データに基づくマーケティングで、顧客の価値を最大化するためのデータ分析入門です。

1. データに基づくマーケティングで顧客の価値を最大化
マーケティングに活かすための
データ分析入門

2. はじめに
定期的に売上や客数を集計されている方は多いと思います。
しかし、その集計を次の一手に活かせていますか？
「目標を達成したorしなかった」「増えてるなあor減ってるなあ」と
たんに事実を眺めて終わっていませんか？
この資料では「集計」から一歩進んで、施策に活用できる
データ分析の手順とポイントをご説明します。

3. データに基づくマーケティングならこれができる
優先順位を判断できる
継続的に改善できる
「顧客第一」を定量化できる
予算の面からも、人的リソースの面からもリストアップした課題すべてに同時に対応することは不可能です。
データを活用すれば、どこにどれだけの予算とリソースを投入すると、どのくらいの収益が上がるのかを予想できるようになり
ます。つまり、優先して解決すべき課題を判断できるようになるのです。
漏れなく効率的に課題を見つけられる
なぜ、データ分析が必要なのでしょうか？ それは思い付きや勢いに頼ったマーケティングでは、ビジネスで継続的に収益
を生み出していくことが難しいからです。データを活用すると、継続的に収益をあげられるビジネスを展開できます。
目につく問題に場当たり的に対応することを続けていると重要な課題を見落としてしまうことがあります。データを活用する
と、ビジネス全体を俯瞰し、重要な課題を発見することができます。
データを活用すると、施策が効果を上げたのか上げなかったのか、それはなぜなのか、事前の予測と比較しながら定量的に
判断して改善点を見出すことができます。改善を次回につなげることで、収益を上げ続ける基盤が整います。
ビジネスに関わる誰もが「お客様のために」と考えていると思います。
しかし「お客様のため」といって具体的にイメージすることは、人や立場によって様々です。データ分析をすることで、経験や思
い込みからでなく「お客様のためになること」を判断し、ビジネスに関わる全員で共有できるようになります。
つまり、本当にお客様を知り、収益を上げ続けるために
データ分析は欠かせないのです。

4. 売上 顧客数 購入金額×＝
新規
顧客
既存
顧客
離反
顧客
＝
購入
頻度
購入
点数
商品
単価
×＋ －
( ) ( )× ×
「今期の売上目標は○○円！」
こんな目標を掲げられた時、どうやって達成の道筋を考えていますか？ 経験則でなんとなく動いていませんか？
売上の構成要素は上記の図のように分解することができます。
つまり、売上を上げるためには、
① 新規顧客を増やす
② 既存顧客を維持する
③ 離反顧客を減らす
④ 購入頻度を増やす
⑤ 購入点数を増やす
⑥ 商品単価を上げる
のいずれかに寄与する施策を打てばいいのです。
分解して考えることで、「売上達成」という漠然としたテーマを具体的な施策目標に落とし込むことができます。
売上構造式のフレームワークを利用すれば
・現在の売上に寄与している要素は何か
・今後の売上アップのために対策、注力すべき要素はなにか
を把握して、データに基づく施策を実行できるようになります。
売上構造式について

5. 売上構造式を意識したデータ分析の実際
このセクションでは、実際に売上構造式を活用して
マーケティング施策を導き出せるデータ分析の例と考え方をお伝えします。
※データはすべて架空のものです

6. 全体像の把握
顧客分析
商品分析
1. 実績を売上構造式に分解する
売上という大きなかたまりを構造式の構成要素に分解します。
そうすることで、施策につながる仮説をデータから見出すことがます。
2. 切り口ごとに売上構造の推移を把握する
月別、チャネル別、顧客属性別などに売上構造の推移を把握します。
ここで、どのような切り口で集計・分析するかが重要なポイントとなります。
1. 顧客の維持率を把握する
昨年購入した顧客が今年どのくらい残っているか、即答できる人は以外と少ないものです。
維持率を把握することで、継続的に収益を上げ続けるための基盤が整います。
2. 顧客ロイヤリティを把握する～デシル分析
3. 顧客ロイヤリティを把握する～RFM分析
「自社のファン」と呼べる顧客が育っているのか、新規顧客をちゃんと獲得できているのか、
総合的に把握して課題を発見します。
1. 売れ筋商品を分析する
2. 商品の買われ方を分析する
「顧客の行動の結果」として商品の売上実績に注目すると、
顧客のインサイトが見えてきます。
分析の流れ

7. 売上 顧客数 購入金額×＝
新規
顧客＝
2013 100,000,000 4,000 25,200
2014 120,000,000 6,000 20,160
2015 126,000,000 7,000 18,150
2013 2014 2015
新規顧客 3,400 5,700
継続顧客 4,000 2,600 1,300
離反顧客 (1,400) (1,300)
(2,000)
0
2,000
4,000
6,000
8,000
2013 2014 2015
年間購入回数 1.6 1.4 1.1
購入点数 1.5 1.2 1.1
点単価 ¥10,500 ¥12,000 ¥15,000
¥0
¥5,000
¥10,000
¥15,000
¥20,000
0.0
0.5
1.0
1.5
2.0
ここに注目
全体売上実績(サマリー)
まずは売上を構造式に分解し、それぞれの要素およびその推移を把握します。
売上を単に「上がった下がった」だけで見ていては、何もわかりません。分解することで、売上の増減の本質的な要因を把握できます。
既存
顧客
離反
顧客
購入
頻度
購入
点数
商品
単価×( ) ( )
POINT !
このサンプルの会社では、様々な販促キャンペーンを行い毎年売上を伸ばしてきました。
しかし、キャンペーン単体で購入率・購入額を評価すると高実績が続いているのに、売上全体の伸び率は鈍化しています。
構造式の要素に注目すると以下のことが分かります。
・新規顧客、継続顧客の数に注目すると、新規が大きく増加しているのに対し、継続が減少し続けている
・1点単価は上昇しているが、年間購入回数が減少している
・販促キャンペーンは主に新規顧客の獲得に寄与している
・新規顧客は「一見さん」として比較的高単価の商品を購入しているが、その後リピーターになっていない可能性がある
⇒ 好調な新規獲得に反し、継続率の低さが、売上の鈍化につながっている可能性が高い
＋ － × ×
POINT !

8. 上記サンプルでは、毎年12月に大きなピークがあります。
一方で、8月は売上の落ち込む時期となっており、底上げが課題となっています。
月別に要素を見る際には、
・毎年似た傾向の現れる月があるか （季節要因の把握）
・前年同期に比べてどう推移しているか
といった点に特に注目すると、傾向を把握しやすくなります。
上記サンプルからは以下のような傾向が見て取れます。傾向を元に仮説を立て、施策を立案しましょう。
全体売上実績(月次)
売上構造式の要素を月単位で把握し、推移を分析します。
一回当たり点数・月間購入回数の月次推移
売上金額と客数の月次推移
ここに注目
・毎年12月は、ほかの月に比べて売上金額が多く、一番の需要期となっている。
また、対前年比でも売上を伸ばしている。
⇒ 需要期の売上を最大化するような施策を検討する。
・8月は、合計売上金額は少ないが、一回当たりの購入点数が多い
⇒ まとめ買い需要が見込める。何が買われているか、どんな顧客が購入しているかを
深堀りし、まとめ買いを促進する施策を検討する。
POINT !

9. 売上金額と売上件数の推移 1件単価、一人当たり購入件数、一件当たり購入点数
全体売上実績(区分別)
売上構造式の要素を、区分別に把握します。どのような切り口で区分するかによって得られる情報は大きく異なります。
この例では、購入のきっかけとなったチャネル別に分析しています。
ここに注目
区分別に分析する際には、まず、どのような区分を採用するかの判断が重要となります。
区分の検討の際には、以下の点を考慮しましょう。
・定量的に区分できるか
たとえば男女別に分析するには、男女を区別できる形の顧客データが必要です
・分析結果を具体的な施策に反映できるか
区分に特徴が見い出せた場合、「こんな違いがあった」と知って満足せず、それを具体的な施策に反映できなければなりません。
施策実施可能性を見越して、分析に採用する区分を決定しましょう。
上記のサンプルからは以下のような傾向が見て取れます。
・PCサイトチャネルの売上は緩やかに減少している。また、売上金額の合計は大きいが、 1件当たりの購入金額および1人当たりの
購入件数は少なく特定の商品の「狙い撃ち」 購入が多いと思われる。
・モバイルサイトチャネルの顧客は急激に売上を伸ばしている。また、1件当たりの 購入金額は多いが、購入点数は少ない。
プロモーション履歴と合わせて判断すると、モバイルサイトでおすすめした商品の「即買い」が多い。
・カタログチャネルの顧客は緩やかに減少している。
・DMチャネルの顧客は合計金額、件数の合計は小さいが、1件当たりの購入金額および 1人当たりの購入件数は多く、
ロイヤリティが高いことがうかがわれる。
⇒ 現在の中心顧客はPCサイト利用者だが、減少傾向にあり、購買力・定着率ともに低めなので、リソースの配分には注意が必要
モバイルチャネルの売上は増加傾向にあり、顧客の購買力も高いため、顧客の獲得と定着のため、リソースの投入を検討する
POINT ! POINT !

10. 顧客分析(流入・流出)
売上構造式のうち顧客の項に注目して分解し、新規・継続・離反の数と割合を把握します。
ここに注目
特に注目すべきは、顧客維持率です。これは、ある期間（購買間隔によって年や四半期単位を設定）に購入した顧客が、次の期間にも
購入した割合です。
新規顧客の獲得数は、顧客の増加数やキャンペーンの効果測定などで把握されていることも多いですが、顧客維持率は案外見過ごさ
れがちです。しかし、維持率が低いまま新規顧客獲得に注力することは、穴の開いたバケツで水をすくうようなものです。維持率の把握
と向上は、ビジネスの継続的な成功に欠かせないものです。
上記のサンプルでは前年購入者数の約7割に匹敵する新規顧客を獲得していながら、
6割を超える顧客が離反しており、離反率も毎年上昇しています。
⇒ 顧客が離反する原因を深堀りし，顧客維持施策を検討する必要がある
2013年度
購入者数：
100,000人
2014年度
購入者数：120,000人
2015年度
購入者数：
150,000人
離反顧客数：
62,000人
離反率 62％
離反顧客数：
78,000人
離反率 65％
離反顧客数：
99,000人
離反率 66％
新規顧客数： 82,000人
新規顧客数：
108,000人
維持率38％ 維持率35％
60%
61%
62%
63%
64%
65%
66%
67%
0
20000
40000
60000
80000
100000
120000
2013年度 2014年度 2015年度
離反顧客
数
離反率
33%
34%
35%
36%
37%
38%
39%
0
20000
40000
60000
80000
100000
120000
140000
160000
2013年度 2014年度 2015年度
購入者数
維持率
新規顧客を順調に
獲得しているが、
離反率も高い

11. 顧客分析(デシル分析①)
顧客の累積購入金額ごとにランク分けし、ランクごとの購入動向を把握します。
ここに注目
売上金額累計構成比売上金額構成比
デシル分析とは
顧客を購入金額の多い順に並べ、上から順番に10等分して、各グループの購買傾向を分析する手法です。
売上に貢献している顧客を見つけることで販促活動の費用対効果を改善したり、売上構造分析として活用することで自社の課題を発見するのに役立ちます。
※Excelでできるデシル分析 https://www.fusion.co.jp/staff/2015/10/excel-decile-rfm/
デシルランク上位の顧客の売上構成比があまりに大きい場合、その少数の顧客が離反するだけで売上が激減してしまいます。
上位顧客の離反防止策を講じるとともに、下位顧客の育成を検討した方がよいかもしれません。
一方、デシルランク間の売上構成比に大きな差がない場合、自社のファンと呼べる顧客が育っていない可能性があります。
一般的にはパレートの法則(80：20の法則)といわれるように、
上位20%程度の顧客が80％の売上を生み出している事例が多くみられます。
上記のサンプルでは、デシル1～3(上位30％)の顧客が、約80％の売上を生み出していることが分かります。
しかし、経年で見ると、デシルランク上位の売上金額構成比が減少しています。
⇒デシルランクによる売上構成比は一般的な範疇だが、変化の傾向がある
デシル上位に特別なオファー
⇒ 離反を防ぎ、収益の安定化を図る
デシル中位に特別なオファー
⇒ デシル上位への引き上げを図る

12. 顧客分析(デシル分析②)
デシルごとの購買動向および動向の推移を把握します。
1人当たり年間購入総額(円) 1人当たり年間購入回数(回)
1人当たり年間購入点数(点) 1件当たり購入額 (円)
ここに注目
デシルランクごとの購買動向を詳しく把握します。
デシルランク上位の顧客は、単価が高いために購入額が大きくなっているのか、それとも購入点数や購入回数が多いために
購入額が大きくなっているのか、一方デシルランク下位の顧客はどうかといった点に注目します。
上記のサンプルでは、デシル1～3の顧客の1件当たりの購入金額はデシル4～6の顧客と差が小さい一方、
年間購入回数が多いことが分かります。
この例ではデシル上位のポイントは年間購入回数。デシル維持・引き上げのためには以下のような施策が考えられます。
デシル上位に引き続き高頻度購入を行ってもらいたい
⇒ 顧客の嗜好に合わせたおすすめ商品を掲載したカタログを購入間隔に合わせたタイミングで送付する
デシル中位をデシル上位に引き上げたい
⇒ 次回購入時に利用できる割引クーポンを発行する
POINT !
POINT !

13. 顧客分析(RFM分析)
顧客の直近購買日・購買頻度・購買金額によってランク分けし、各ランクの構成および推移を把握します。
R-F分析 年度別実数および構成比
ここに注目
※RFM分析とは
特定の期間における
・R(Recency)=最終購入日からの経過日数
・F(Frequency)=購入頻度
・M(Monetary)=累積購入金額
の切り口で顧客を分類する分析手法のことです。
デシル分析では購入金額のみで顧客を分類しましたが、2つの切り口を追加することで、顧客を多面的に分類し、よりきめ細かな施策を検討できるようになります。
※ExcelでできるRFM分析 https://www.fusion.co.jp/staff/2015/10/excel-decile-rfm/
まずはRFMの切り口で、各ランクの顧客がどのくらいいるのか把握しましょう。たとえば、Ｆ(購入頻度)のランクが高い顧客が多い場合、
常連客が多いといえますが、その一方でＦのランクが低い顧客が少ないと新規顧客が獲得できていないということになります。
またＲ軸×Ｆ軸のようにクロス集計したり、それを経年で比べることで、顧客動向を詳しく分析できます。
上記のサンプルでは、R高・F低の顧客(＝新規客）は毎年一定だが、R高・F高の顧客(＝常連客)が年々減少しているます。
RとＦの両方が高い顧客＝常連客が離反している
離反防止施策、カムバック施策を検討する。
予算やリソースに限りがある場合はさらに、M(累積購入金額)の高い顧客をターゲットとするなど対象を絞り込む。
2013
2014
2015
比率 人数
※Ｒ軸：最終購入日からの経過日数が少ない順に5→1のランクを付与（数値が大きいほど最近の購入）
※Ｆ軸：購入頻度が多い順に5→1のランクを付与（数値が大きいほど購入頻度が高い）
POINT !

14. カテゴリーＡ
カテゴリーＦ
カテゴリーＢ
カテゴリーＧ
カテゴリーＣ
カテゴリーＨ
カテゴリーＤ
カテゴリーＩ
カテゴリーＥ
カテゴリーＪ
商品別売上分析、商品購買間隔分析
商品別(またはカテゴリー別)に売上を比較し、売上全体への貢献度を把握します。
また、どのぐらいの間隔で商品が購入されているのかを分析します。
ここに注目
POINT !
POINT !
特に注目したいのは、商品ごとの購買間隔分析です。
この分析は、顧客をリピーター化するための施策につなげやすい分析だからです。
上記のサンプルでは、いずれの商品も購入後25～29日および45～49日に山があり、
購入後70日以降にはリピート購入がなかなかないということが分かります。
再購入が行われるタイミングで、リピートを促す施策を実施する
商品の初回購入から20日、40日のタイミングでサンキューレターや割引クーポンを送付する。
施策にも関わらず購入後70日以上経過してもリピート購入がない顧客にはオファーを送付しない判断をし、収益性を上げる。

15. 最後に
マーケティングでデータ分析を行う際に必要なことは、
・そのデータの向こうにいる顧客を想像する
・分析結果と施策をセットで考える
ということです。
ぜひ実際にデータを分析して、
それがどんな行動を反映したものなのか考えてみてください。

16. 私たち、フュージョン株式会社について
フュージョンは、CRMのために必要な分析ノウハウを詰め込んだ、手軽な分析サービス「CRM ANALYZER」をご提供しています。
など、CRMの本来の目的である「収益を上げる」ことに結びつく情報が得られます。
●CRM ANALYZER https://www.fusion.co.jp/crm/
CRM ANALYZERのご紹介
※CRMとは
Customer Relationship Management(顧客関係管理)の略で、顧客との関係構築を通し、継続的に売上と収益を上げていこうとする経営手法のことです。
フュージョン株式会社は、ダイレクトマーケティングを基軸としてコンサルティング、調査・分析、マーケティングプランの設計・構築を行う
総合マーケティングサービスプロバイダです。
データ分析やデータを活用したマーケティングについても、ぜひお気軽にお問い合わせください。
●フュージョン株式会社WEBサイト https://www.fusion.co.jp/