顧客理解を深めるデータ分析コラム

売れる商品・サービスを生み出し、適切なマーケティング施策を打つためには、顧客のニーズを的確に捉える必要があります。

例えば、以下の図のように、顧客を誤って理解していると、せっかく行ったマーケティング施策が期待した効果を十分に発揮しない可能性があります。

顧客理解の方法としては、①営業担当者・マーケティング担当者の経験から明らかにする方法、②インタビューやアンケートなどのリサーチを行う方法があります。それに加えて、近年、重要視されているのが、『顧客の購買データや行動データなどを用いたデータ分析』です（以下、「データ分析」とします）。

インタビューやアンケートでは、直接的に顧客の深い考えを追究するための質問ができる一方、対象者が限られてしまう、質問の仕方によってバイアスが生じる、というデメリットがあります。購買データなどを用いたデータ分析による手法は、リサーチ（インタビューやアンケート）に比べて対象者を多くできる、顧客の自然な消費行動によるデータを扱うことでバイアスが生じるリスクを減らせるというメリットがあります。顧客の深い考えを直接聞くことこそできませんが、購入している商品や購入に至るまでの行動から、推測できることも多いです。また、データから捉えた顧客のニーズに応じて、特定の顧客に対してクーポン配布を行うなど、そのままマーケティング施策の実施に繋げられる点もメリットと言えるでしょう。

顧客理解のためのデータ分析に使用されるデータの代表例として、以下があります。もちろん、アンケートで得られた回答も、分析対象に含めることができます。取得しやすいデータや既に蓄積されたデータから分析を始めると良いでしょう。

顧客理解のためのデータ分析には、様々な手法がありますが、共通して言えるのは、目的に応じて、顧客を類似したグループに分け、それぞれの構成比や特性を明らかにしていく、ということです。

データ分析から顧客理解を深め、その効果を発揮したユースケースをご紹介します。

A社が運営する、とある店舗では、売上が伸び悩んでいました。そこで、顧客の来店回数を増やす施策を考えるため、来店回数で顧客を分け、顧客理解を深めました。そして、顧客にあった施策を実施し、結果を出すことができました。

来店回数が多い顧客：生鮮食品をよく購入しており、「手作り志向」 が強い
来店回数が少ない顧客：総菜、インスタント食品をよく購入しており、「効率重視志向」が強い
→広い店舗に、総菜、インスタント食品が点在していて、来店から購入まで時間が掛かることがニーズと合っていない可能性がある

総菜、インスタント食品を入り口付近にまとめるなど、店舗のレイアウトを変更し、「効率重視志向」の顧客にとっても買い物しやすいようにした

「効率重視志向」の顧客の来店回数が向上し、売上も伸びた

B社は、都市部でレンタサイクルの事業を開始しましたが、利用者数が伸び悩んでいました。改めて顧客のニーズを掴むため、データ分析を行いました。そして、都市部の利用者にあった施策を実施することができ、効果を得られました。

利用者には、通勤型、観光型、都市移動型（公共交通機関の代替として利用）の3パターンがある。その中で、通勤型の利用者数が少ない
→料金プランが通勤型の利用者には合っていない可能性がある

既存の「1日乗り放題プラン」、「短時間プラン」に加え、通勤型の利用者向けに「定期プラン」を提供開始した

通勤型の利用者が増え、売上が向上した

C社では、実店舗販売とECサイトでの販売を行っています。実店舗よりもECサイト利用者の方が、年間の購入金額が多い傾向があったため、実店舗からECサイトへ送客する施策を検討していました。そこで、実店舗での購入がある顧客の中で、ECサイトでの購入がある顧客/ない顧客の特性をそれぞれ明らかにしました。その結果、ECサイトへ送客するための施策を検討・実施し、効果を得ることができました。

ECサイトでの購買がある顧客：インナーの購入が多い、平日夕方の来店が多い、リピート購入率が高い
ECサイトでの購買がない顧客：高価格商品購入の割合が多い、休日の来店が多い

ECサイトでの購買がない顧客に向けて、インナーなど低価格商品の良さを知ってもらうためのECサイト限定クーポンを店頭配布した。さらに、ECサイトへの送客のため、その他の種類のECサイト限定クーポンも継続して配ることにした。

ECサイトの利用者数、顧客一人当たり年間の購入金額が増え、売上が増加した

このように、データ分析から顧客理解を深めることで、顧客にあった適切な施策を実施し、売上や利益向上を達成することができます。

本稿では、データから顧客の「現状」を理解することを主題としました。「現状」からさらに一歩踏み込み、顧客理解を深めるためには、AIの活用も有効だと考えられます。たとえば、データ分析を手助けするAIを使えば、顧客の成約確率、休眠確率など「未来」を予測し、マーケティング施策に活用することもできます。また、提供する商品数・コンテンツ数が多い場合や、幅広い顧客をターゲットにする場合には、顧客をパターン化して理解し、施策を打つことは難しいです。しかし、AIはそういった場合にも非常に有効です。AIを活用すれば、一人ひとり個別化したアプローチが可能になります。本稿では扱えなかった、これらのAIを活用し「未来」を予測したユースケースについては、今後、ご紹介いたします。