皆様、ラーメン好きですか？ 美味しいラーメンを求めて、日々調査に勤しむ方も多いかと思われます。 筆者もそんなラーメン好きの一人。 12月某日、愛するラーメン二郎の行列に並びながら、ふと考えました。 「ヤサイ、アブラ・・・いろいろなトッピングがあるが、どれが一番うまい組み合わせなんだろうか？」と。 （これがわかると、旨味の一歩先にいけるかもしれない・・・） 全部食べればいいじゃん！という野暮なツッコミは無しにして、みんながうまいと思うトッピングを、データから探してみることにしました。分析対象は、（筆者が）よく行く目黒店です。 

分析概要

• 某口コミサイトから、ラーメン二郎の口コミデータを（諸事情につき）手動で集める
• 集めた二郎の口コミデータを、統計ソフトRを用いて決定木分析
• 最も「みんながうまい」と思っている二郎の注文方法を得る

某口コミサイトから、ラーメン二郎の口コミデータを（諸事情につき）手動で集める

みんな使っている、某便利口コミサイトから、「ラーメン二郎目黒店」の口コミを集めます。

• 評価点数・・・その人が何点をつけているのか
• 注文商品、およびトッピング・・・その人が何を頼んでいたのか

を取得します。

このデータは、「注文（因）→評価（果）」という因果関係が成り立つデータになっております。 ここから、「どういう注文をすれば（因）、評価が高いのか（果）」という探索を行い、注文の「パターン」を見つけます。  

集めたラーメン二郎の口コミデータを、統計ソフトRを用いて決定木分析

さて、Rの決定木を用いて、パターンを見つけてみましょう。 因果関係のご説明通り、「点数」列が目的変数になります。

# パッケージの読み込み
library(rpart) # 決定木を実行するために必要
library(partykit) # 決定木結果を可視化するために必要

# ファイルがあるディレクトリ（フォルダ）に移動して作業
setwd("/Users/name/")

# 対象データの読み込み
jiro_data <- read.csv("二郎データ_20151109.csv", sep=",", header=T, as.is=T, fileEncoding = "SHIFT-JIS")

# 決定木の実行
jiro_tree <- rpart(点数~.,data=jiro_data)

# 可視化（fontfamily = "Osaka"で日本語を決定木内に表示させる）
plot(as.party(jiro_tree), gp = gpar(fontfamily = "Osaka", fontsize = 10))

実行すると、以下のようなグラフが得られます。 

最も「みんながうまい」と思っているラーメン二郎の注文方法を得る

得られたグラフには、箱ヒゲ図が使われております。 箱ヒゲ図は、意外と見慣れていない方も多いと思いますので、簡単な説明を作りました。 

そして、一つ一つ見ていくと、

1. 「野菜マシマシ」が0.5未満、つまり0、つまり、注文しない
2. 「豚」が0.5以上、つまり1、つまり、注文する
3. 「野菜」が0.5未満、つまり0、つまり注文しない

の場合、最も口コミの点数が高そう、ということがわかりました。（この条件にヒットした口コミ件数が8しかないのが悩ましいですが。） 

つまり、「豚は追加せよ、そして、野菜は増すな。」これが目黒店の一番うまい（評価点数が高い）食べ方と言えます。  

分析結果で得た最適な注文方法で注文してみた

さて、実際に食べに行ってみました。 弊社のインターン生も一緒です。 

私は、小らーめんに豚入りを注文し、ニンニク、カラメをコールです。 分析結果通り、豚を入れ、野菜は追加しないスタイルです。 あ〜記事を書きながら腹が減ってくる・・・ 

結果、うまいです。 今まで「目黒店は味が薄いなぁ〜」と思っていたのですが、野菜の水分のせいなのかもしれません。 野菜を減らすことで、味がクッキリし、非常に美味しくいただけます。 あと、当たり前ですが、最初に野菜を処理するフェーズが入らないのもいいところです。 

インターン生二人も無事完食！   もっと当たり前の結果が出ると思ったこの分析、意外な結果が出て、なかなか面白かったです。 次はどの店舗に行こうかな〜   ※分析のご質問などがありましたら、ぜひD-Answerをご利用くださいませ。月1時間、無料でご利用いただけます。
>>D-Answerは現在サービスを終了しております<<

DATUM STUDIOでは様々なAI/データ分析の支援を行っております。
詳細につきましてはこちら

詳細/サービスについてのお問い合わせはこちら