住民の嗜好性を、自動車保有傾向から読み解く ～自動車関連の枠を超えて使える、エリアの嗜好性データ～

「誰が住むか」の先へ ― エリアの「嗜好性」をどう捉えるか

エリアマーケティングで利用される代表的なデータには、人口、世帯数、年齢構成、所得、昼間人口、事業所数などがあります。これらは、地域の市場規模、居住者属性、就業者属性などを説明する重要な変数です。

しかし、これらの多くは「どのような人が、どれだけ存在するか」を表すデータです。一方で、「その人たちが何を好むか」という嗜好性や価値観は、性質の異なる情報です。

エリア別の嗜好性を捉えるデータが、まったく存在しないわけではありません。たとえば当社の消費者ライフスタイルデータは、c-japan^® Homeのセグメント別に、生活意識や購買行動に関するアンケートのリフト値（基準となる回答率と比べて、どれだけ高い、または低いかを示す指標）を算出し、エリアの嗜好性を表現します。こうしたデータは、居住者の価値観を幅広い設問から立体的に捉えられる点に強みがあります。

一方で、アンケートを土台とするデータは、調査対象や設問設計に依存し、悉皆的な購買実績とは性質が異なります。ここに、自動車保有特徴量の独自の位置づけがあります。

自動車の選択は、住民の嗜好性が具体的な購買行動として表れた結果です。しかも、その結果は小地域単位で全数がきれいに揃っています。自動車保有特徴量は、アンケートによる嗜好性データを置き換えるものではなく、全数調査の購買実績という別の角度から「街の嗜好性」を捉え、新たな説明変数候補として加えるデータです。

たとえば、同じ年収帯、同じ世帯構成のエリアが二つあったとします。一方は、可処分所得を高級輸入車やSUVに投じる住民が多く、もう一方は、実用的な軽自動車やコンパクトカーを堅実に選ぶ住民が多いとします。人口統計や所得データだけを見れば似ていても、そこで発生する消費の質や、響くマーケティングは大きく異なる可能性があります。自動車保有特徴量は、この違いを、実際の購買結果から捉えます。

自動車保有台数という、稀有な「全数調査の購買実績データ」

自動車保有特徴量の土台となるのは、自動車保有台数のデータです。このデータは、一般財団法人 自動車検査登録情報協会および軽自動車検査協会が扱う、車検証（自動車検査証）の情報を集計したものです。ここには、他のエリアデータにはない、二つの際立った特長があります。

一つは、全数調査に基づく実データである点です。アンケート調査による推計値や、サンプルからの拡大推計ではなく、実際に登録されたすべての自家用乗用車の車検証情報に基づいています。日本を走るほぼすべての車は車検を通すため、母集団の取りこぼしがありません。「何台あるか」だけでなく、「どのメーカーの、どの車種が」という内訳まで、余す所無く把握できます。

もう一つは、小地域単位で把握できる購買実績データである点です。消費行動を小地域単位で全数把握できるデータは、世の中にほとんど存在しません。多くの購買データは、特定チェーンの会員データやPOSデータなど、母集団が限定されます。これに対し自動車保有台数は、地域全体の実際の購買結果を、細かい地理単位で捉えられます。

推計ではなく実測であること、そして地域の消費を面的に捉えられること。この二つが、自動車保有特徴量の信頼性を支えています。

保有台数から、7つの特徴量スコアへ

保有台数（基礎統計）から、嗜好性（構成比）へ

自動車保有台数のデータには、二つの読み方があります。

一つは、保有台数そのものを見る読み方です。エリアにどれだけの自家用車があるか、世帯あたり何台保有しているか、といった台数の多寡です。これは自動車関連企業が市場規模を把握する際に用いる、基礎的な統計です。

もう一つが、本コラムで重視する、構成比から嗜好性を読む読み方です。総台数のうち、どのメーカーが、どの車種が、どの燃料タイプが、どれだけの割合を占めるか。この構成比には、そのエリアの住民がどのような車を選好しているか、すなわち嗜好性が表れます。

たとえば、台数が同じ二つのエリアでも、一方は輸入車やSUVの比率が高く、もう一方は軽自動車の比率が高いとすれば、そこに住む人々の価値観やライフスタイルは異なると考えられます。自動車保有特徴量は、この「量」ではなく「構成の質」に着目し、街の嗜好性を数値化します。

約60項目の構成比を、7つの特徴量スコアへ

自動車保有特徴量は、自家用の保有構成に着目して作成します。自動車保有台数のデータには事業用・自家用の両方が含まれますが、事業用（物流やタクシーなどの業務車両）は、居住者の嗜好性とは異なる要因で増減します。そこで特徴量では、居住者の選好をより純粋に捉えるため、自家用の構成比を出発点としています。

具体的には、車種形状（ミニバン、SUV、セダンなど）、燃料（ガソリン、軽油、ハイブリッド、EV・PHEVなど）、国産・輸入の各メーカー、軽自動車のメーカー、保有年式の区分といった、細かく分類したおよそ60項目の構成比を用意します。分類を細かく取るほど、そのエリアで車がどう選ばれているかを、高い解像度で捉えられます。

ただし、これらの構成比をそのまま分析に使うと、二つの問題が生じます。一つは項目数の多さであり、もう一つは項目同士が相互に強く相関し合う多重共線性（説明変数同士が強く相関し、それぞれの効果を正しく分離できなくなる状態）です。

そこで自動車保有特徴量では、これらの構成比を正規化したうえで、多重共線性を回避する合成処理によって、意味のある少数の軸へ圧縮しています。結果として得られるのが、互いに独立した7つの特徴量スコアです。細かく分類した多数の構成比が持つ情報を、解釈可能で、かつモデルにそのまま投入できる7つの数値へ集約している、とお考えください。

7つの特徴量スコア ― 車から読む街の性格

7つの特徴量スコアは、それぞれが車の選ばれ方の異なる側面を捉えます。多くは、正負の両極に対照的な性格を持つ「対立軸」として解釈できます。

1. プレミアム輸入 vs 軽・大衆実用：高級輸入車が多い都市富裕型か、軽・大衆車が主体の生活実用型か
2. 保守エコ本流 vs 走り・アウトドア嗜好：ハイブリッド・セダンの堅実型か、SUV・スバル等の走り／趣味型か
3. 軽実用・生業 vs 都心セダン業務：軽商用車が多い生活・生業型か、セダンが多い都心業務型か
4. 広島マツダ偏重：マツダ本社のある広島でマツダが突出する、地域経済型の偏在（単極型）
5. 走破・SUV志向 vs 実用ファミリー：SUV・ディーゼルの走破型か、実用重視のファミリー型か
6. 個性コンパクト vs トヨタ・ミニバン主流：スバル・コンパクトの非主流型か、トヨタ・ミニバンの王道型か
7. 地方独立系メーカー（三菱・スバル）：三菱・スバルの本拠地周辺で、これらのメーカーが選ばれる地域経済型の偏在

以降では、これらのうち特徴的なものを取り上げ、車の構成比から街の嗜好性がどう読み取れるかを説明します。

年収では測れない「消費の質」

7つのうち、最も大きな情報量を持つのが、特徴量スコア1「プレミアム輸入 vs 軽・大衆実用」です。

このスコアが高いエリアでは、メルセデス・ベンツ、BMW、レクサスといった高級・輸入ブランドの比率が高く、軽自動車がほとんど存在しません。可処分所得を高級車に投じる余裕を持つ、都市富裕層のエリアです。逆にスコアが低いエリアでは、軽自動車や国産大衆車が主体で、比較的長く同じ車に乗り続ける傾向があります。価格感受性が高く、車を実用の道具として選ぶエリアです。

ここで重要なのは、このスコアが年収データとは異なる次元を捉えている点です。年収データは「所得がどれだけあるか」を表します。これに対し自動車保有特徴量は、「その所得を、車にどう投じるか」という消費の質を表します。

たとえば、年収が高くても車に関心が薄く、実用車で済ませる層もいれば、年収が同程度でも車に強くこだわる層もいます。年収統計だけでは同じに見えるエリアの内側に、こうした消費行動の違いが存在します。自動車保有特徴量は、この違いを可視化します。

さらに、年収統計にはいくつかの限界があります。一つは、年収階級の最上位が一定額で頭打ちとなり（たとえば「1500万円以上」）、その内側の濃淡までは分からないことです。もう一つは、別荘や二地域居住のように、その土地で消費する富裕層が、住民票をもとにした世帯年収には表れにくいことです。自動車保有特徴量は、実際にどの車が選ばれているかという保有構成から、こうした年収統計では捉えにくい富裕度を、連続的なスコアとして描き分けます。

地域に根差した基幹産業ゆえの、リアルなメーカー偏在

自動車保有特徴量には、他のエリアデータにはあまり見られない、この購買データならではの特徴があります。それは、特定メーカーの地域的な偏在が、鮮明に表れることです。

自動車は、地域に根差した基幹産業です。工場や本社が立地する地域では、そのメーカーの車が選ばれやすくなります。これは、雇用や取引を通じた地域経済とのつながり、地元企業への愛着など、さまざまな要因が重なった、自然な現象です。全数調査の実データであるからこそ、こうした地域の実像がそのまま浮かび上がります。

たとえば、特徴量スコア4「広島マツダ偏重」は、マツダ本社のある広島県で突出して高くなります。マツダのクリーンディーゼルやコンパクトカーが、他の地域とは比較にならない比率で選ばれており、広島県のエリアでスコアが際立って高くなります。

同様の現象は、他のメーカーの企業城下町でも見られます。特徴量スコア6「個性コンパクト vs トヨタ・ミニバン主流」は、その名の通りトヨタ車の多寡を映す軸ですが、トヨタ本社のある愛知県豊田市の周辺では、このスコアが極端に低くなります。トヨタ車の比率が圧倒的に高く、軸の対極に位置するためです。豊田市周辺は、周囲と際立った対比をなします。

また、特徴量スコア7「地方独立系メーカー（三菱・スバル）」は、三菱自動車やSUBARUの生産拠点の周辺で高くなります。三菱の水島製作所がある岡山県倉敷市の周辺や、SUBARUの本工場がある群馬県太田市の周辺では、これらのメーカーの車が地元で多く選ばれ、スコアが高くなります。

これらの偏在は、データのノイズではなく、地域経済の実態を映したリアルな特徴です。自動車保有特徴量は、こうした地域文化まで含めて、エリアの個性を捉えます。

ライフステージ・価値観を映す車種構成

メーカーだけでなく、車種の構成比にも、住民のライフステージや価値観が表れます。

ミニバンの比率が高いエリアには、子育て期のファミリー層が集まります。多人数での移動を前提とした車が選ばれるためです。越谷レイクタウンや吉川美南（いずれも埼玉県）のような、子育て世代が流入する郊外の大規模住宅地では、ミニバンの構成比が全国でも上位に入ります。SUVやディーゼル車の比率が高いエリアは、アウトドアやレジャーを志向する、あるいは走行性能を重視する層との関係が考えられます。軽商用車の比率が高いエリアは、農業や自営業など、車を生業の道具として使う地域の性格を映します。

ただし、「子育て層＝ミニバン」と一律には結び付きません。同じ子育て世代でも、経済的なゆとりの大きいエリアでは、ミニバンよりも輸入車やSUVの比率が高まる傾向があります。ファミリー層が多いという一点だけを見ても、選ばれる車種はエリアによって分かれます。この違いは、後述する富裕度の捉え方にもつながります。

特徴量スコア2「保守エコ本流 vs 走り・アウトドア嗜好」や、スコア5「走破・SUV志向 vs 実用ファミリー」は、こうした車種構成の違いを軸として捉えたものです。ハイブリッドやセダンを堅実に選ぶ層と、SUVや趣味性の高い車を選ぶ層。同じ車を家族のために選ぶ層と、個人の走りのために選ぶ層。車種の構成比は、こうした価値観の違いを映し出します。

スコアの設計思想と富裕度の捉え方

「分類」ではなく「連続値」で持つ意味

自動車保有特徴量は、「このエリアは〇〇タイプ」という分類ラベルではなく、7つの軸それぞれの連続的なスコアとして提供されます。この点は、分析上、重要な意味を持ちます。

分類ラベルは、街のおおまかな性格を直感的に捉えるうえで有効です。しかし、同じ分類に属するエリアの内側にある強弱の違いや、分類の境界付近にある連続的な変化は、ラベルだけでは表現できません。

連続値のスコアであれば、たとえば「同じ住宅地のなかでも、より高級車志向が強い地点」「同じ地方都市のなかでも、よりファミリー志向が強い地点」といった、微妙な差を定量的に比較できます。また、回帰分析や、似た性質のエリアをグループ分けするクラスタリングといった数値モデルに、そのまま説明変数として投入できます。分類ラベルのように、カテゴリを0や1などの数値に変換する前処理（ダミー変換・エンコード）を分析者が行う必要がなく、再現性の高い分析につながります。

富裕度を、年収統計とは別の角度から捉える

第6節で触れた「消費の質」の話は、富裕度の捉え方にも関わります。

エリアの富裕度を測る代表的なデータは、世帯年収の統計です。これは所得の水準を直接表す、重要な指標です。一方、自動車保有特徴量の「プレミアム輸入 vs 軽・大衆実用」は、所得そのものではなく、所得が車という耐久消費財にどう配分されているかを表します。

両者は関連しつつも、同じではありません。年収統計が「所得の多寡」を、自動車保有特徴量が「消費の質」を捉えると考えると、両者は補完的な関係にあります。年収データと自動車保有特徴量を組み合わせることで、「所得は高いが消費は堅実なエリア」「所得の割に車への支出が大きいエリア」といった、より立体的なエリア像を描けます。

このことは、実際のデータにも表れます。平均世帯年収がおよそ620〜660万円と、同程度の富裕度にある都市部の四つのエリアを比べてみます。芦屋川（兵庫県・阪急神戸線）では、メルセデス・ベンツやBMWといった輸入車が全体の3割超を占め、プレミアム輸入車に所得を投じる傾向が際立ちます。はるひ野（神奈川県・小田急多摩線）では、SUVとミニバンの比率が高く、アウトドアやレジャーを楽しむ子育て世代の姿が浮かびます。東陽町（東京都・東京メトロ東西線）は都心居住のエリアで、セダンとハイブリッド車が多く、堅実な車選びが読み取れます。そして千葉ニュータウン中央（千葉県・北総線）では、ミニバンが4割を超え、多人数での移動を重視する郊外ファミリーの選好が明確です。

四つのエリアは、平均世帯年収ではほとんど差がありません。それでも、所得の振り向け先はプレミアム輸入車、SUV、都心のセダン、ファミリーのミニバンへと、はっきり分かれます。年収統計だけでは同じに見えるエリアの内側に、これだけ異なる消費の質が存在します。自動車保有特徴量は、この違いを実際の購買結果から捉えます。

売上予測モデルへの活用

売上予測モデルへの投入 ― 前処理なしで使える特徴量

ここまで、自動車保有特徴量が街の嗜好性を捉えるデータであることを説明してきました。ここからは、このデータを売上予測モデルなどの分析へどう活用するかを説明します。

7つの特徴量スコアは、互いに独立するよう設計されています。多重共線性があらかじめ抑制されているため、既存の予測モデルへ、そのまま説明変数として追加できます。多数の生の構成比を前処理する必要がなく、変数選択や次元圧縮の工数をかけずに分析へ進めます。

活用の基本的な進め方は、ベースモデルと拡張モデルの比較です。まず、人口・世帯・競合・駅距離・店舗条件といった従来変数だけを使ったベースモデルを作成します。次に、自動車保有特徴量を説明変数候補として追加した拡張モデルを作成します。両者を比較することで、街の嗜好性が、従来変数だけでは説明できなかった店舗成果の差を捉えられるかを検証します。

確認するのは、予測精度の向上だけではありません。追加的な説明力が得られるか、どの特徴量スコアが目的変数と関係しているか、その関係を街の嗜好性として解釈できるか、といった点も重要です。自動車保有特徴量は、従来のエリアデータを置き換えるものではなく、人口・競合・駅距離などの従来変数に対して、これまで取り込みにくかった「住民の嗜好性」を加える、新たな説明変数候補です。

特徴量スコアの係数を、嗜好性の文脈で解釈する

自動車保有特徴量を追加する価値は、新しい変数をモデルへ投入できることだけではありません。各特徴量スコアに、街の嗜好性としての意味が付与されているため、分析結果を嗜好性の文脈へ戻して解釈できます。

たとえば、ある業態のモデルで「プレミアム輸入 vs 軽・大衆実用」のスコアが正方向に寄与していれば、他の条件が同じ場合に、高級車志向の富裕層が多いエリアで成果が高くなる傾向が示唆されます。「走破・SUV志向 vs 実用ファミリー」が正方向に寄与していれば、アウトドアやレジャーを志向する層との関係が考えられます。「軽実用・生業 vs 都心セダン業務」が生活・生業方向に寄与していれば、車を日常の道具として使う地域との親和性が示唆されます。

このように、特徴量スコアの寄与を単なる数値結果として終わらせず、「高級車志向の消費」「アウトドア・レジャー志向」「実用重視の生活」といった業務上の文脈へ翻訳できます。これは、モデルの説明可能性を高め、分析結果を出店判断、商品構成、販促施策などへ接続するうえで重要です。

業態によって、有効な嗜好性は異なる

すべての業態にとって、同じ嗜好性が有利になるわけではありません。

宝飾・高級時計、高級住宅や高級分譲マンション、ラグジュアリー小売のように、富裕層を主な顧客とする高単価業態では、「プレミアム輸入 vs 軽・大衆実用」のスコアが手がかりになります。このスコアは年収統計では測りにくい富裕度、とりわけ年収階級の上限を超える層の濃淡まで映すため、富裕層ターゲットの精緻化に役立ちます。アウトドア用品やスポーツ用品のように、趣味性・レジャー志向が来店動機となる業態では、「走破・SUV志向」や「走り・アウトドア嗜好」方向のスコアが有効な説明変数の候補です。ベビー・キッズ用品やファミリー向け住宅のように、子育て世帯を主な顧客とする業態では、ミニバン比率や実用ファミリー方向のスコアが効きます。

こうした関係は、あらかじめ固定的に決めるものではありません。既存店の実績データと特徴量スコアの関係を分析し、業態ごとにどの嗜好性が成果と結びついているかを検証します。自動車保有特徴量は、業態適性を直接決定する答えではなく、業態ごとに異なる立地条件を検証するための分析軸です。

なお、こうしたエリア別の嗜好性を重視するのは、主に高付加価値の買回り品（消費者が複数の店舗・商品を比較検討したうえで購入する、専門性や単価の高い商品）業態です。どの商圏でもおおむね画一的な品揃えとなる最寄り品（食料品や日用品など、消費者が近隣で日常的・頻繁に購入する商品）業態では、嗜好性の違いが打ち手に直結しにくく、まずは売上予測モデルの説明変数として間接的に検証する入り方が現実的です。

さらなる応用 ― スコアリングとデータ連携

商圏スコアリングと、類似エリアの探索

自動車保有特徴量は、予測モデルの説明変数としてだけでなく、商圏のスコアリングや類似エリアの探索にも利用できます。

既存店の実績と立地条件から構築したモデルを、同じ特徴量を取得できる未出店地点へ適用すれば、予測売上や潜在需要スコアとして表現できます。その際、予測値だけを見るのではなく、どの嗜好性がその評価につながっているかを確認することで、出店後に期待される顧客像まで含めた判断ができます。同じ高スコア地点でも、高級車志向の富裕層によって評価された地点と、ファミリー層によって評価された地点では、想定すべき商品構成や販促が異なります。

また、高業績店の立地について、7つの特徴量スコアを特徴ベクトル（複数の数値をひとまとまりの座標として扱う表現方法）として表現すれば、全国または対象地域から嗜好性の近い候補地を抽出できます。分類ラベルの一致だけで探す場合に比べ、同じ分類内の近さや、分類をまたいだ連続的な類似性まで評価できる点が特徴です。

他のエリアデータと組み合わせる

自動車保有特徴量は、単独で完結するデータではありません。他のエリアデータと組み合わせることで、分析上の意味が広がります。

人口・世帯・年収などの統計が「どのような人が、どれだけいるか」を表すのに対し、自動車保有特徴量は「その人たちが何を好むか」という嗜好性を表します。両者の役割は補完的です。さらに、居住者像を捉える c-japan^® Home、昼間の来街者・就業者像を捉える c-japan^® Daytime、街の時間的な使われ方を捉える c-japan^® Dynamics、そしてアンケートから嗜好性を捉える消費者ライフスタイルデータ ― これらと掛け合わせることで、エリアをより立体的に表現できます。嗜好性についても、全数調査の購買実績（自動車保有特徴量）とアンケート由来のリフト値（消費者ライフスタイルデータ）という異なる角度のデータを併用することで、より確からしいエリア像に近づけます。

「誰がいるか」「いつ、どのように街が使われるか」「そこに住む人が何を好むか」を組み合わせることで、これまで一つのデータだけでは描けなかった、多面的なエリア像が見えてきます。

まとめ：保有台数の先にある、嗜好性という特徴量

自動車保有台数は、これまで主に、自動車関連企業が市場規模を把握するための基礎統計として使われてきました。しかし、その構成比に目を向けると、そこには住民の嗜好性、ライフステージ、価値観、そして地域文化までもが表れています。なかでも、所得の振り向け方に表れる消費の質と、暮らしに根ざした嗜好性は、自動車関連の枠を超えて、富裕層をターゲットとする業態や、エリアごとの好みが成果を分ける買回り品の業態にとっても、商圏を捉える手がかりになります。

自動車保有特徴量は、全数調査の購買実績という信頼性の高いデータから、この「街の嗜好性」を7つの特徴量スコアとして抽出します。年収では測れない消費の質、車種に映るライフステージ、地域に根差したメーカーの偏在。これらは、従来のエリアデータでは捉えにくかった情報です。

そして、これらのスコアは前処理なしでモデルへ投入でき、その寄与を嗜好性の文脈で解釈できます。街を分類するだけのデータではなく、これまで予測モデルへ取り込みにくかった住民の嗜好性を、新たな説明変数候補として提供し、店舗成果との関係を検証可能にするエリアデータ ― それが、自動車保有特徴量です。

---

電話によるお問い合わせ先：03-5362-3955（受付時間／9：30～18：00 ※土日祝祭日を除く）
Webによるお問い合わせ先：https://www.giken.co.jp/contact/