クロス集計とは？ローデータの実例でわかる作り方と分析の進め方

アンケート結果の会議で、よくこういう言葉が出てきます。

「年代別に見たらどうなりますか？」 「新規ユーザーと既存ユーザーで違いはありますか？」 「満足している人は、どの機能を使っているんでしょう？」

クロス集計は、こうした問いに答えるための基本的な分析方法です。ただし、表を作れば分析になるわけではありません。

クロス集計の目的は、回答を細かく分けることではなく、意思決定に必要な違いを確かめることです。

この記事では、架空のアンケートローデータを使いながら、クロス集計の作り方と分析例を解説します。

クロス集計とは

クロス集計とは、ある設問の回答を、別の設問や属性で分けて集計する方法です。

たとえば、全体の満足度だけを見ると「満足している人は多い」とわかります。そこに「利用頻度」という切り口を加えると、「毎日使う人と月1回使う人で満足度が違うのか」を確認できます。

単純集計とクロス集計の違い

単純集計は、1つの設問だけを集計します。

満足度
- 満足: 14人
- どちらでもない: 6人
- 不満: 4人

クロス集計は、2つ以上の項目を組み合わせて見ます。

満足度 × 利用頻度
- 毎日使う人の満足度
- 週1回使う人の満足度
- 月1回使う人の満足度

単純集計は全体像を見るために使います。クロス集計は、どのグループに違いがあるのかを見るために使います。

クロス集計でわかること

クロス集計で見たいのは、きれいな表ではありません。

次のような違いです。

• 新規ユーザーと既存ユーザーで、満足度に差があるか
• 利用頻度が高い人ほど、継続意向も高いか
• 認知経路によって、購入意向に違いがあるか
• サポート利用経験がある人ほど、不満が多いか

大事なのは、その違いが次の判断につながるかどうかです。

クロス集計を始める前に決めること

クロス集計を始める前に、まず決めるべきことがあります。

それは、何を判断したいのかです。

「年代別に見たい」は、まだ分析の問いではありません。年代別に見ることで、何を決めたいのでしょうか。

新規ユーザー向けの導線を改善したいのか。既存ユーザー向けの機能を強化したいのか。広告の訴求を変えたいのか。解約リスクを見つけたいのか。

判断したいことが違えば、見るべき切り口も変わります。

先に立てるべき分析の問い

今回のサンプルでは、次の問いを置きます。

利用頻度によって、サービス満足度と継続意向に違いはあるのか。
もし違いがあるなら、どの利用頻度のユーザーに優先して改善すべきか。

この問いがあると、ただ表を作るだけではなく、どの差を見るべきかが決まります。

ローデータで確認する項目

今回使うローデータには、次の項目があります。

• 回答ID
• 利用頻度
• 満足度
• 継続意向
• 初回設定のわかりやすさ

「初回設定のわかりやすさ」を入れているのは、満足度が低い理由の仮説を少しだけ探れるようにするためです。ここは後半で詳しく説明しますが、クロス集計はアンケートを回収したあとだけの話ではありません。どんな仮説を持って設問を入れるかで、あとから見えるものが決まります。

クロス集計に使うローデータサンプル

以下は、架空のSaaSツール利用者24人に聞いたアンケート結果です。

アンケートのローデータ

このまま眺めても、なんとなく傾向は見えます。ただ、ローデータのままだと、どのグループにどれくらい差があるのかは判断しにくい。

そこでクロス集計を使います。

クロス集計表の作り方

まずは、利用頻度ごとに満足度を集計します。

手順1: 行と列を決める

今回の問いは「利用頻度によって満足度に違いがあるか」です。

そのため、行に利用頻度、列に満足度を置きます。

行: 利用頻度
列: 満足度
値: 回答数

表計算ソフトなら、ピボットテーブルで作れます。

手順2: 実数でクロス集計する

まずは実数を見ます。

この表を見ると、毎日使う人には不満がいません。一方で、月1回の人は8人中4人が不満です。

ただし、実数だけではグループ間の比較がしにくいので、割合も見ます。

手順3: 割合でクロス集計する

各利用頻度の合計を100%として、割合を計算します。

グラフで見る利用頻度別の満足度

割合にすると、差がはっきりします。

利用頻度が下がるほど、満足の割合は下がり、不満の割合は上がっています。

ここで言えるのは、「利用頻度と満足度には関係がありそうだ」ということです。ただし、これだけで原因までは言えません。

クロス集計の分析例

クロス集計では、差を見つけたあとが本番です。

表を見て「月1回ユーザーの不満が高いです」で止めると、報告にはなります。でも、意思決定にはまだ少し遠い。

次に見るべきなのは、その差がどんな行動につながっているかです。

分析例1: 利用頻度別の満足度を見る

今回の満足度クロス集計からは、次の仮説が立ちます。

利用頻度が低いユーザーほど、サービスの価値を感じにくく、不満を持ちやすいのではないか。

ただし、注意が必要です。

「利用頻度が低いから不満なのか」「不満だから利用頻度が低いのか」は、この表だけではわかりません。

クロス集計は、関係を見つける方法です。原因を確定する方法ではありません。

だから、ここで必要なのは断言ではなく、次の調査や施策につながる問いです。

月1回ユーザーは、どの場面で価値を感じられていないのか。
利用頻度を上げれば満足度が上がるのか。
それとも、月1回利用でも価値が伝わる設計に変えるべきなのか。

分析例2: 利用頻度別の継続意向を見る

次に、利用頻度と継続意向をクロス集計します。

割合で見ると、こうなります。

月1回ユーザーは、満足度だけでなく継続意向も低いことがわかります。

これは、優先度を考えるうえで重要です。

もし事業上の課題が「解約率を下げること」なら、月1回ユーザーの体験を詳しく見る価値があります。逆に、課題が「ヘビーユーザーの単価を上げること」なら、毎日使うユーザーを別の切り口で見るべきかもしれません。

同じクロス集計でも、事業課題によって読むべき意味は変わります。

分析例3: 不満の背景を別の項目で見る

最後に、満足度と初回設定のわかりやすさをクロス集計します。

この表では、「初回設定がわかりにくい」と答えた人の中に、不満が集中しています。

ここから、次の仮説が立ちます。

低頻度ユーザーの不満は、サービス価値そのものよりも、初回設定でつまずいた経験と関係している可能性がある。

もちろん、これも確定ではありません。

ただ、次にやるべきことは少し見えてきます。月1回ユーザーに追加インタビューをするなら、「なぜ使わないのですか」と聞くだけでは足りません。

初回設定で何を期待していたのか。どこで止まったのか。設定後に、最初の価値を感じるまでに何が足りなかったのか。

クロス集計は、こうした次の問いを絞るために使えます。

クロス集計はアンケート設計で半分決まる

ここまで見ると、クロス集計は「集まったデータをどう分析するか」の話に見えるかもしれません。

でも、実際には半分違います。

深いクロス集計ができるかどうかは、アンケートを作る前にかなり決まっています。

今回の例で、月1回ユーザーの不満が高いことは、利用頻度と満足度を掛け合わせればわかります。しかし、それだけでは「なぜ不満なのか」はわかりません。

そこで効いてくるのが、「初回設定のわかりやすさ」という設問です。

この項目が入っていたから、満足度の低さと初回設定のつまずきに関係がありそうだと見えました。もしこの設問がなければ、月1回ユーザーの不満が高いというところで分析は止まります。

表は作れます。グラフも作れます。けれど、打ち手につながる仮説は細くなります。

使えるクロス集計には事前の仮説がある

アンケート設計で大事なのは、聞きたいことを全部入れることではありません。

あとで比較したい仮説を、設問として回収できる形にしておくことです。

たとえば、今回のようなSaaSツールの満足度調査なら、事前に次のような仮説を置けます。

ここで重要なのは、設問そのものではなく、仮説から逆算していることです。

「何か分析できそうだから属性をたくさん聞く」のではありません。

「この違いが出たら、次の判断が変わる」という比較だけを、先に設計しておきます。

足りないデータでは、原因に近づけない

もし今回のアンケートに、次の4項目しかなかったらどうでしょう。

このデータでも、利用頻度と満足度の関係は見られます。月1回ユーザーの不満が高そうだ、というところまでは言えます。

しかし、そこで止まります。

初回設定でつまずいたのか。利用目的が合っていないのか。期待していた機能がなかったのか。サポートで嫌な体験があったのか。価格に納得していないのか。

そのどれも、データに入っていなければクロス集計できません。

あとから「初回設定との関係を見たい」と思っても、聞いていなければ表は作れない。ここは残酷ですが、分析ツールは存在しない列を救えません。

クロス集計が浅くなる原因は、集計スキル不足だけではありません。そもそもアンケート設計の時点で、比較すべき仮説がデータになっていないことがあります。

アンケート設計では「分析後の表」を先に想像する

良いアンケート設計では、設問を作る前に、分析後に見たい表をざっくり想像します。

たとえば、こう考えます。

見たい表:
初回設定のわかりやすさ × 満足度

知りたいこと:
不満は初回設定のつまずきに集中しているのか。

判断:
オンボーディング改善を優先するか。

この順番で考えると、不要な設問を減らしやすくなります。

逆に、設問を先に並べてから「あとで何かクロス集計しよう」とすると、分析は散らかります。年齢、性別、職業、利用頻度、認知経路、満足度、自由回答。項目はたくさんある。でも、どの差が意思決定に効くのかがわからない。

これは、データが少ないのではなく、問いが設計されていない状態です。

アンケート設計の段階で、少なくとも次の3つは決めておくとよいです。

• どの意思決定に使う調査なのか
• どのグループ間の違いを見たいのか
• 差が出たら、何を変える可能性があるのか

クロス集計は、アンケート後の作業です。けれど、良いクロス集計はアンケート前に始まっています。

切り分けたいなら、その分だけサンプル数が必要になる

もうひとつ、アンケート設計の段階で考えておくべきことがあります。

サンプルサイズです。

クロス集計は、回答をグループに分けて比較します。分けるほど、1つひとつのセルに入る人数は少なくなります。

たとえば、100人の回答があったとします。全体で見れば100人です。しかし、これを利用頻度3区分で分けると、単純には1区分あたり約33人です。さらに年代3区分を掛け合わせると、1セルあたり約11人です。そこに満足度3区分を重ねると、セルによっては数人しか残りません。

この状態で「20代の月1回ユーザーは不満が多い」と言っても、そのセルに3人しかいなければ、傾向と呼ぶにはかなり心もとない。

数字は出ます。割合も出ます。グラフにもできます。

でも、3人中2人の66.7%と、300人中200人の66.7%は、意思決定に使う重さがまったく違います。

10人のクロス集計は何に使えるか

では、10人のクロス集計に意味がないのでしょうか。

そうではありません。

10人のデータでも、探索の手がかりにはなります。「このあたりに違いがありそうだ」「次のインタビューで聞くべきことが見えてきた」という使い方なら十分に価値があります。

ただし、10人のクロス集計をもとに「このセグメントはこういう傾向です」と言い切るのは危険です。

小さいサンプルは、答えではなく問いを作るために使う。

この区別はかなり大事です。

今回のサンプルも24人しかありません。だから本来は、「月1回ユーザーの不満が高いと確定した」とは言えません。この記事では学習用に差が見えやすいローデータを作っていますが、実務ではこの結果を見たら、追加調査やより大きなサンプルでの確認に進むのが自然です。

切りすぎを防ぐ目安

厳密な必要サンプル数は、母集団、許容誤差、検出したい差の大きさ、調査目的によって変わります。ここで雑に「何人あれば絶対に十分」とは言えません。

ただ、実務のアンケート分析では、最低限次のように考えると事故を減らせます。

これは統計的な保証ではなく、判断を雑にしないための実務上のブレーキです。

特に注意したいのは、あとからどんどん切り口を増やす分析です。

利用頻度 × 年代 × 職種 × 認知経路 × 満足度

こういう表は、見た目には高度な分析に見えます。しかし、各セルの人数が少なければ、ただ偶然を細かく並べているだけかもしれません。

クロス集計では、切り口を増やすほど分析が深くなるわけではありません。むしろ、仮説に関係のない切り口を増やすほど、数字は不安定になります。

設計段階で「この切り口で本当に比較したい」と決める。必要なら、その比較に耐えるだけのサンプル数を集める。十分に集められないなら、定量的な傾向ではなく探索的な仮説として扱う。

この自制がないと、クロス集計はとても簡単に、もっともらしいノイズになります。

クロス集計でよくある失敗

クロス集計は便利ですが、使い方を間違えると、むしろ判断を曇らせます。

失敗1: とりあえず全部の項目を掛け合わせる

アンケート項目が10個あれば、組み合わせはいくらでも作れます。

しかし、すべての項目を掛け合わせると、表は増えても問いは深まりません。

先に決めるべきなのは、見たい表ではなく、確かめたい仮説です。

失敗2: 細かく切りすぎて、セルの人数が足りない

クロス集計では、切り口を増やすほど各セルの人数が減ります。

全体では十分なサンプルがあるように見えても、年代、職種、利用頻度、認知経路などを掛け合わせると、1セルあたり数人になることがあります。

その状態で割合を比べると、偶然の差が大きな傾向に見えてしまいます。

少人数のセルは、傾向値ではなく探索の手がかりとして扱う。大きな判断に使うなら、追加サンプルや別の調査で確認する。

この線引きをしないと、クロス集計は分析ではなく、偶然に名前をつける作業になります。

失敗3: 割合だけを見て実数を見ない

「不満が50%」と聞くと大きな問題に見えます。

でも、それが2人中1人なのか、200人中100人なのかで、判断の重みはまったく違います。

割合は比較に向いています。実数は判断の重さを見るために必要です。

失敗4: 相関を原因だと思い込む

今回の例では、利用頻度が低いほど満足度も低く見えました。

ただし、それは「利用頻度を上げれば満足度が上がる」と同じ意味ではありません。

原因を知りたいなら、追加の定性調査、ログ分析、施策検証などが必要です。

失敗5: 差が出たのに次の行動が決まらない

クロス集計で差が出ても、次に何を変えるかが決まらないなら、その分析はまだ途中です。

良いクロス集計は、報告書のページ数ではなく、判断を変えます。

失敗6: アンケート設計の時点で仮説が入っていない

クロス集計で深い分析ができないとき、問題は集計表ではなくアンケート設計にあることがあります。

満足度だけを聞いても、不満の背景は見えません。利用頻度だけを聞いても、なぜ使われないのかはわかりません。

比較したい仮説があるなら、その仮説を確かめるための設問を事前に入れておく必要があります。

分析で使わない設問を増やす必要はありません。ただし、判断に必要な切り口を聞き忘れると、あとから取り返すのは難しいです。

クロス集計を意思決定につなげるチェックリスト

クロス集計を作る前に、次のチェックリストを使うと、分析が迷子になりにくくなります。

分析前のチェックリスト

• この集計で、どの意思決定を前に進めたいか
• アンケート設計時に、比較したい仮説を設問に落とし込めているか
• 比較するグループは、行動や文脈の違いを表しているか
• その切り口は、ただ見やすいだけではないか
• 差が出たときに理由を探れる補助設問があるか
• 差が出た場合、何を変えるのか
• 差が出なかった場合、何を保留するのか

分析後のチェックリスト

• 割合だけでなく実数も確認したか
• 各セルの人数は、傾向として読むのに十分か
• 細かく切りすぎて、少人数の偶然を読んでいないか
• サンプル数は、判断に使えるだけ十分か
• 差を原因として断定していないか
• 次に必要な追加調査や検証は何か
• 事業上の優先度と分析結果がつながっているか

まとめ: クロス集計は「分ける技術」ではなく「判断をよくする技術」

クロス集計は、アンケート分析の基本です。

けれど、本当に大事なのは、表の作り方そのものではありません。

何を判断したいのか。
どの違いを見れば、その判断が少し良くなるのか。
その違いを見るために、アンケート設計の段階で何を聞いておくべきか。
差が見えたあと、次に何を確かめるのか。

クロス集計は、数字を分けるための道具ではなく、問いを絞るための道具です。

表が増えたのに判断が進まないときは、たいてい集計が足りないのではありません。問いがまだ太すぎるか、アンケート設計の時点で必要な切り口を聞けていないのです。

まずは1つの意思決定を選ぶ。そこから、必要な切り口を選ぶ。そして、その切り口をデータとして回収できる設問にする。

クロス集計は、その順番で使うと、ただの表ではなく、チームが次の一手を決めるための材料になります。