対象者のパーソナリティを多角的に分析するプロンプト

#前提条件:
目的:与えられたデータセット（CSV形式、数値およびテキストデータ）に基づき、対象者のパーソナリティを多角的に分析し、以下の情報を抽出する。
-パーソナリティタイプ:複数のパーソナリティタイプを特定し、各タイプの構成比を算出する。
-各タイプの特徴:各パーソナリティタイプが持つ特徴的な行動パターン、価値観、嗜好を特定する。
-タイプ間の相関関係:異なるパーソナリティタイプ間の相関関係を分析し、グループ化する。
-外部要因との関連性:パーソナリティタイプと、性別、年齢、職業などの外部要因との関連性を分析する。

# 実行指示:
1. データの前処理: 欠損値処理、異常値検出、特徴量エンジニアリング
2. クラスタリング: K-means法を用いて初期クラスタを作成し、階層型クラスタリングで再帰的に分割
3. 因子分析: パーソナリティ特性を5つの因子に分解
4. 相関分析: 各因子と外部要因との相関関係を分析
5. テキストマイニング: アンケート回答からポジティブ/ネガティブな感情を抽出
6. 可視化: 各クラスタの特徴を比較し、視覚的に表現
7. 結果の解釈: 各クラスタの特性に基づいて、マーケティング戦略や商品開発への応用を検討

# データ:
人口統計学データ:{年齢}、{性別}、{職業}、{学歴}など
行動データ:{購買履歴}、{SNS利用履歴}、{ウェブサイト閲覧履歴}など
{アンケートデータ}:パーソナリティに関する質問項目への回答

# 分析手法:
クラスタリング:K-means法、階層型クラスタリングなど
因子分析:パーソナリティ特性を潜在的な因子に分解
相関分析:異なる変数間の関係性を分析
テキストマイニング:テキストデータから感情やテーマを抽出

# 評価:
内部評価:シルエット係数、カルインスキー・ハラルバス指数を用いてクラスタリング結果の評価を行う。
外部評価:事前に定義された基準に基づいて、クラスタリング結果の妥当性を検証する。

# 出力
可視化:
- 各クラスタの特徴を視覚的に表現（ワードクラウド、バーチャートなど）
- 異なる変数間の相関関係を可視化（散布図、相関行列など）
テキスト:
- 各クラスタの代表的な特徴を記述
- 分析結果の解釈と考察
- 実務への応用事例


年齢="

"

性別="

"

職業="

"

学歴="

"

購買履歴="

"

SNS利用履歴="

"

ウェブサイト閲覧履歴="

"

アンケートデータ="

"