会議で「デモグラフィックデータを見て判断しよう」と言われたとき、なんとなく頷いてしまった経験はないでしょうか。マーケティングの現場で当たり前のように飛び交う言葉ですが、いざ「日本語で何と言うのか」「サイコグラフィックと何が違うのか」を説明しようとすると、意外と言葉に詰まるものです。この記事では、デモグラフィックデータの意味と日本語訳から、具体的な項目、STP分析での位置づけ、収集方法、そして実務で使うときの限界までを、順を追って整理します。
デモグラフィックデータとは何か
日本語では「人口統計学的属性」と訳される
デモグラフィックデータ(demographic data)は、日本語では「人口統計学的属性」「人口統計データ」「人口動態変数」などと訳されます。マーケティングの文脈では「デモグラフィック属性」「デモグラ」と略して呼ばれることも多く、要するに年齢・性別・所得・家族構成・職業・学歴・居住地域といった、人を客観的に分類できる基本情報のことを指します。
この訳語が定着した背景は、語源をたどると納得できます。「demography(人口統計学)」は、古代ギリシャ語の demos(デモス=人々、民衆) と graphein(グラフェイン=書く、記述する) を組み合わせた言葉で、直訳すれば「人々について記述すること」です。つまりデモグラフィックデータとは、その名のとおり「人々の集団を数量的に記述するためのデータ」なのです。学問としての人口統計学は19世紀に体系化され、そこで使われていた分類軸が、後にマーケティングのセグメンテーション手法へ取り込まれていきました。
なお「言い換え」を探している方向けに整理しておくと、実務では次のような表現が同義または近い意味で使われます。
- 人口統計学的属性/人口統計データ
- 人口動態変数(セグメンテーションの文脈でよく使われる)
- デモグラフィック変数、デモグラ属性
- 基本属性、顧客属性(ややカジュアルな言い換え)
また「デモグラフィックデータの対義語は?」という疑問もよく見かけますが、厳密な対義語がある言葉ではありません。強いて挙げるなら、客観的な属性であるデモグラフィックに対して、価値観やライフスタイルといった主観的・心理的な側面をとらえる「サイコグラフィックデータ」が対の概念として扱われます。この違いは後ほど詳しく解説します。
デモグラフィックデータに含まれる代表的な項目
「デモグラフィックデータとはどのような項目ですか?」という質問に答えるため、代表的なものを整理します。
| 分類 | 具体的な項目 | マーケティングでの主な使いどころ |
|---|---|---|
| 個人の基本属性 | 年齢、生年月日、性別、国籍 | 広告配信のターゲット設定、商品ラインの設計 |
| 世帯・家族 | 家族構成、世帯人数、配偶関係、子どもの有無・年齢 | 容量・パッケージの設計、ライフステージ別訴求 |
| 経済状況 | 個人年収、世帯年収、資産、住居形態(持ち家/賃貸) | 価格帯の設定、上位プランの提案対象の絞り込み |
| 就業・学歴 | 職業、業種、役職、勤務先規模、最終学歴 | BtoBのターゲット企業選定、専門性のある訴求 |
| 地理に関わる属性 | 居住地域、勤務地、通勤・通学先 | エリア出店計画、地域限定キャンペーン |
ポイントは、これらがいずれも「本人の主観を聞かなくても、事実として記録できる情報」であるという点です。「この商品にワクワクするか」は本人に聞かないと分かりませんが、「35歳・男性・世帯年収700万円・子ども2人」は事実として確定します。この客観性が、後述する「扱いやすさ」の源泉になっています。
一方で、年齢や家族構成は時間とともに必ず変化します。デモグラフィックデータは静的なようでいて、ライフステージの移行に合わせて更新が必要なデータでもある、という点は押さえておきたいところです。
なぜマーケティングでデモグラフィックデータが重視されるのか
公的統計が整備されており、比較的入手しやすい
第一の理由は、圧倒的な入手のしやすさです。日本には国勢調査という悉皆調査(対象すべてを調べる調査)があり、総務省統計局が結果を無償公開しています。国勢調査は1920年(大正9年)の第1回以来おおむね5年ごとに実施されており、2025年(令和7年)調査は22回目にあたります。企業が自力で全国民の属性を調べることは不可能ですが、公的統計を使えば、市場規模の推計や地域ごとの人口構成の把握を、コストをかけずに始められます。
たとえば、65歳以上人口が総人口に占める割合は2025年9月時点で29.4%と過去最高を更新しています。「日本人の約3.4人に1人が高齢者」という前提は、シニア向け商材はもちろん、一見関係なさそうな商材の中長期戦略にも影響します。こうした共通の土台をすぐに参照できるのが、デモグラフィックデータの強みです。
他のデータと掛け合わせやすい「共通言語」になる
第二に、デモグラフィックデータは定義が標準化されているため、異なるデータソースを突き合わせる際の共通軸になります。年齢や性別の定義は、自社アンケートでも、広告プラットフォームのレポートでも、公的統計でも大きくは変わりません。
たとえば「自社顧客は30代女性が45%を占める」という事実は、それだけでは良し悪しを判断できません。しかし「その地域の30代女性人口シェアは18%」という統計と並べれば、「自社は30代女性に強く支持されている(あるいは他の層を取りこぼしている)」という解釈が生まれます。自社データを外部データと比較可能にする”物差し”として機能するのが、デモグラフィックデータの実務的な価値です。
STP分析のセグメンテーション軸になる
第三に、マーケティング戦略の基本フレームワークであるSTP分析に、そのまま組み込めます。STPは、マーケティングの権威として知られるフィリップ・コトラーが提唱した考え方で、次の3ステップで構成されます。
- Segmentation(セグメンテーション):市場を一定の基準で細分化する
- Targeting(ターゲティング):細分化した中から狙う市場を選ぶ
- Positioning(ポジショニング):選んだ市場で自社の立ち位置を明確にする
このうち最初のセグメンテーションで用いる代表的な変数が、次に説明する4分類です。デモグラフィックはその一角を占め、多くの企業が最初に手をつける軸になっています。
デモグラフィックデータと混同されやすい概念との違い
セグメンテーションの4変数を並べて比較すると、それぞれの役割がはっきりします。
| 変数 | 日本語 | 主な項目 | データの性質 | 分かること/分からないこと |
|---|---|---|---|---|
| デモグラフィック | 人口動態変数 | 年齢、性別、所得、家族構成、職業、学歴 | 客観的・静的 | 「誰が」は分かるが「なぜ」は分からない |
| サイコグラフィック | 心理的変数 | 価値観、ライフスタイル、性格、興味関心、購買動機 | 主観的 | 「なぜ買うか」は分かるが把握コストが高い |
| ジオグラフィック | 地理的変数 | 国、地方、都道府県、都市規模、気候、文化圏 | 客観的 | 「どこで」は分かるが個人差は見えない |
| ビヘイビアル | 行動変数 | 購買頻度、購買金額、利用チャネル、ロイヤルティ | 客観的・動的 | 「何をしたか」は分かるが動機は推測になる |
サイコグラフィックデータ(心理的属性)との違い
最もよく比較されるのがこの組み合わせです。デモグラフィックが「その人が何者か」を表すのに対し、サイコグラフィックは「その人が何を大切にしているか」を表します。
たとえば「40代・男性・世帯年収900万円・都内在住」という同じデモグラフィック属性の2人がいても、片方は「時間を買うためなら金額は気にしない」タイプ、もう片方は「コストパフォーマンスを徹底的に吟味する」タイプかもしれません。この差はデモグラフィックデータからは絶対に読み取れず、購買行動を大きく分ける要因になります。
近年、消費者ニーズが多様化するなかでサイコグラフィック変数の重要性が高まっているのは、このためです。ただし、価値観の把握には定性調査やアンケートが必要で、取得コストは高くなります。デモグラフィックで大きく市場を切り、その中をサイコグラフィックで掘り下げるという順序で組み合わせるのが現実的です。
ジオグラフィックデータ(地理的属性)との違い
ジオグラフィックは、国・地域・都市規模・気候・文化などの地理的な軸です。デモグラフィックの項目にも「居住地域」が含まれるため境界は曖昧ですが、個人に紐づく属性として扱えばデモグラフィック、エリアそのものの特性として扱えばジオグラフィックと考えると整理しやすくなります。
「北海道在住の顧客が多い」はジオグラフィック、「北海道在住の20代顧客が多い」はジオグラフィック×デモグラフィックの掛け合わせです。エリアマーケティングでは、この2つを地図上に重ねて可視化する手法が広く使われています。
行動データ(行動変数)との違い
行動変数は、購買頻度、購入金額、閲覧したページ、資料請求の有無といった実際の行動履歴です。デモグラフィックが「入口の絞り込み」に向くのに対し、行動データは「今この瞬間の温度感」を示します。
BtoBマーケティングで言えば、「従業員300名以上の製造業の情報システム部門」という絞り込みはデモグラフィック(後述するファーモグラフィック)的な発想であり、「その企業の担当者が料金ページを3回見た」は行動データです。前者でリストを作り、後者で優先順位をつける——この役割分担が、リードスコアリングの基本形になっています。
BtoBでは「ファーモグラフィック」が対応する
BtoBマーケティングでは、企業そのものを分類する必要があります。この場合、個人属性のデモグラフィックに対応する概念として ファーモグラフィック(firmographics/企業属性) が使われます。業種、従業員数、売上高、資本金、拠点所在地、成長フェーズなどが代表的な項目です。
BtoBでは「意思決定するのは個人だが、購買するのは組織」という二重構造があるため、担当者個人のデモグラフィック(役職・部門・経験年数)と、企業のファーモグラフィックを両方そろえて初めてターゲットが定義できます。ABM(アカウント・ベースド・マーケティング)でターゲットリストを作る際は、この2階層を意識して設計するのが定石です。
デモグラフィックデータの活用例
広告のターゲティング
最も直接的な活用先が、広告配信の絞り込みです。主要な広告プラットフォームは、いずれもデモグラフィックによるターゲティング機能を備えています。
Google広告では、年齢層・性別・子どもの有無・世帯収入といったユーザー属性で配信対象を指定できます。世帯収入は「上位10%」「11〜20%」といった相対的な区分で扱われ、利用できる国・地域は限られる点に注意が必要です。また、すべてのユーザーの属性を推定できるわけではないため「不明」というカテゴリが存在し、これを除外すると配信量が大きく落ちることがあります。
LINE公式アカウントでは、友だちの属性(性別・年齢・地域・OS・友だち期間)に基づく絞り込み配信が可能です。ただしここで使われるのは「みなし属性」と呼ばれるもので、ユーザーが登録した情報とLINE内での行動履歴・広告接触などから推定された分類です。そのため実際の属性と異なる場合があり、絞り込み配信を行うにはターゲットリーチが100人以上必要という条件も設けられています。プラットフォームが提供するデモグラフィック情報は「実測値」ではなく「推定値」であるという前提は、レポートを読むうえで極めて重要です。
ペルソナ設計とプロモーション戦略の立案
ペルソナ(架空の顧客像)を作るとき、骨格を担うのがデモグラフィックデータです。「38歳・女性・都内在住・世帯年収850万円・小学生の子ども1人・フルタイム勤務」といった記述は、そのままチーム内で議論の前提をそろえるための共通言語になります。
ただし、デモグラフィックだけで作ったペルソナは動きません。「平日の夕方は時間がない」「情報収集はスマートフォンのSNSが中心」といった行動・心理の情報を重ねて初めて、施策のアイデアにつながります。デモグラフィックは骨格、サイコグラフィックと行動データは肉付けという関係で捉えるとよいでしょう。
業界別の活用イメージ(小売・不動産・金融)
| 業界 | 重視されるデモグラフィック項目 | 活用の方向性 |
|---|---|---|
| 小売 | 商圏内の人口構成、世帯人数、年齢分布 | 出店判断、品揃えと容量設計、チラシ配布エリアの選定 |
| 不動産 | 家族構成、ライフステージ、世帯年収、勤務地 | 間取り提案、住宅ローン提案、エリア別の物件広告 |
| 金融 | 年齢、職業、年収、家族構成 | ライフイベント(結婚・出産・退職)に合わせた商品提案 |
小売業では、商圏の人口構成が品揃えを直接左右します。国勢調査によれば、一般世帯に占める単独世帯の割合は2020年時点で38.1%、一般世帯1世帯あたりの人員は2.21人まで低下しました。「4人家族向けの大容量パック」を標準とする発想が、多くの商圏で通用しなくなっていることが、統計から読み取れます。
デモグラフィックデータの収集方法
「デモグラフィックデータにはどんなデータがありますか」という問いの次に来るのが、「どこで手に入るのか」です。主な入手経路を整理します。
| 収集方法 | コスト | 精度 | 得られるデータの粒度 |
|---|---|---|---|
| 公的統計(国勢調査など) | 無料 | 高い | 地域・年齢階級などの集計値(個人単位は不可) |
| 自社アンケート調査 | 中〜高 | 設計次第 | 個人単位。自社独自の設問も可能 |
| Webアナリティクス・広告/SNS管理画面 | 低 | 推定値のため中程度 | 集計値。しきい値により非表示になることも |
| 自社CRM・会員データベース | 運用コスト | 高い | 個人単位。既存顧客に限定される |
公的統計(国勢調査など)を利用する
国勢調査は、日本国内に住むすべての人を対象とする最も基礎的な統計です。2025年(令和7年)調査では17項目が調査されました。内訳は、世帯員に関する13項目(氏名、男女の別、出生の年月、世帯主との続き柄、配偶の関係、国籍、現在の住居における居住期間、5年前の住居の所在地、就業状態、所属の事業所の名称及び事業の種類、仕事の種類、従業上の地位、従業地又は通学地)と、世帯に関する4項目(世帯の種類、世帯員の数、住居の種類、住宅の建て方)です。
この項目一覧そのものが、「デモグラフィックデータとは何か」の実務的な定義に近いとも言えます。結果は政府統計ポータルサイトのe-Statから無料でダウンロードでき、市区町村単位、さらに細かい地域メッシュ単位まで取得できるため、商圏分析やエリア戦略の出発点として活用できます。ほかにも人口推計、住民基本台帳人口移動報告、家計調査など、目的に応じて使い分けられる統計が揃っています。
注意点は、公的統計はあくまで集計値であり、個人を特定できるデータではないこと。そして調査の性質上、公表までにタイムラグが生じることです。
自社でアンケート調査を実施する
自社の顧客や見込み顧客に直接聞く方法です。公的統計にはない自社独自の設問を組み込めるのが最大の利点で、デモグラフィック項目と、購買理由・利用シーンといったサイコグラフィック項目を同時に取得できます。
設計上のコツは、デモグラフィック設問を並べすぎないことです。年収や学歴といったセンシティブな設問が並ぶと離脱率が上がるため、分析上どうしても必要な項目だけに絞る、選択肢の粒度を粗くする(年収を100万円刻みではなく200万円刻みにする)といった工夫が有効です。
Webアナリティクス・SNS/広告プラットフォームの機能を使う
Googleアナリティクス4(GA4)には「ユーザー属性」レポートがあり、年齢・性別・地域・言語・インタレストカテゴリなどを確認できます。ただしこのデータはGoogleシグナルを有効にしているユーザーから取得されるものであり、さらにユーザー数が少ない場合はプライバシー保護のためデータのしきい値が適用され、数値が表示されないことがあります。「レポートが空欄になる」という現象の多くは、設定漏れかこのしきい値が原因です。
同様に、各SNSのインサイト機能や広告管理画面でもフォロワー・オーディエンスの属性を確認できますが、いずれも推定値である点は変わりません。サンプルサイズが小さいセグメントの数値を根拠に意思決定しないという原則を守る必要があります。
自社の顧客データベース・CRMを整備する
見落とされがちですが、多くの企業には会員登録情報、購買履歴、名刺情報といった形で、すでにデモグラフィックデータが蓄積されています。問題は、それが部署ごとに分断され、表記ゆれや重複を抱えたまま放置されているケースが多いことです。
外部データを買い足す前に、手元のデータのクレンジングと統合から始めるほうが投資対効果は高い場面が少なくありません。とくにBtoBでは、企業名の表記ゆれ(「株式会社」の前後・略記)を正規化するだけで、ファーモグラフィック分析の精度が大きく変わります。
デモグラフィックデータ活用の注意点
感情や動機までは分析できないという限界がある
繰り返しになりますが、デモグラフィックデータは「誰が」を教えてくれても「なぜ」は教えてくれません。同じ属性の人が同じ商品を買うとは限らず、属性が近いほど嗜好も近いという前提は、市場が成熟するほど成り立ちにくくなります。
「30代女性向け」という括りで企画が始まり、誰にも刺さらない平均的な施策になってしまう——という失敗は、デモグラフィック偏重の典型例です。属性で市場を切ったあとは、必ず「その中の誰が、どんな理由で選ぶのか」を定性調査や行動データで補完してください。
推定データを「事実」として扱わない
広告プラットフォームやアクセス解析が示す属性の多くは、行動履歴からの推定です。LINEの「みなし属性」がその典型で、公式にも実際の属性と異なる場合があると明示されています。
社内レポートでは、そのデータが実測(会員登録情報など)なのか推定(プラットフォームの推計)なのかを必ず区別して記載することをおすすめします。この一手間を省くと、推定値の上に積み上げた分析が独り歩きし、後から前提を覆せなくなります。
個人情報保護の観点で配慮すべきこと
年齢・性別・年収といった項目は、単体では特定の個人を識別できないものの、氏名やメールアドレスと結びついた時点で個人情報として扱われます。個人情報保護法のもとでは、取得時に利用目的を明示すること、目的の範囲を超えて利用しないこと、第三者提供には原則として本人の同意が必要であることなどが求められます。
一方、複数人の情報から共通項目を抽出し、分類ごとに集計した「統計情報」は、特定の個人との対応関係が排除されている限り、個人情報には該当しないと整理されています。また、特定の個人を識別できないように加工し、元の情報に復元できないようにした「匿名加工情報」という枠組みも法律上定められています。
実務では、「個人を特定して1対1で使うのか、集計値として傾向把握に使うのか」を最初に決めることが重要です。目的が後者であれば、そもそも個人単位で保持する必要がないケースも多く、リスクを抑えられます。センシティブな属性を扱う場合は、社内の法務担当や専門家に確認しながら進めてください。
まとめ
デモグラフィックデータは、日本語で「人口統計学的属性」「人口統計データ」と訳される、年齢・性別・所得・家族構成・職業・学歴・居住地域などの客観的な属性データです。語源はギリシャ語の demos(人々)と graphein(記述する)で、「人々を記述する」という原義がそのまま性格を表しています。
重要なポイントを振り返ります。
- 客観的で入手しやすい:国勢調査をはじめとする公的統計が整備され、定義が標準化されているため、自社データと外部データを比較する共通の物差しになる
- STP分析の第一の軸:セグメンテーションの4変数(デモグラフィック/サイコグラフィック/ジオグラフィック/ビヘイビアル)の一角として、市場を切り分ける出発点になる
- 単独では不十分:「誰が」は分かっても「なぜ」は分からない。サイコグラフィックや行動データと掛け合わせて初めて施策につながる
- BtoBではファーモグラフィックと併用:担当者個人の属性と、企業側の属性(業種・従業員数・売上高など)の2階層で設計する
- 推定値と実測値を区別する:広告プラットフォームやアクセス解析の属性は推定値であり、しきい値や「不明」の存在も含めて読み解く必要がある
- 個人情報保護への配慮:氏名等と結びつけば個人情報となる。集計・匿名化された統計情報として扱うのか、個人単位で扱うのかを最初に決める
デモグラフィックデータは、マーケティングの万能薬ではありません。しかし、限られた予算とリソースで「どこに賭けるか」を決めるとき、最初に立ち返るべき土台であることは変わりません。まずは自社の顧客データを年齢・性別・地域で集計し、公的統計と並べて比較してみるところから始めてみてください。