Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
リピーターを増やすための顧客セグメンテーション分析
Search
Ikuya Murasato
August 20, 2021
Business
0
1.8k
リピーターを増やすための顧客セグメンテーション分析
2021/8/20(金)に開催したExploratory データサイエンス勉強会#20の日本成長投資アライアンス株式会社様のご登壇資料です。
Ikuya Murasato
August 20, 2021
Tweet
Share
More Decks by Ikuya Murasato
See All by Ikuya Murasato
トピックモデル分析を活用した問合せ業務の効率化
ikuyam
1
190
回帰分析の活用による新商品の販売力予測
ikuyam
0
140
生存分析モデルを利用したLineのブロック要因分析
ikuyam
0
85
自動車トラブルと気象条件などの探索的データ分析
ikuyam
0
59
データサイエンス「も」使えるチェンジメーカー輩出への挑戦
ikuyam
0
330
ExploratoryとRによる全学データサイエンス教育
ikuyam
0
450
エンゲージメント向上のための人事制度改革 - 管理部門におけるExploratoryの活用
ikuyam
0
1.4k
「学ぶ」分析技術から「使う」分析技術へ - Exploratoryによるドリル演習
ikuyam
0
330
データサイエンス入門教育の現場から - 46歳新任教員2年間の苦闘
ikuyam
0
430
Other Decks in Business
See All in Business
バイセルのものさし(Ver. 1.1)
buyselltechnologies
0
200
パーキング・チケット 発給設備のキャッシュレス化
tokyo_metropolitan_gov_digital_hr
0
280
HireRoo Culture Deck(日本語)
kkosukeee
1
25k
BrainPad_AC_202411
brainpadpr
2
9.1k
新卒エンジニア向け会社紹介資料/newgraduates-engineer
nextbeat
2
1.6k
採用資料
daichihayashi
0
270
不感対策ソリューション 詳細資料
jtes
0
160
採用ピッチ資料
beglobal_document
0
340
AIを活用した住家被害認定支援ツールの開発
tokyo_metropolitan_gov_digital_hr
0
390
組織拡大における マネージャーオンボーディング / Manager Onboarding in Organizational Expansion
takashi_toyosaki
1
150
M&A Cloud Advisory Partners 採用ピッチブック
macloud
1
13k
これを使用
ehealthcare2004
0
350
Featured
See All Featured
Done Done
chrislema
181
16k
Building Adaptive Systems
keathley
38
2.3k
Side Projects
sachag
452
42k
A Tale of Four Properties
chriscoyier
156
23k
Thoughts on Productivity
jonyablonski
67
4.3k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
28
9.1k
Site-Speed That Sticks
csswizardry
0
28
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
27
4.3k
Practical Orchestrator
shlominoach
186
10k
Ruby is Unlike a Banana
tanoku
97
11k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
191
16k
Transcript
2 0 2 1 . 0 8 . 2 0
リ ピ ー タ ー を 増 や す た め の 顧 客 セ グ メ ン テ ー シ ョ ン 分 析
⾃⼰紹介・会社紹介 倉富雄平 2019年⽇本成⻑投資アライアンス (J-GIA) 参画。バリューアップチーム (コンサルティングチーム)として投資先企業での各種プロジェクトの推進 略 歴 • 博
⼠ 課 程 ( 電 ⼦ ⼯ 学 ) 修 了 • 外 資 系 経 営 コ ン サ ル テ ィ ン グ グ ル ー プ • 外 資 系 P E フ ァ ン ド の バ リ ュ ー ア ッ プ チ ー ム • 2 0 2 1 年 4 ⽉ E x p l o r a t o r y デ ー タ サ イ エ ン ス ブ ー ト キ ャ ン プ 参 加 ▪⽇本成⻑投資アライアンス株式会社 (J-GIA) ▪⾃⼰紹介 2016年設⽴のプライベート・エクイティ・ファンド • 2017年1号ファンド組成、2020年2号ファンドシリーズ組成 アライアンスパートナー を活⽤した経営⽀援 多岐に渡る資本ニーズに 柔軟に対応 経営陣との信頼関係に 基づく友好的な投資
▪J-GIAのミッション 当社は、成⻑の潜在的可能性の⾼い企業の事業パートナーとなり、その成⻑を後押しします 投資先企業が⾶躍的成⻑を遂げる成功事例を作ることで、 J-GIAが直接関わらない企業にも成⻑に向けて舵を切る「勇気と知恵」を与え、 ⽇本経済に成⻑を取り戻す⼀助になります ▪J-GIAの投資哲学 多岐に渡る資本ニーズに 柔軟に対応 ⽇ 本
成 ⻑ 投 資 ア ラ イ ア ン ス ( J - G I A ) : ミ ッ シ ョ ン と 投 資 哲 学
J-GIA コンサルティングのバリューアップとは プロジェクトの 設計・推進 • オペレーション改善ポテンシャルの特定・具体的なプロジェクトへの落とし込み • プロジェクト設計・推進、分析・調査の実施、課題解決 • 外部エキスパートの活⽤・連携⽀援
⾃⾛体制の構築 • 「プロジェクト」から「通常業務」への落とし込み(KPI設計、モニタリング仕組化) • PDCA を回すために必要な組織体制の具体化/定着までのフォロー • ⾃⾛のための採⽤⽀援 ボトムライン インパクト • 投資先のリソースを踏まえた実⾏可能性の⾼いプランの提案 • ボトムラインへの定量的なインパクトを創出
対象事業 事業者向け (B2B) 企業におけるEC事業が対象 • 価格優位性/品揃え/納期等での総合的な優位性から新規会員を順調に獲得 • 既存会員については年に2回ほどカタログ送付を⼀律に⾏うのみ 事業者向け資材・製品 販売ECサイト
SKU ~2,000 新規顧客 既存顧客 D M / カ タ ロ グ / W e b 広 告 カ タ ロ グ ( 年 2 回 ) • 継続的に新規会員獲得 • リピート顧客からの 売上は安定 • 積極的な売上拡⼤施策 は実施していない
分析の⽬的と当初仮説 リピーターを増やすための顧客セグメンテーション分析 既存会員には相当数の休眠顧客が在籍しているのでは • データ上の「退会数」は少ないが、購⼊が停⽌している休眠顧客の存在 休眠化していない場合も、より購⼊回数を増やせる顧客がいるのでは • 年に2回のカタログ送付のみでは需要を⼗分に喚起できておらず、機会 損失を起こしている 当初の
仮説 購買履歴を分析しセグメントに分けた上で、 各セグメントの状況に合わせたアクションを⾏うことで、 既存会員からの収益を増やすことができるのではないか 主な 検証点 前提 現⾏のシステムはCRM機能が充実していないため、可能な限りシンプルに、 運⽤上の実⽤性を重視 • コストをかけずに早期にスモールスタートできること • ⽇常業務のフローに乗せても⼤きな負担にならないこと
セグメンテーションのアウトプットイメージ 最終的なアウトプット:重要性の⾼い軸で顧客を分類し、アクションを実施 顧 客 数 注 ⽂ 回 数 最
終 購 ⼊ ⽇ か ら の 経 過 ⽇ 数 2 軸 に よ る 顧 客 セ グ メ ン ト • こ の セ グ メ ン ト を 単 位 と し て ア ク シ ョ ン を 検 討
アプローチ セグメンテーション軸の検討を⾏い、セグメントごとのアクションへ落とし込み 軸候補の 検討 セグメン テーション アクション モニタ リング セグメンテーション軸候補の検討
• 注⽂回数・注⽂インターバル • 最終購⼊⽇からの経過⽇数 • (省略)平均注⽂単価/売上 • (省略)会員登録からの経過⽇数 セグメンテーション軸の決定 • 実務⽬線でシンプル・ アクショナブルな軸を選定 アプローチ セグメント別のアクション実⾏ アクション結果の確認
アプローチ セグメンテーション軸の検討を⾏い、セグメントごとのアクションへ落とし込み 軸候補の 検討 セグメン テーション アクション モニタ リング セグメンテーション軸候補の検討
• 注⽂回数・注⽂インターバル • 最終購⼊⽇からの経過⽇数 • (省略)平均注⽂単価/売上 • (省略)会員登録からの経過⽇数 セグメンテーション軸の決定 • 実務⽬線でシンプル・ アクショナブルな軸を選定 データラングリング・分析・可視化 データのシェア データラングリング • 複数データの統合/必要データの取捨選択 • 分析可能なデータフォーマットへの変換 • 各種分析に必要な追加データの計算 分析と可視化 • 軸ごとのデータのバラつきの理解 • 複数の軸を組み合わせた際の特徴の理解 • 最終的なセグメンテーションの可視化 アプローチ Exploratory 活⽤内容 セグメント別のアクション実⾏ アクション結果の確認 顧客データの出⼒ • セグメント別の顧客リスト出⼒
データフォーマットのイメージ 売上データベースから顧客情報、注⽂情報を抽出して利⽤ 顧客マスター 売上データ • 顧客ID • ⽒名/Email • 登録年⽉⽇
• … • 注⽂ID • 顧客ID • 売上⽇時 • 売上⾦額 • … 顧客別 購買履歴データ (1⾏=1顧客) 分析⽤ データフレーム カートシステム データベース (SQL/CSV) Exploratory join summarize
データラングリング:売上データの変換 売上データ(1⾏=1注⽂)から顧客IDごと(1⾏ = 1顧客)に集約 集 計 ( S u m
m a r i z e ) • 顧 客 I D ご と に 購 買 履 歴 を 指 標 化
データラングリング:売上データの変換 顧客ごとに注⽂データから各指標の集計値を計算 注⽂回数:「注⽂⽇」のユニークカウント 最終注⽂⽇: 「注⽂⽇」の最⼤値 平均注⽂インターバル:「注⽂⽇」の最⼤値と最⼩値の差分 ÷ 注⽂回数 カ ス
タ ム 関 数 a s . n u m e r i c ( m a x ( o r d e r _ d a t e ) - m i n ( o r d e r _ d a t e ) , u n i t s = " d a y s " ) / ( o r d e r _ d a t e _ c o u n t - 1 )
データラングリング:顧客マスターとの結合 集約した顧客別売上データを、顧客マスターに結合 (Join) 「登録時期」の把握、「未購⼊顧客」の洗い出しのため結合 顧 客 I D を キ
ー と し て 結 合
統合後のデータフレームの Exploratory サマリビュー サマリビューからも分析イメージに役⽴つ情報が取れる 過 去 の 注 ⽂ 数
• 外 れ 値 が 多 そ う • N A が 存 在 = 未 購 ⼊ 顧 客 の 存 在 最 終 購 ⼊ ⽇ 時 • 直 近 ま で 購 ⼊ し て い る 顧 客 が 多 い • ⻑ 期 の 未 購 ⼊ 顧 客 も ⼀ 定 数 存 在 注 ⽂ イ ン タ ー バ ル • N A も 多 い = 0 回 ま た 1 回 の み 注 ⽂ 顧 客 • ⾼ 頻 度 〜 低 頻 度 注 ⽂ の バ ラ つ き ⼤ き そ う N o t e : デ ー タ は ダ ミ ー あ る い は ⼀ 部 サ ン プ リ ン グ さ れ た 結 果 を 含 む
顧客分析①:購⼊回数分布(ヒストグラム) 半数以上の顧客が少数 (4回未満)の購⼊ ヒ ス ト グ ラ ム •
外 れ 値 は 除 外 さらに次で少数購⼊(0回、1回、2回・・・)の中⾝を確認 N o t e : デ ー タ は ダ ミ ー あ る い は ⼀ 部 サ ン プ リ ン グ さ れ た 結 果 を 含 む 少数(4回未満)に多く集中する⼀⽅、 それ以上の回数にも広く分布 1 注 ⽂ 回 数
顧客分析①:少数購⼊回数の分布(バーチャート) 少数購⼊の内訳を確認するため、バーチャートを使い⼿動でカテゴリ分け 注 ⽂ 回 数 = N A →
0 に 変 換 注 ⽂ 回 数 ( 連 続 値 ) を ⼿ 動 で カ テ ゴ リ 分 け • 0 , 1 , 2 , 3 , 4 , 5 以 上 シンプルに、0回(未購⼊)、1回のみ(スポット利⽤)、リピート(2回以上購⼊)に分ける N o t e : デ ー タ は ダ ミ ー あ る い は ⼀ 部 サ ン プ リ ン グ さ れ た 結 果 を 含 む 未購⼊ 1回 2回以上 1 注 ⽂ 回 数
顧客分析②:最終購⼊からの経過⽇数(ヒストグラム) 多くの顧客は過去半年以内に購⼊している⼀⽅、1年以上未購⼊顧客も多い N o t e : デ ー タ
は ダ ミ ー あ る い は ⼀ 部 サ ン プ リ ン グ さ れ た 結 果 を 含 む 1年以上未購⼊ 半年以上未購⼊ 2 最 終 購 ⼊ ⽇ か ら の 経 過 ⽇ 数
顧客分析③:顧客のリピート購⼊の平均期間(平均注⽂インターバルに対する顧客割合の累計) 1年以上間隔を空けてのリピートは少ない(→ 購⼊1年以内でリピート促進が必要) N o t e : デ ー
タ は ダ ミ ー あ る い は ⼀ 部 サ ン プ リ ン グ さ れ た 結 果 を 含 む 全体の9割程度の顧客は1年以内にリピート購⼊ 累 積 合 計 値 の 割 合 で 表 ⽰ 3 平 均 注 ⽂ イ ン タ ー バ ル ( ⽇ )
セグメンテーションの軸の優先度 アクションの具体化が可能で、重要性が⾼そうな切り⼝から選定 最重要 • 半年以上/1年以上未購⼊顧客が相当数存在(実質休眠) • この休眠顧客からの再購⼊は、会社として取り組むべき重要施策になる 最終購⼊⽇ 重要 •
0回、1回等の少数注⽂顧客が⼀定数存在。リピートに繋げるべき。 • 回数に加え購⼊頻度を組み合わせることで、より精緻なアクションに 繋げられる可能性はあるが、複雑化するので今後の課題とする 注⽂回数 やや重要 • リピート期間が⻑い顧客に対するアクションで需要喚起できる可能性はあるが、 上記2つ(最終購⼊⽇、購⼊回数)よりも発展的なテーマ • またリピート期間が⻑期の顧客は、「最終購⼊⽇」の中で補⾜可能 リピート期間 (重要性の判断は今後の課題) • ビジネスモデル上顧客単価のレンジが広く、また顧客の業態にも依存するため、 売上の⼤⼩で切ってもアクションを具体化しづらい 売上/平均単価 (今回分析は割愛)
2軸の組み合わせの分布確認(散布図 集計無し) セグメントの切り⼝として複数の軸を組み合わせるべきか確認 ⽚⽅ずつだけでは⼗分に顧客を分類 できないため2軸を組み合わせて セグメンテーションする N o t e
: デ ー タ は ダ ミ ー あ る い は ⼀ 部 サ ン プ リ ン グ さ れ た 結 果 を 含 む
セグメントの切り⽅(ヒートマップ) 「最終購⼊⽇からの経過⽇数」と「注⽂回数」の2軸でのセグメンテーション ア ク テ ィ ブ ( N 1
) 未 購 ⼊ ( N 0 ) ア ク テ ィ ブ ( N 2 + ) 休 眠 以 上 ( > 1 年 未 購 ⼊ ) 休 眠 予 備 ( 半 年 〜 1 年 未 購 ⼊ ) 最 終 購 ⼊ ⽇ か ら の 経 過 ⽇ 数 注 ⽂ 回 数
セグメント間の繋がり セグメントごとに訴求内容を変えながら、リピート顧客を獲得/増加を企図 ② 購 ⼊ 促 進 N 0 →
N 1 ② 購 ⼊ 促 進 N 1 → N 2 ① 休 眠 顧 客 活 性 化 ③ ク ロ ス セ ル / 単 価 ア ッ プ 最 終 購 ⼊ ⽇ か ら の 経 過 ⽇ 数 注 ⽂ 回 数
再掲)アプローチ セグメンテーション軸の検討を⾏い、セグメントごとのアクションへ落とし込み 軸候補の 検討 セグメン テーション アクション モニタリン グ セグメンテーション軸候補の検討
• 注⽂回数・注⽂インターバル • 最終購⼊⽇からの経過⽇数 • (省略)平均注⽂単価/売上 • (省略)会員登録からの経過⽇数 セグメンテーション軸の決定 • 実務⽬線でシンプル・ アクショナブルな軸を選定 データラングリング・分析・可視化 データのシェア データラングリング • 複数データの統合/必要データの取捨選択 • 分析可能なデータフォーマットへの変換 • 各種分析に必要な追加データの計算 分析と可視化 • 軸ごとのデータのバラつきの理解 • 複数の軸を組み合わせた際の特徴の理解 • 最終的なセグメンテーションの可視化 アプローチ Exploratory 活⽤内容 セグメント別のアクション実⾏ • プロモーションメールを定期配信 アクション結果の確認 顧客データの出⼒ • セグメント別の顧客リスト出⼒
顧客セグメントの分け⽅(実際の分け⽅) 実際にはアクション上の違い(訴求メッセージの違い)から会員登録時期も考慮 セグメント 会員登録時期 半年未満 新 規 登 録 会
員 未購⼊(N0) 休眠 1 年 以 上 購 ⼊ 無 し 半年以上経過 ①追加購⼊促進(新規向け) • N 0 → N 1 • N 1 → N 2 施策の⽅針 ③クロスセル/単価アップ 1回のみ購⼊ (N1) 2回以上購⼊ (N2+) 休眠予備 半 年 以 上 購 ⼊ 無 し ( 1 年 未 満 購 ⼊ あ り ) アクティブ:1回のみ購⼊ (N1) アクティブ:2回以上購⼊ (N2+) 未購⼊(N0) 今回は諦める(優先度低い) ②休眠活性化の施策 • 準 休 眠 : ポ イ ン ト 有 効 期 間 • 休 眠 : ク ー ポ ン 等 ①追加購⼊促進(⾮新規向け) • N 1 → N 2 ③クロスセル/単価アップ
モニタリング/シェアの流れ 結果のモニタリング/関係者へのシェアにおいても Exploratory を利⽤ Google Analytics EC売上 データ • 流
⼊ チ ャ ネ ル • キ ャ ン ペ ー ン • ト ラ ン ザ ク シ ョ ン I D • … • 注 ⽂ I D • 顧 客 I D • 売 上 ⽇ 時 • 売 上 ⾦ 額 • … join Email トランザク ション f i l t e r 施策起因 売上データ 分析・可視化 Online (dashboard) 関係者へのシェア
施策開始後のコンバージョンの推移 セグメントごとにコンバージョンの推移をモニタリング 休 眠 休 眠 予 備 ア ク
テ ィ ブ N 2 + 新 規 会 員 2 回 以 上 購 ⼊ 新 規 会 員 0 回 購 ⼊ 新 規 会 員 1 回 購 ⼊ N o t e : デ ー タ は ダ ミ ー あ る い は ⼀ 部 サ ン プ リ ン グ さ れ た 結 果 を 含 む
休眠活性化を通じた累計での売上/アクティブ化顧客数の累計推移 プロモーションメール経由でのコンバージョンの積み上がり(休眠・注⽂0回顧客) N o t e : デ ー タ
は ダ ミ ー あ る い は ⼀ 部 サ ン プ リ ン グ さ れ た 結 果 を 含 む 施 策 経 由 の 売 上 ( 累 計 ) コ ン バ ー ジ ョ ン 顧 客 数 ( 累 計 )
実績データのシェア Online へパブリッシュすることで関係者に結果を共有 閲覧のみであれば無料でアカウント作成できるため社外共有が⼿軽
今後の課題・取り組みたいこと 今回の施策による真の効果の検証 • 各セグメントの対象顧客において施策のABテストの実施 顧客の休眠化の事前の察知 • 休眠化する前の兆候について購買⾏動や購⼊品の情報から把握できないか アクティブ顧客のさらなる単価アップ • 単価・LTV
の⾼い顧客の特徴を分析し、既存顧客向け施策に反映
Exploratory のメリット 最⼤の魅⼒:探索的データ分析をハイスピードで回せること データを使った探索的分析が⼀気通貫かつハイスピードで実施できる • RAWデータの取り込み → データラングリング → 可視化・分析
データラングリングの⾒通しのよさ • ステップごとにチャート/分析を対応できる • 「数カ⽉前の⾃分」が何をしていたか分かる アナリティクスが充実しており、気軽に試せる • 簡単なのでダメもとで分析をトライできる(例:クラスタリング、時系列予測・・・) • 各アナリティクスの背景知識が不⾜していても、それなりに正しく使える • 留意すべき数値等が可視化(例:重回帰分析での多重共線性) • ⾃動で標準化(例:時系列クラスタリング) 情報シェアのしやすさ(⾮Exploratoryユーザーへも共有可能) • 組織外でシェアできる(必要なのは無料アカウントのみ) サポートの⼿厚さ
連絡先 情報交換させていただければ幸いです • ビジネスサイドからのデータ活⽤、Data informed な意思決定・経営判断 • プライベート・エクイティ・ファンドの活⽤ • 専⾨領域における連携/情報交換
連絡先:倉富雄平
[email protected]
https://www.jgia.co.jp 本⽇はありがとうございました。