプリオリアルゴリズム: 頻出アイテムセットを段階的に抽出する古典的なアルゴリズム。小規模データで安定します。
FP-Growth: とても大きなデータにも対応できる高速な頻出アイテムセット抽出アルゴリズム。データを圧縮して処理します。
トランザクションデータ: 各購入体験を1行に表したデータ。1つのトランザクションには複数の商品が含まれます。
クロスセル: 関連性の高い商品組み合わせを提案して、同時購入を促す戦略。
アップセル: より高価格・機能のある商品を提案して購買額を増やす戦略。
購買パターン: 時間帯や季節、顧客層別に観察される商品の共起傾向。
データ前処理: 分析に適した形式にデータを整える工程。トランザクション化、欠損値処理、正規化などを含みます。
閉包アイテムセット: 頻出アイテムセットの中でも、サポートが同じまま包含される最大の集合。これ以上大きな同サポートの集合を含みません。
レコメンデーションエンジン: マーケットバスケット分析の結果を使って商品提案を自動的に行うシステム。