Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
購買データを用いた
ロイヤルカスタマー分析
~大手総合通販の最新事例~
菅 由紀子株式会社ALBERT データ分析部 マネージャー
(C)株式会社ALBERT
自己紹介
1
菅 由紀子
2004年株式会社サイバーエージェント入社。株式会社インタースコープとの協業でネット
リサーチ事業を立ち上げ、広告の販売や企画などに携わる。2006年3月に株式会社ALBERT
に転じ、データ分析業務を担当。
近年では、携帯キャリア、大手総合通販サイト、デジタルコンテンツ配信企業、旅行会社の
顧客行動分析、CRM構築コンサルティング、DMP構築アドバイザリーを担当。
@kan_yukiko
株式会社ALBERT
データ分析部 マネージャー
(C)株式会社ALBERT2
会社概要
会社概要
2005年7月設立。事業コンセプトは『分析力をコアとするマーケティングソリューションカンパニー』。高度なマーケティングソリューションを提供するためのコアコンピタンスである『分析力』は、アナリティクス領域における、「マーケティングリサーチ」「多変量解析」「データマイニング」「テキスト&画像解析」、エンジニアリング領域における、 「大規模データ処理」 「ソリューション開発」「プラットフォーム構築」「最適化モデリング」の8つのテクノロジーで支えられています。8つのテクノロジーには豊富な実績に裏付けられた、ALBERT独自のアルゴリズムや手法が用いられており、差別的優位性を確保しています。
事業概要
社名 株式会社ALBERT
設立 2005年7月1日
資本金 3億3,900万円
株主 デジタル・アドバタイジング・コンソーシアム株式会社、IVP Incubator, L.P、オリックス・キャピタル株式会社、株式会社ジャフコ、三生キャピタル株式会社、東洋キャピタル株式会社、ニュー・フロンティア・パートナーズ株式会社、SMBCベンチャーキャピタル株式会社、信金キャピタル株式会社、PE&HR株式会社、大和企業投資株式会社、株式会社シーエー・モバイル、役員および従業員
役員 代表取締役会長 山川 義介代表取締役社長 上村 崇取締役 山口 哲央(DAC 執行役員)執行役員 安達 章浩
池内 孝啓木野 英明佐藤 めぐみ平原 昭次
監査役 谷本 篤彦非常勤監査役 江南 清司
保月 英機
事業内容 マーケティングプラットフォーム(smarticA!DMP)・データマイニングエンジン(レコメンドエンジン)・キャンペーンマネジメント・行動ターゲティング広告システム・統合データウェアハウス(DWH)・統計解析ソフトウエア・BIツール
アナリティクス・コンサルティング・分析コンサルティング・顧客分析 / 商圏分析 / 商品分析 / 広告分析・データサイエンティスト養成講座
(C)株式会社ALBERT
目次
1.はじめに
2.購買データを用いた顧客クラスター分析
3.RFM分析の実際
4.ロイヤルカスタマー分析
5.分析結果の活用
3
(C)株式会社ALBERT
1.はじめに
4
(C)株式会社ALBERT 5
1 to 1 顧客お客様が買いに来られた時に、あたかも実際の店舗の商品知識が豊富で気配りのできる店員さんのように、あなたの好みを知っており、好みのものを提供してくれること。
One to oneマーケティングの本質
実務的には!
to
重要
対応可能な1最小顧客セグメント
販売機会
(C)株式会社ALBERT
1.人口統計的データ
2.心理的データ
3.行動履歴データ
4.コミュニケションデータ
性別、年齢、居住地、職業、年収・・・(これによるセグメントは崩壊しつつある)
価値観、ライフスタイル・・・(心理的データからの購買予測は極めて困難)
閲覧履歴、カート投入履歴、購買履歴・・・(現在もっとも多く使われている)
情報収集、質問、クレーム、要望、ブログ・・・(まだ充分な活用がされていない)
顧客理解のための4種類のデータ
6
(C)株式会社ALBERT7
RFM分析を用いたロイヤルカスタマー分析の例
3次元での分析は煩雑なのでFR分析、FM分析など2次元で行なうことが多い
(C)株式会社ALBERT8
RFMクラスター分析のイメージ
3次元のイメージは以下のようになっていると考えられる。
(C)株式会社ALBERT
2.購買データを用いた顧客クラスター分析
9
(C)株式会社ALBERT10
事例紹介
発表スライドのみ
(C)株式会社ALBERT 11
実際に分析に用いたデータ
データ 詳細
購買ログデータ ログの期間:2009/08/01~2014/05/07
クラスター分析期間:2013/05/08~2014/05/07
ユニークユーザ数:約400万人
ギフト等、会員登録住所と別の住所への発送ログは除外
商品カテゴリデータ 約7,000
分析用カテゴリマッピングデータ 大手総合通販会社で保持している過去7,000のカテゴリを、分析のため240のカテゴリにマッピング
(C)株式会社ALBERT12
購買データをもとに20クラスターに分類(k-means法)
人数 1 2 3 4 5 6
Cluster1 248,833デスクワゴン・デスクサイド
ラック
タンス・衣類チェスト・ワード
ローブブラジャー&ショーツセット クレンジング・洗顔料 ダイニングテーブル・セット 子供部屋 カーテン
Cluster2 148,515 水切りカゴ・水切りラックその他のキッチン掃除・お手入
れ用品商品一覧食器棚・キッチンボード ミトン・鍋敷き キッチン用ゴミ箱
Cluster3 192,369 ネックウォーマー パンプス ショルダーバッグ ミュール・サンダル ニーハイブーツ スニーカー
Cluster4 219,376 スリッパ バスローブ・バスドレス 湿気対策・カビ対策用品その他のキッチン掃除・お手入
れ用品商品一覧キッチンマット ミトン・鍋敷き
Cluster5 46,291 ナースサンダル ペンライトディズニー お名前シール・ス
タンプ白衣(ワンピース) 印鑑・はんこ・スタンプ 聴診器
Cluster6 181,128 長袖インナー タイツ スタンダードショーツ スリムパンツ・タイトパンツ フルカップブラ
Cluster7 190,926 スリムパンツ・タイトパンツ Tシャツ シャツ チュニック 長袖インナー
Cluster8 179,317 Tシャツ シャツ ミニスカート スリムパンツ・タイトパンツ ポンチョ・ケープ・ボレロ セーター
Cluster9 128,074 ディズニー インテリア雑貨 ディズニー カーテンディズニー キッチンファブ
リックディズニー トップス
Cluster10 154,440 チュニック スリムパンツ・タイトパンツ Tシャツ シャツ
Cluster11 256,580 スタンダードショーツ フルカップブラ 長袖インナー
Cluster12 139,623 タイツ 長袖インナー スリムパンツ・タイトパンツ スタンダードショーツ
Cluster13 180,184 カーテン ラグ ソファカバー フタカバー キッチンマット
Cluster14 253,251 掛け布団・羽毛布団
Cluster15 166,784 子供 パジャマ通園バッグ・レッスンバッグ・
巾着袋
子供服 チュニック・ワンピー
ス
子供服 ジャケット・コート・ブ
ルゾン
Cluster16 258,399子供服 ジャケット・コート・ブ
ルゾン
子供服 チュニック・ワンピー
ス子供 パジャマ
Cluster17 261,856ベビー服 カバーオール・ロン
パース短肌着・長肌着 スタイ・ミトン
Cluster18 168,771 マタニティ ブラジャーマタニティ コート・ジャケッ
ト授乳キャミソール・肌着 授乳服 トップス
ベビー服 カバーオール・ロン
パース
Cluster19 154,168 ディズニー トップス ディズニー インテリア雑貨 ディズニー 子供服・ベビー服 ディズニー カーテン
Cluster20 149,004 レディースパジャマ 長袖インナー スリムパンツ・タイトパンツ タイツ
(C)株式会社ALBERT13
家具
雑貨 子
供
ナース
ベビー・マタニティ
レディース
ファッション全般
階層クラスター分析によるCluster類似性
大きく、家具、雑貨、子供・ベビー、レディースファッションに分けられた
(C)株式会社ALBERT
3.RFM分析の実際
14
(C)株式会社ALBERT15
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
45,000
ユー
ザー
数
最終購入日(R)
Recency(最新購入日)のヒストグラム
ユーザの最新購入日は最近になるほど増加する
(C)株式会社ALBERT16
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0
200,000
400,000
600,000
800,000
1,000,000
1,200,000
1,400,000
1,600,000
1,800,000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97
累積
%
ユー
ザー
数
購入頻度(F)
Frequency(購入頻度)のヒストグラム
購入頻度は約半数が1回である
(C)株式会社ALBERT17
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0
20,000
40,000
60,000
80,000
100,000
120,000
140,000
160,000
180,000
200,000
0 2,500
4,500
6,500
8,500
10,500
12,500
14,500
16,500
18,500
20,500
22,500
24,500
26,500
28,500
30,500
32,500
34,500
36,500
38,500
40,500
42,500
44,500
46,500
48,500
50,500
52,500
54,500
56,500
58,500
60,500
62,500
64,500
66,500
68,500
70,500
72,500
74,500
76,500
78,500
80,500
累積%
ユーザー数
購入金額(M)
Monetary(購入金額)のヒストグラム
送料無料の金額にピーク
(C)株式会社ALBERT18
RFMの3次元度数分布
ランク別の所属人数は優良顧客と1回購入顧客の2極化
(C)株式会社ALBERT
ロイヤルカスタマー
19
1
2
3
7
584
6
RFMの3次元分散イメージ
RFMデータから8つのクラスターに分けた
(C)株式会社ALBERT
4.ロイヤルカスタマー分析
20
(C)株式会社ALBERT21
0%
5%
10%
15%
20%
25%
30%
0
50,000
100,000
150,000
200,000
250,000
2009年8月
2009年9月
2009年10月
2009年11月
2009年12月
2010年1月
2010年2月
2010年3月
2010年4月
2010年5月
2010年6月
2010年7月
2010年8月
2010年9月
2010年10月
2010年11月
2010年12月
2011年1月
2011年2月
2011年3月
2011年4月
2011年5月
2011年6月
2011年7月
2011年8月
2011年9月
2011年10月
2011年11月
2011年12月
2012年1月
2012年2月
2012年3月
2012年4月
2012年5月
2012年6月
2012年7月
2012年8月
2012年9月
2012年10月
2012年11月
2012年12月
2013年1月
2013年2月
2013年3月
2013年4月
2013年5月
2013年6月
2013年7月
2013年8月
2013年9月
2013年10月
2013年11月
2013年12月
2014年1月
2014年2月
2014年3月
2014年4月
2014年5月
Cluster5 割合
ロイヤルカスタマー過去の購買状況
ロイヤルカスタマーは約5年間、購入頻度が増加している
購入頻度
2009年8月 2014年5月
(C)株式会社ALBERT22
階層クラスター分析によるRFM_Cluster類似性
購入回数1回 ロイヤルカスタマー
ロイヤルカスタマーは他のクラスターとは異質な特性を持っている
(C)株式会社ALBERT23
5. 分析結果の活用
(C)株式会社ALBERT
プライベートDMP構築ソリューション『smarticA!DMP』
「アクセスログ」、POSシステムやEコマースシステムに溜まる「購買データ」、メール配信システムで取得している「配信履歴データ」、その他広告のオーディエンスデータ、ポイントカードの利用履歴などの多様かつ大量のデータを、分析してマーケティングに活用する機運が高まる昨今。数カ所に点在するデータを分析はもちろん、統合して管理することにも苦労している企業が非常に多いのが現状です。smarticA!DMPはこのようなデータを統合管理し、分析してマーケティング施策に活用するためのプラットフォームを構築することが可能です。ビッグデータ時代のマーケティングには必要不可欠なシステムとなっています。
24
ビッグデータを解析しマーケティング施策に活用
(C)株式会社ALBERT
アドバイザリーフェーズの設定
上流要件定義 データ分析キャンペーンシナリオ設計
ツール選定支援
施策の目的の整理、KPI設定、必要データの特定、必要ツールのリストアップ
既存データ分析。ユーザークラスタリング、アソシエーション分析、RFM分析など
分析結果に基づいた打ち手の設計
DWHやデータマイニングエンジンといった必要ツールのベンダーリスト作成、コンペによる選定支援
Step1 Step2 Step3 Step4
ALBERTでは、DMP導入・検討時にはマーケティング課題と目的の整理、データ分析、シナリオ設計、それに基づいたツールの選定支援を行うフェーズをご提案しています。
アドバイザリーフェーズ
打ち手を具体化してからツールの選定と導入を実行
25
(C)株式会社ALBERT
分析結果の活用施策と課題
26
クラスター分析
ロイヤルカスタマー分析
購買サイクルの分析
クラスタ別のマーケティング施策
クリエイティブのパーソナライズバナー、商品、件名、メッセージ etc.
ロイヤル化が期待できる顧客への個別キャンペーンプログラム
タイミングを見極めた顧客コンタクト次に買われるのは何日後?
施策 課題
クラスタに分けられない対象者への施策クラスタの運用・変更
分析の実施自体に課題ロイヤルカスタマの位置付け購買行動の深堀り
商材別・カテゴリ別施策の意思決定他施策とのバランス
(C)株式会社ALBERT
関係性構築フェーズ
離脱防止フェーズ
・お礼・使い方・よくある質問・体験談・成分・続ける理由
・限定セール・ポイント還元・送料無料等
1回目の購入から2回目の購入は何日後に起こっているかを可視化し、分析結果から得られた最適な“タイミング”を起点に
2回目の購入や定期購買へ引き上げるキャンペーンを実施いたします。
例)購入タイミングを見極めるための分析
人数人数
経過日数
27
(C)株式会社ALBERT28
分析者大募集中