ページの本文へ

Hitachi

顧客ロイヤルティ向上サービス

JavaScriptをオンにするとブレッドクラムが表示されます。顧客ロイヤルティ向上サービス サイトのトップページはこちら。

ユースケース

ある小売店のマーケティング担当者がつぶやく課題に沿って、ターゲット(顧客や商品)の絞り込みから効果的な施策が検討できるまでの様子をご紹介します。

もうすぐ次のマーケティング施策を検討しなきゃいけない。
購買履歴(ID-POS)を利用して分析はするけれど、上手く活用できていないなぁ・・・。

日立なら、お客さまとのディスカッションから分析シナリオを作成します。そして、作成した分析シナリオに沿って、どの分析ロジック(RFM分析など)を活用し、どういった分析軸でデータを見るかをご支援することができます。

顧客ロイヤルティ向上サービスの基礎サービスである「優良顧客分析」のRFM分析を利用して、顧客を分類します。

RFM分析の基となるインプットデータのイメージ図です。

蓄積された「購買履歴(ID-POS)」「顧客情報」をインプットデータとして、RFM分析を実施

RFM分析中の集計イメージを見る(新規ウィンドウ表示)

RFM分析を行った結果を表した図です。購買金額と来店頻度からRFM分析した結果、顧客Aから顧客Gは4つのグループに分類されます。まず、購買金額も来店頻度も高い顧客Cと顧客Fを【優良顧客】、購買金額は高いが来店頻度が低い顧客Aと顧客Eを【準優良顧客】、購買金額は低いが来店頻度が高い顧客Bと顧客Gを【一般顧客】、最後に、購買金額も来店頻度も低い顧客Dは【離反顧客】として分類されます。

購買金額と来店頻度から顧客を分類

次に、【優良顧客】層にフォーカスして、どんな商品を繰り返し購入しているか、ABCランク・リピート分析で解析します。

【優良顧客】層のABCランク・リピート分析画面の図です。棒グラフと折れ線グラフを合わせたグラフで、横軸は売上の高い順に商品名が並び、縦軸の1軸は売上高の棒グラフ、2軸はリピート率の折れ線グラフで表しています。売上上位3製品を「売れ筋Aランク」、4位から6位を「売れ筋Bランク」、それ以降を「売れ筋Cランク」と分類し、売上2位の商品Aは「売れ筋Aランク」に属し、かつリピート率が最も高い商品として示されています。

ABCランク・リピート分析の結果から、【優良顧客】層の「売れ筋Aランク」に、リピート率の高い商品が1つあることが分かります(商品A)。

これにより、例えば、『【一般顧客】層の購買金額を高めるためには、【優良顧客】層の「売れ筋Aランク」かつ、リピート率の高い商品を勧めれば良いのかもしれない』という推測ができます。

なるほど!
【一般顧客】層の購買金額を高めるための推奨商品は、こういった方法で選定できるのか!

「優良顧客分析」が提供する分析メニューを利用することで、顧客の分類や売れ筋商品などが分かります。

【優良顧客】層や【一般顧客】層など、顧客を分類する意味は分かったけれど、顧客一人ひとりの趣味嗜好やライフサイクルを把握しないと、推奨商品をお勧めできないかも・・・。

日立なら、「なぜその商品を購入したのか」といった顧客の「気持ち」を見える化するご支援ができます。

顧客ロイヤルティ向上サービスの基礎サービスである「顧客インサイト分析」を利用して、顧客の「気持ち」を「趣味嗜好セグメント」で高精度に推定します。

商品情報と顧客の購買履歴をデータ分析して、顧客ごとの趣味嗜好を推定するイメージ図です。

「顧客インサイト分析」では、趣味嗜好やライフスタイルを表す「趣味嗜好セグメント」と、顧客の商品選択基準を表す「特徴タグ」を仮説定義します。そして、「特徴タグ」付けした商品情報と顧客の購買履歴をデータ分析して、顧客一人ひとりの趣味嗜好を高精度に推定します。

次に、「趣味嗜好セグメント(高級志向/健康志向/トレンド/価格重視)」で、「顧客セグメント(優良顧客/準優良顧客/一般顧客/離反顧客)」をさらに深堀りします。

顧客セグメントと趣味嗜好セグメント上に分類された顧客のうち、趣味嗜好セグメントが価格重視かつ顧客セグメントが【一般顧客】である顧客に対して商品Aを進めると、【優良顧客】にランクが上がることを示した図です。

各顧客セグメントに、どのような割合で趣味嗜好セグメントが占められているか分かります。

この結果から、『【優良顧客】層の「価格重視」派が支持する商品Aを【一般顧客】層の同じ「価格重視」派にお勧めしたら、その商品を気に入ってもらい、【優良顧客】層にランクアップするきっかけになるかもしれない』という仮説を立てることができます。

なるほど!
ターゲット顧客を趣味嗜好レベルまで深堀りできるから、仮説を組み立てて、きめ細かい施策立案が検討できるようになるな!

顧客ロイヤルティ向上サービスの基礎サービスである「優良顧客分析」と「顧客インサイト分析」で、ターゲットとする顧客層や商品を決めることができます。

ターゲット顧客を趣味趣向レベルまで深掘りして、その人が好みそうな商品も特定できるようになったけれど、その分、仮説の組み合わせが増えたので、どの仮説に基づいて施策を打つと最も効果が高まるのかが分からない・・・。

日立なら、例えば、「購買金額向上」をKPIに設定し、まず、KPIと関係が強い要因を仮説として生成します。そして、その中からKPIに効果的な要因を抽出し、マーケティング施策の候補案としてまとめられるようにご支援いたします。

日立の人工知能技術で、KPIと関係が強い要因を仮説として生成します。

日立の人工知能技術「Hitachi AI Technology/H」に、様々な情報が関連付かれているイメージ図です。

日立の人工知能技術「Hitachi AI Technology/H」では、KPIに設定した「購買金額向上」と関係が強い顧客の購買行動パターンを仮説として生成します。

KPIと関係が強い仮説を
生成

購買行動パターンの一例として、KPIに対して関連が強い順に要因が記載されたサンプル表です。

例えば、上記の購買行動パターンから、「朝の来店が多く、商品Aを月に12本以上買う人」は、KPI(購買金額向上)に対して関係が強いと言えます。

このように、購買行動パターンの一覧で示される『「購買金額向上」との関係が強い示唆』を利用して、施策立案に役立てることができます。

なるほど!
それなら、朝の来店が多い【一般顧客】層の「価格重視」派に商品Aのクーポンを送付して、彼らの購買行動を見てみよう!上手くいったら、顧客をより深く理解できたことになる。つまり、顧客ロイヤルティが向上したということになるのか!

日立の人工知能技術では、KPIと関係が強い要素を膨大なデータから導き出します。
お客さまは、その中から効果的な仮説と思えるパターンを選ぶことで、施策に役立てることができます。

本サービスでは、分析シナリオの作成のほか、データ分析環境の構築、データの投入、分析対象データの選定や加工などを、お客さまに代わって日立が対応いたします。
本サービスをご利用いただくことで、マーケティングの脱「属人化」を推し進め、本来行なうべき新施策の立案や企画創出へ注力できるようになります。

顧客ロイヤルティ向上サービスに関するご質問・ご相談は、HCAセンター(Hitachi カスタマ・アンサ・センター)まで、お気軽にお問い合わせください。