結論
STP分析とは、市場を似た顧客の集まりに分け(Segmentation)、狙う集まりを選び(Targeting)、その相手から見た自社の立ち位置を決める(Positioning)マーケティングの考え方です。「誰に・何を・競合と比べてどう違うか」を、4P などの具体策より先に決めるために使います。
この記事でわかること
- S・T・P それぞれのやり方と、切り口・3つの型・マップの作り方
- 架空の顧客600人を KMeans で4つに分けた表と、狙う相手を選ぶ採点
- ポジショニングマップの描き方と、よくある失敗の表
この記事で実際に動かしたもの:架空の会社の架空の顧客データを Python で作り、scikit-learn の KMeans でセグメントに分け、狙う相手を数字で採点し、ポジショニングマップを SVG で描きました。会社・顧客・競合はすべて架空です。
flowchart TD
G[目的を決める] --> S[S 市場を分ける<br>切り口で顧客をまとめる]
S --> T[T 狙う相手を選ぶ<br>採点して1〜2つに絞る]
T --> P[P 立ち位置を決める<br>競合と違う価値を1文に]
P --> M[4Pで具体策にする]
M -->|数字で見直す| S
よく調べられることの答えを先にまとめます。
| 知りたいこと | 答え | 詳しい節 |
|---|---|---|
| STP分析とは | 市場を分け、狙う相手を選び、立ち位置を決める考え方 | STP分析とは |
| STP分析のやり方 | 目的→分ける→選ぶ→立ち位置→4P、の5つの手順 | STP分析のやり方 |
| セグメンテーションとは | 地理・人口統計・心理・行動の切り口で顧客を分けること | セグメンテーションとは |
| ターゲティングとは | 分けた中から狙う集まりを選ぶこと(無差別型・差別型・集中型) | ターゲティングとは |
| ポジショニングとは | 狙う相手の頭の中で、競合と違う場所を占めること | ポジショニングとは |
| ポジショニングマップの作り方 | 買う理由になる2つの軸で競合と自社を並べる | ポジショニングマップをSVGで描く |
| STP分析の例 | 架空のコーヒー豆の定期便で、分ける→選ぶ→描くまで | 架空の会社でSTP分析をする |
| 4P・3C・SWOTとの関係 | 3C・SWOTで状況を見て、STPで相手を決め、4Pで具体策 | STP分析と4P・3C・SWOTの関係 |
確認環境:Ubuntu 24.04.5 LTS の上で、Python 3.13.18・pandas 3.0.5・numpy 2.5.3・scikit-learn 1.9.1 を使い、架空の顧客600人のデータを乱数(シード532)で作って、標準化・KMeans・シルエット係数・調整ランド指数(ARI)を計算しました。ポジショニングマップは Python で SVG を書き出し、図は mermaid-cli 11.16.0 で描画を確かめています。STP の3つの段階の位置づけは、Pearson の『Marketing Management』(Philip Kotler・Kevin Lane Keller・Alexander Chernev、第17版 2025年・第16版 2021年)の目次と公開されている抜粋で確かめました。書籍の本文全体は読んでいないため、本文の細かな定義は引用していません。数字はすべて架空のデータから計算したもので、実在の会社・市場の値ではありません(確認日 2026年11月16日)。
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「STP分析とは|セグメンテーション・ターゲティング・ポジショニングのやり方と例」
STP分析とは(意味と3つの段階)
この節では、STP分析の意味と、S・T・P の3つの段階がそれぞれ何を決めるのかが分かります。
STP分析は、Segmentation(セグメンテーション=市場を分ける)、Targeting(ターゲティング=狙う相手を選ぶ)、Positioning(ポジショニング=立ち位置を決める)の頭文字を取った、マーケティングの考え方です。「すべての人に同じものを売る」のではなく、「似た欲しさを持つ人の集まり」を見つけて、そこに合う価値を届けるための順番を示しています。
| 段階 | 英語 | 決めること | 出てくるもの |
|---|---|---|---|
| S | Segmentation | 市場をどんな切り口で分けるか | セグメントの一覧と、それぞれの人数・特徴 |
| T | Targeting | どのセグメントを狙うか | 狙う1〜2つのセグメントと、選んだ理由 |
| P | Positioning | 狙う相手から見て、競合とどう違うか | ポジショニングマップと、価値を表す1文 |
この考え方は、フィリップ・コトラーらの教科書『Marketing Management』(Pearson)で体系立てて扱われています。第17版(2025年)の目次では、第6章が「Identifying Market Segments and Target Customers」(セグメントと狙う顧客を見つける)、第7章が「Crafting a Customer Value Proposition and Positioning」(顧客への価値の提案とポジショニングをつくる)で、S・T と P がこの順に並んでいます。日本の解説では、コトラーが提唱者として紹介されることが多い考え方です。
ITの仕事での意味
エンジニアにとっての STP は、「誰のためのプロダクトか」を決める作業です。機能の優先順位、画面の文言、料金プランの分け方、ログで追う指標は、狙う相手が決まらないと決められません。要件定義の前に「この機能は、どのセグメントのどの困りごとを解くか」を1行で書けるかが、STP ができているかの目安になります。
なお、ネットワークの分野にも「STP(Spanning Tree Protocol)」という同じ略語がありますが、この記事の STP とは別のものです。
STP分析の目的とメリット
この節では、STP分析を何のために行い、行うと何がよくなるのかが分かります。
STP分析の目的は、限られた予算と人手を、勝てる見込みが高い相手に集めることです。相手を決めずに全員に向けると、広告の言葉も機能も平均的になり、どの人にも強く響かなくなります。
1相手の欲しさが分かる
顧客を分けて並べると、全体の平均では見えなかった「よく買う層」「1回に多く買う層」が見える。この記事の例でも、平均の月額は約4,580円だが、集まりごとには約2,160円〜8,730円と4倍の差があった。
2強みを当てる場所が決まる
自社の強みが生きる相手を選ぶと、同じ予算でも響き方が変わる。採点の表で「強みとの合い方」を数字にしておくと、話し合いがぶれにくい。
3伝える言葉がそろう
立ち位置を1文にすると、広告・営業資料・サイト・製品の画面で同じことを言える。チームの中での判断の基準にもなる。
新しい商品を始めるときのほか、売れ方が変わったときや料金プランを見直すときにも使えます。
STP分析のやり方(5つの手順)
この節では、STP分析を始めてから具体策に移るまでの手順が、順番どおりに分かります。
STP は S→T→P の順に進めますが、その前に「何を決めるための分析か」を、後に「4P でどう具体策にするか」を置くと、分析が分析で終わりません。
目的と範囲を決める
「新しい定期便のプランを誰向けに作るか」「既存サービスの広告を誰に向けるか」のように、決めたいことを1文にする。市場の範囲(国内・個人向けなど)もここで決める。
市場を分ける(S)
購買のデータ・アンケート・公的な統計から、買い方や欲しさが違う集まりを見つける。切り口は2〜4個から始める。
狙う相手を選ぶ(T)
規模・1人あたりの売上・伸び・競合の多さ・自社の強みとの合い方を採点し、狙う集まりを1〜2つに絞る。選ばなかった集まりと理由も残す。
立ち位置を決める(P)
狙う相手が選ぶときに重く見る2つの軸でマップを描き、競合と重ならない位置と、その価値を表す1文を決める。
4P で具体策にして見直す
製品・価格・届け方・伝え方を、決めた立ち位置に合わせる。数か月ごとに数字で見直し、市場が変われば S からやり直す。
セグメンテーションとは(切り口の表:地理・人口統計・心理・行動)
この節では、セグメンテーションの4つの代表的な切り口と、個人向け・法人向けでの違いが分かります。
セグメンテーションとは、市場を「同じ働きかけに似た反応をする人の集まり」に分けることです。年齢や地域のように見て分かる切り口だけでなく、価値観や買い方のように行動に近い切り口も使います。
| 切り口 | 英語の呼び方 | 例 | データの集め方 |
|---|---|---|---|
| 地理 | ジオグラフィック | 国・地域・都市の規模・気候・商圏 | 住所・配送先・公的な統計 |
| 人口統計 | デモグラフィック | 年齢・性別・家族の人数・職業・所得の帯 | 会員登録・アンケート・国勢調査など |
| 心理 | サイコグラフィック | 価値観・趣味・生活のしかた・こだわり | アンケート・インタビュー |
| 行動 | ビヘイビアル | 買う頻度・1回の金額・使う場面・求める便益 | 購買のログ・アクセスのログ |
コトラーらの教科書でも、消費者市場の分け方と法人市場の分け方は別の節になっています。法人向けでは、次のような切り口がよく使われます。
個人向け(BtoC)でよく使う
年齢・家族の人数・地域
こだわり・生活のしかた
買う頻度・1回の金額・使う場面
法人向け(BtoB)でよく使う
業種・会社の規模・拠点の数
使っている仕組み・導入の段階
買い方(決める人・予算の時期・発注の単位)
分け方がよいかを確かめる4つの観点(4R)
日本の解説では、分けた集まりを確かめる観点として「4R」がよく使われます(元の出典は確かめられなかったため、中身だけを示します)。
- Rank(優先順位):集まりに順番を付けられるか。
- Realistic(有効な規模):売上と利益が見込める大きさがあるか。
- Reach(届くか):その集まりに、広告や営業で届ける手段があるか。
- Response(反応を測れるか):働きかけた結果を数字で測れるか。
ターゲティングとは(3つの型と選び方)
この節では、ターゲティングの3つの型と、どの型を選ぶかの考え方が分かります。
ターゲティングとは、分けたセグメントの中から、自社が働きかける相手を選ぶことです。日本の解説では、次の3つの型で説明されることが一般的です。コトラーらの第16版の抜粋では、1つの集まりに絞るやり方を「single-segment concentration」と呼び、多くの商品は複数のセグメントを狙う製品の並びの一部だと説明しています。
| 型 | やり方 | 向いている場面 | 気をつけること |
|---|---|---|---|
| 無差別型 | 市場を分けず、全体に同じものを届ける | 誰もが同じように使う日用品・違いが出にくい商品 | 競合が多いと価格の競争になりやすい |
| 差別型 | 複数のセグメントに、それぞれ違う商品・プランを届ける | 人手と予算があり、集まりごとに欲しさがはっきり違う | 商品・広告の種類が増え、手間とコストが増える |
| 集中型 | 1つ(または少数)のセグメントに資源を集める | 新しい会社・小さなチーム・専門性が強み | その集まりが縮むと影響が大きい |
どのセグメントを選ぶかは、次の5つの観点で採点すると比べやすくなります。後の節で、架空のデータを使って実際に計算します。
- 1規模人数・社数。小さすぎると採算が合わない
- 21人(1社)あたりの売上月の購入額・契約の単価
- 3伸び前の年と比べて増えているか
- 4競合の少なさ同じ相手を狙う会社がどれだけいるか
- 5自社の強みとの合い方その相手が求めるものを、自社が得意としているか
コトラーらの教科書では、狙う顧客の姿を思い描くためにペルソナ(代表となる架空の人物像)を使う節もあります。ペルソナと「片付けたい用事」から考える方法の違いは、関連記事「ジョブ理論(JTBD)とは|ペルソナとの違い」で扱っています。
ポジショニングとは(ポジショニングマップの作り方)
この節では、ポジショニングの意味と、ポジショニングマップの軸の選び方・描き方が分かります。
ポジショニングとは、狙う相手の頭の中で、競合と比べて「この用途ならこれ」と思い出してもらえる場所を占めることです。自社がどう言いたいかではなく、相手からどう見えるかで決めます。
買う理由を集める
狙う相手が選ぶときに重く見ること(価格・手軽さ・品質・選べる幅・サポートなど)を、アンケートやインタビューで集める。
似ていない2つの軸を選ぶ
「価格」と「高級感」のように一緒に動きやすい軸を選ぶと、点が斜めの線に並ぶだけになる。互いに関係の薄い2つを選ぶ。
競合と自社を置く
同じ相手を狙う競合を並べ、それぞれの位置を数字(0〜10など)で決める。決め方(調査の値か、チームの見立てか)を書き残す。
空いている場所と需要を重ねる
競合から離れた場所を探し、そこに狙う相手の欲しさがあるかを確かめる。空いていても欲しい人がいなければ、その場所は選ばない。
決めた位置は「〈狙う相手〉にとって、〈自社の商品〉は〈競合〉と違い、〈価値〉を届ける」という1文にまとめ、4P の判断の基準にします。
【例】架空の会社でSTP分析をする(前提と流れ)
この節では、後の3つの節で計算する例の前提(架空の会社・架空の顧客・架空の競合)が分かります。
ここからは、架空のコーヒー豆の定期便「A社」を例に、S・T・P を数字で進めます。会社名・顧客・競合・数字はすべて架空で、実在の会社や市場とは関係ありません。
| 項目 | この例での前提 |
|---|---|
| 目的 | 新しいプランを、どの顧客の集まり向けに作るかを決める |
| データ | 架空の会員600人の「年齢・月の購入回数・1回の購入額・深煎り好み(0〜1)」 |
| A社の強み(架空) | 深煎りの焙煎の技術と、少量でもすぐ届ける配送 |
| 競合(架空) | B社・C社・D社・E社の4社 |
| 全体の平均 | 年齢39.3歳・月2.3回・1回2,290円・深煎り好み0.49・月額約4,580円 |
データは、性質の違う4つのグループ(210人・150人・140人・100人)を乱数で作って混ぜたものです。KMeans には、どの人がどのグループかを教えていません。
セグメンテーションをPythonで実行(KMeansで顧客を4つに分ける)
この節では、顧客データを標準化して KMeans で分ける手順と、分ける数の決め方、出てきたセグメントの表が分かります。
単位の違う列(歳・回・円)をそのまま使うと、数字の大きい「円」の列だけで分けられてしまうため、先に標準化(平均0・ばらつき1にそろえる)します。そのうえで、分ける数 k を2〜7で試しました。
import numpy as np, pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
rng = np.random.default_rng(532)
groups = [ # 人数, 年齢, 月の購入回数, 1回の購入額, 深煎り好み(すべて架空)
(210, 34, 1.2, 1800, 0.35), (150, 52, 3.4, 2600, 0.80),
(140, 28, 4.1, 1300, 0.55), (100, 45, 0.6, 4200, 0.25)]
rows = []
for n, age, freq, amt, dark in groups:
for _ in range(n):
rows.append([np.clip(rng.normal(age, 6), 20, 75),
max(0.1, rng.normal(freq, 0.6)),
max(500, rng.normal(amt, 350)),
np.clip(rng.normal(dark, 0.12), 0, 1)])
df = pd.DataFrame(rows, columns=["年齢", "月の購入回数", "1回の購入額", "深煎り好み"]).round(2)
X = StandardScaler().fit_transform(df)
for k in range(2, 8):
km = KMeans(n_clusters=k, n_init=10, random_state=0).fit(X)
print(k, round(km.inertia_, 1), round(silhouette_score(X, km.labels_), 3))
df["セグメント"] = KMeans(n_clusters=4, n_init=10, random_state=0).fit(X).labels_
df["月の購入額"] = df["月の購入回数"] * df["1回の購入額"]
print(df.groupby("セグメント").mean().round(2))
分ける数ごとの、まとまりのよさ(inertia は小さいほど、シルエット係数は1に近いほどよくまとまっている)は次のとおりでした。
k inertia silhouette
2 1496.3 0.369
3 863.1 0.48
4 465.9 0.533
5 428.9 0.423
6 398.9 0.333
7 369.5 0.278
k=4 でシルエット係数が最も高く(0.533)、inertia も k=3→4 で大きく下がり、その後はなだらかになりました。そこで4つに分けます。出てきたセグメントに、特徴から名前を付けた表が次です。
| セグメント | 人数 | 平均の年齢・回数・1回の額 | 深煎り好み | 月額(売上の割合) |
|---|---|---|---|---|
| S1 じっくり深煎り派 | 148人 | 52.7歳・月3.34回・2,610円 | 0.82 | 8,732円(47.0%) |
| S2 毎週たっぷり派 | 144人 | 29.2歳・月4.02回・1,294円 | 0.54 | 5,197円(27.2%) |
| S3 ときどき贅沢派 | 99人 | 45.3歳・月0.61回・4,249円 | 0.24 | 2,586円(9.3%) |
| S4 気軽に試す派 | 209人 | 34.0歳・月1.18回・1,823円 | 0.35 | 2,161円(16.4%) |
人数では S4 が最も多い(209人)のに、売上の割合では S1 が47.0%と最も大きくなりました。人数の多さと売上の大きさは一致しないことが、表にすると一目で分かります。
分けた結果は信用できるか
結果がたまたまでないかを、3つの方法で確かめました。調整ランド指数(ARI)は、2つの分け方がどれだけ一致するかを示す値で、1なら完全に一致です。
| 確かめたこと | 結果 | 読み取れること |
|---|---|---|
| 元の4グループとの一致 | ARI 0.977(600人中7人だけ別の集まりへ) | KMeans は元の集まりをほぼ取り戻せた |
| random_state を1・2・3に変える | 3回とも ARI 1.0 | 初期値を変えても同じ分け方になった |
| 標準化をしないで分ける | 標準化ありとの ARI 0.525 | 1回の購入額の列に引っぱられ、分け方が大きく変わった |
標準化をしなかった場合は、1回の購入額で「約1,230円・約1,920円・約2,720円・約4,260円」の4つの帯に分かれるような結果になり、深煎り好みの違いがほとんど生かされませんでした。KMeans の仕組みや分ける数の決め方をさらに知りたい場合は「k-means法とは|Pythonで自作・クラスタ数の決め方・苦手な形を実測」が詳しく、列が多いときに軸をまとめる方法は関連記事「主成分分析(PCA)とは|手順・寄与率・負荷量の読み方をPythonで実演」で扱っています。
セグメントの名前の付け方
名前は、営業・開発・広告の人が同じ相手を思い浮かべるための道具です
ターゲティングを数字で決める(5項目の採点と重みの影響)
この節では、4つのセグメントを5つの観点で採点し、狙う相手を選ぶ計算と、重みを変えると順位がどう動くかが分かります。
規模と1人の月額は表の値から、伸び・競合の多さ・強みとの合い方は架空の前提から、それぞれ5点満点にそろえて重みを掛けました。架空の前提は、伸び(前の年と比べた増え方)が S1 4%・S2 12%・S3 2%・S4 8%、競合の多さ(1〜5)が S1 2・S2 4・S3 3・S4 5、強みとの合い方(1〜5)が S1 5・S2 3・S3 2・S4 3 です。
# 計算の形(各セグメントについて計算する。日本語の名前は説明用)
w = {"規模": 0.25, "1人の月額": 0.25, "伸び": 0.2, "競合の少なさ": 0.15, "強みとの合い方": 0.15}
s = {"規模": 人数 / 最大の人数 * 5,
"1人の月額": 月額 / 最大の月額 * 5,
"伸び": 伸び / 最大の伸び * 5,
"競合の少なさ": 6 - 競合の多さ,
"強みとの合い方": 合い方}
合計 = sum(s[k] * w[k] for k in w)
| セグメント | 規模・月額 | 伸び・競合の少なさ | 強みとの合い方 | 合計(5点満点) |
|---|---|---|---|---|
| S1 じっくり深煎り派 | 3.54・5.00 | 1.67・4 | 5 | 3.82 |
| S2 毎週たっぷり派 | 3.44・2.98 | 5.00・2 | 3 | 3.36 |
| S4 気軽に試す派 | 5.00・1.24 | 3.33・1 | 3 | 2.83 |
| S3 ときどき贅沢派 | 2.37・1.48 | 0.83・3 | 2 | 1.88 |
この重みでは S1 が1位でした。ただし、重みは会社の方針そのものなので、重みを変えると順位が変わります。同じ点数で重みだけを変えた結果が次です。
| 重みの置き方 | 1位 | 2位 | 3位・4位 |
|---|---|---|---|
| 基本(規模0.25・月額0.25・伸び0.2・他0.15) | S1(3.82) | S2(3.36) | S4(2.83)・S3(1.88) |
| 規模を重く(規模0.5) | S1(3.84) | S4(3.48) | S2(3.32)・S3(2.06) |
| 伸びを重く(伸び0.5) | S2(3.94) | S1(3.09) | S4(2.81)・S3(1.45) |
「いまの売上を守る」なら S1、「これから伸びる相手を先に取る」なら S2 が上に来ます。A社の例では、強みの深煎りと最も合う S1 を主な相手とする集中型を選び、S2 は次の候補として残すことにしました。採点の表は答えを出す機械ではなく、何を重く見たから選んだのかを後から説明できるようにする記録です。
狙う集まりの市場がどれくらいの大きさかを数字で見積もるときは、関連記事「TAM・SAM・SOMの計算方法|市場規模の出し方」の考え方が使えます。
ポジショニングマップをSVGで描く(空いている位置の見つけ方)
この節では、架空の競合4社と A社を2つの軸に置いたポジショニングマップと、空いている位置を計算で探す方法が分かります。
S1 の人が選ぶときに重く見る軸として、「価格の高さ」と「味の選べる幅」を0〜10で置きました。位置は架空の値で、B社(2.5, 3.0)・C社(7.5, 8.0)・D社(3.5, 7.0)・E社(8.0, 3.5)・A社のいま(5.0, 5.0)です。
quadrantChart
title 架空の競合4社とA社のポジショニングマップ
x-axis 価格が安い --> 価格が高い
y-axis 味の幅が狭い --> 味の幅が広い
B社: [0.25, 0.30]
C社: [0.75, 0.80]
D社: [0.35, 0.70]
E社: [0.80, 0.35]
A社(今): [0.50, 0.50]
空いている位置: [0.55, 0.10]
上の図は、Python で書き出した SVG と同じ座標を、0〜1 の値に直して描いたものです(値はすべて架空)。
空いている位置は、1〜9の範囲を0.5刻みで調べ、「最も近い競合までの距離」がいちばん大きくなる点として計算しました。
others = [(2.5, 3.0), (7.5, 8.0), (3.5, 7.0), (8.0, 3.5)] # B〜E社(架空)
best = max(((min(np.hypot(x - a, y - b) for a, b in others), x, y)
for x in np.arange(1, 9.01, 0.5) for y in np.arange(1, 9.01, 0.5)))
print("空き", round(float(best[0]), 2), float(best[1]), float(best[2]))
print("A社(今)", round(float(min(np.hypot(5 - a, 5 - b) for a, b in others)), 2))
空き 3.54 5.5 1.0
A社(今) 2.5
1行目は「最も近い競合までの距離 3.54、価格 5.5、味の幅 1.0」、2行目は A社のいまの位置から最も近い競合までの距離です。
A社のいまの位置は、どの競合とも近い「真ん中」でした(最も近い競合まで2.5)。計算で見つかった空き(価格5.5・味の幅1.0)は「中くらいの価格で、味は深煎りに絞る」場所です。ここで大事なのは、空いているだけでは選ばないことです。この場所は、深煎り好み0.82・1回2,610円の S1 の欲しさと重なり、A社の強み(深煎りの焙煎)とも合うので、A社はここを狙うと決めました。
立ち位置の1文:「深煎りをじっくり味わいたい人にとって、A社の定期便は、種類を広げる他社と違い、深煎りだけを焙煎したてで少量ずつ届ける」。
この方法は、いちばん端の点(ここでは味の幅1.0)が選ばれやすいという癖があります。端は「誰も欲しがらないから空いている」こともあるので、必ず狙う相手のデータと重ねて確かめます。
STP分析と4P・3C・SWOTの関係
この節では、STP分析の前後に使うフレームワークとの役割の違いと、使う順番が分かります。
3C や SWOT で「いまの状況」を見て、STP で「誰に・どんな立ち位置で」を決め、4P で「何を・いくらで・どこで・どう伝えるか」を決める、という順につながります。
| フレームワーク | 決めること | STP との関係 |
|---|---|---|
| 3C | 顧客(Customer)・競合(Competitor)・自社(Company)の状況 | STP の前。セグメントと競合の候補を集める |
| SWOT | 強み・弱み・機会・脅威 | STP の前。「強みとの合い方」の採点のもとになる |
| STP | 誰に、どんな立ち位置で届けるか | 真ん中。ここで相手と立ち位置が決まる |
| 4P | 製品(Product)・価格(Price)・届け方(Place)・伝え方(Promotion) | STP の後。立ち位置に合わせて具体策を決める |
| ペルソナ | 狙う相手の代表となる架空の人物像 | T の後。選んだセグメントを1人の姿にする |
A社の例で 4P につなげると、製品は「深煎りだけの3種類」、価格は「1回あたり2,500〜2,800円の帯」(S1 の1回の平均2,610円を参考に)、届け方は「焙煎の翌日に届く少量の定期便」、伝え方は「焙煎の様子と飲み方を伝える読み物」となります。立ち位置と 4P が食い違う(例:深煎りに絞ると言いながら種類を増やす)と、相手に伝わる像がぼやけます。
30種類のフレームワークを目的別に並べた一覧は、関連記事「ビジネスフレームワーク一覧30選|3C・SWOT・4Pの使い分け目的別早見表」で扱っています。STP の結果を数字で追う指標の決め方は「KPIとは|意味・KGI・KSFとの違いと設定方法・職種別の例を計算式つきで」が参考になります。データの集計そのものは関連記事「pandasの使い方 逆引き81選|pandas 3.0の実行結果つき」で扱っています。
STP分析のよくある失敗とつまずき(失敗表)
この節では、STP分析でよく起きる失敗と、起きたときの見分け方・直し方が分かります。
| 失敗 | 起きていること | 見分け方 | 直し方 |
|---|---|---|---|
| 切り口を増やしすぎる | 集まりが細かくなり、どれも小さい | セグメントが10個を超える・1つが数十人 | 買い方に効く2〜4個の切り口に絞る |
| 年齢・性別だけで分ける | 同じ年代でも欲しさが違う人が混ざる | 集まりの中で購入額のばらつきが大きい | 行動(頻度・金額・場面)の切り口を足す |
| 標準化をしないで KMeans | 数字の大きい列だけで分けられる | 集まりが1つの列の帯になっている | StandardScaler でそろえてから分ける(例では ARI 0.525 の差) |
| 人数だけで狙う相手を選ぶ | 売上や強みと合わない相手を選ぶ | 人数1位と売上1位が違う | 月額・伸び・競合・強みも採点する |
| 全員を狙う | 言葉が平均的になり、誰にも響かない | 立ち位置の1文が書けない | 主な相手を1つ決め、次の候補は順番待ちにする |
| 一緒に動く2軸でマップを描く | 点が斜めの線に並び、空きが見えない | 「価格」と「高級感」のような組み合わせ | 関係の薄い軸に変える |
| 空いている場所に飛びつく | 需要がないから空いていた | その位置を欲しがる集まりがデータにいない | セグメントの表と重ねて確かめる |
| 一度作って終わり | 市場や競合が変わっても前の版のまま | マップの日付が1年以上前 | 数か月ごとにデータで見直す |
- 1セグメントに、買い方が伝わる名前がある人数・月額などの数字と一緒に表で残す
- 2狙う相手を選んだ理由を、重みつきで説明できる重みを変えたら順位がどう動くかも見ておく
- 3マップの軸が、相手の選ぶ理由になっている自社が言いたい軸ではなく、相手が重く見る軸
- 4立ち位置を1文で書け、4P と食い違っていない製品・価格・届け方・伝え方を1文と見比べる
STP分析の判断表(どこまでやるか)
この節では、状況に合わせて STP分析をどの深さで行うかの目安が分かります。
| 状況 | セグメンテーション | ターゲティング | ポジショニング |
|---|---|---|---|
| アイデアの段階でデータがない | 仮の切り口2つで4つの箱に分ける | 話を聞ける相手がいる箱を選ぶ | 競合3〜5社を見立てでマップに置く |
| 顧客のデータが数百件ある | 標準化して KMeans など。数を2〜7で試す | 5項目の採点と重みの比較 | 相手の選ぶ理由をアンケートで集めて軸に |
| 法人向けのサービス | 業種・規模・導入の段階で分ける | 1社あたりの契約額と届く手段を重く見る | 導入の手間・サポートなどの軸 |
| 既存の商品の売れ方が変わった | 前の版の表と同じ切り口で作り直して比べる | 伸びの点数を最新の値に | 競合の位置を置き直す |
| 新しい料金プランを作る | 買う頻度・金額の行動の切り口を中心に | 差別型で2つまで | プランごとに1文を作る |
よくある質問
Q. STP分析とは何ですか? A. 市場を似た顧客の集まりに分け(セグメンテーション)、狙う集まりを選び(ターゲティング)、その相手から見た自社の立ち位置を決める(ポジショニング)マーケティングの考え方です。
Q. STP分析は誰が考えたものですか? A. フィリップ・コトラーらの教科書『Marketing Management』で、セグメントと狙う顧客の章、価値の提案とポジショニングの章として体系立てて扱われています。日本の解説ではコトラーが提唱者として紹介されることが多い考え方です。
Q. セグメンテーションとターゲティングの違いは? A. セグメンテーションは市場を分ける作業、ターゲティングは分けた中から狙う相手を選ぶ作業です。分けただけでは何も決まらず、選んで初めて働きかける相手が決まります。
Q. セグメンテーションの切り口には何がありますか? A. 代表的なのは、地理(地域・気候)、人口統計(年齢・家族の人数・職業)、心理(価値観・こだわり)、行動(買う頻度・金額・使う場面)の4つです。法人向けでは業種・会社の規模・導入の段階などを使います。
Q. ターゲティングの3つの型とは? A. 市場全体に同じものを届ける無差別型、複数のセグメントにそれぞれ違うものを届ける差別型、1つのセグメントに集中する集中型です。
Q. ポジショニングマップの軸はどう選べばよいですか? A. 狙う相手が選ぶときに重く見る理由の中から、互いに関係の薄い2つを選びます。一緒に動きやすい2つを選ぶと、点が斜めに並ぶだけになります。
Q. STP分析の順番は必ず S→T→P ですか? A. 基本は S→T→P ですが、競合の位置を先に見てから分け方を見直すなど、行き来することはよくあります。最後に、選んだ相手と立ち位置と 4P が食い違っていないかを確かめます。
Q. Python でセグメンテーションをするときの注意は? A. 単位の違う列は標準化してから分けます。この記事の例では、標準化をしないと分け方が大きく変わりました(ARI 0.525)。分ける数は2〜7などで試し、シルエット係数と、分けた結果を業務で使えるかの両方で決めます。
Q. 4P との違いは何ですか? A. STP は「誰に・どんな立ち位置で」を決め、4P は「何を・いくらで・どこで・どう伝えるか」を決めます。STP が先、4P が後です。
Q. 小さな会社や個人の事業でも使えますか? A. 使えます。データが少なくても、仮の切り口2つで4つの箱に分け、話を聞ける相手がいる箱を選ぶところから始められます。資源が少ないほど、集中型で相手を絞る意味が大きくなります。
まとめ
- STP分析は、市場を分け(S)、狙う相手を選び(T)、立ち位置を決める(P)考え方で、4P などの具体策より先に行う。
- セグメンテーションの切り口は地理・人口統計・心理・行動の4つ。年齢や性別だけでなく、買い方の切り口を入れる。
- 架空の顧客600人を標準化して KMeans で分けると、k=4 でシルエット係数0.533、元の集まりとの一致は ARI 0.977 だった。標準化をしないと分け方が大きく変わった。
- ターゲティングは規模・月額・伸び・競合・強みを採点して決める。重みを変えると1位が S1 から S2 に変わったように、重みは方針そのもの。
- ポジショニングマップで空いている位置を見つけても、狙う相手の欲しさと重ならなければ選ばない。決めた位置は1文にして 4P と見比べる。
参考・出典
確認日はいずれも 2026年11月16日です。
- Pearson「Marketing Management, 17th edition」(Philip Kotler・Kevin Lane Keller・Alexander Chernev)目次:https://www.pearson.com/en-ca/subject-catalog/p/marketing-management/P200000010451?view=educator
- O'Reilly「Marketing Management, 16th Edition」Chapter 6「Single-Segment and Multi-Segment Targeting」:https://www.oreilly.com/library/view/marketing-management-16th/9780135323199/xhtml/fileP70010177020000000000000000012E3.xhtml
- scikit-learn「KMeans」:https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
- scikit-learn「StandardScaler」:https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html
- scikit-learn「silhouette_score」:https://scikit-learn.org/stable/modules/generated/sklearn.metrics.silhouette_score.html
- scikit-learn「adjusted_rand_score」:https://scikit-learn.org/stable/modules/generated/sklearn.metrics.adjusted_rand_score.html
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「STP分析とは|セグメンテーション・ターゲティング・ポジショニングのやり方と例」
株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。
WE ARE HIRING
RJCで一緒に開発しながら、
成長を楽しみませんか?
RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください!
- 127日年間休日
- 12時間平均残業時間
- 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ!
ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨(休暇 or 金一封)、11期連続の黒字決算。