Column

コラム

  • 2023/10/26セミナーレビュー|施策活用に繋げる顧客分...

2023/10/26セミナーレビュー|施策活用に繋げる顧客分析のカギとは~分析における仮説の考え方を徹底解説~

はじめに

先日10月26日(木)に行われたセミナー「施策活用に繋げる顧客分析のカギとは~分析における仮説の考え方を徹底解説~」についての内容を紹介いたします。

今回のセミナーでは顧客分析を行う上で重要な仮説の考え方を、実際の分析事例を交えて解説させていただきます。

データ分析・活用の課題とあるべき姿


顧客に関連するデータを集約している企業様が増えている一方で、「データ活用での結果が見えづらい」「施策まで活用できていない」といった課題を耳にすることが多くなっています。

こういった課題の原因を整理してみると、分析することが目的になってしまっていることが非常に多く、分析の先に何があるかを考慮した分析設計ができていないケースがほとんどです。

課題と原因

 こういった分析の課題を解決するためには、「仮説を立てること」が非常に重要となります。

 分析する際に、「セグメント(誰に?)・施策(何を?)・施策の効果(インパクト)」を軸に、それぞれの仮説を立てることで、分析の目的や施策の評価軸が明確になり、効率的に分析から施策までを実行できます。

よくあるケースとあるべき姿

仮説を軸にした分析事例


 では実際に、データ活用において仮説を軸とした分析事例についてご紹介させていただきます。

本事例は、定期的なアンケートによる商品への好意度から「特定商品のファン度(以後ファン度)」を定義しているメーカーにおいて、ファン度が上がる=売上に貢献するという前提の元、 どのような行動がファン度があがるきっかけとなるのかを現状のデータから分析し、施策実施までを検討したいというものです。

分析事例概要

この分析事例において行ったステップは大きく分けて下図の5ステップです。

分析ステップ

01 ビジネス理解

まずは、施策を行いたいビジネスの前提をデータから整理します。

今回の例では「ファン度が上がる=売上に貢献する」という前提がそもそも正しいのか、データを用いて確認しました。

ファン度毎の平均商品購買個数と商品の単価から、ファン度毎に想定売上金額を算出した結果、ファン度が高いほど、一人当たりの購買個数が高いために売上が高い傾向にあることがわかりました。

ビジネス理解

このことから、ファン度を上げる施策実施が売上につながるという前提のもと分析を進めることとします。

02 データ理解

次に、仮説を立てるために、分析の材料となるデータを洗い出し整理します。

今回の例では、ファン度が上がるきっかけとなり得る、ユーザーの行動データから補足できるタッチポイントを洗い出し、ファン度毎の行動傾向を確認します。

データ理解

結果、ファン度が高くなっているユーザーは、商品のキャンペーンページに多く訪れていることがわかりました。

このことから、キャンペーンページへの来訪という切り口で仮説を立ててみます

03 仮説

ビジネス理解・データ理解を通して分析の着眼点を整理出来たら、その内容をもとに仮説を立てます。

今回の例では、データ理解からファン度が高いユーザーはキャンペーンページに訪れている割合が多いことがわかったため、仮にキャンペーンページに来訪するユーザーにアプローチした場合にどれくらいの効果(インパクト)が見込めるかを試算し、仮説を立てます。

インパクトの計算

この計算結果を、仮説の軸としていた「セグメント(誰に?)・施策(何を?)・施策の効果(インパクト)」にあてはめることで仮説が立てられました。

仮説フォーマット

04 分析

仮説が立てられたら、実際に分析を実行し、仮説を検証していきます。

今回の分析では、Googleが提供するクラウド上のDWH「BigQuery」にて利用できる「 BigQuery ML」によって機械学習を行い、算出される「Shap値」を用いてファン度が上がる顧客の特徴を可視化します。

Shapとは

算出されたShap値は、サマリープロットと呼ばれる図に表現することによって、「予測材料としてどのデータ(特徴量)が予測値に貢献したか」を確認できます。

サマリープロット

今回の例では、機械学習の予測材料(特徴量)として、キャンペーンページを含むホームページの来訪データ、アンケート回答データ、メルマガ開封データなどを使い、「ファン度の上がり幅」を予測した際のShap値を算出しました。

05 評価

分析結果を解釈し、仮説が正しいかどうかを確認します。

今回の例では、下記のように「キャンペーンページに訪れる回数が多いほどファン度の上昇に貢献している」ことが読み取れたので、仮説が一程度正しかったことが確認できました。

分析結果

このように、仮説をたててからそれを軸に分析すると、「仮説が正しいかどうか」という評価軸で確認すればよいので、解釈に迷うことなく効率的に分析を進めることが可能となります。

「分析支援サービス」のご紹介


分析支援サービス

今回ご紹介したようなデータ分析の内容をサポートさせていただくサービスをご用意しております。

DataCurrentが提供する「分析支援サービス」では、企業が保有するデータや外部データを使用して分析やダッシュボード作成の設計の段階から~施策実行/評価まで一気通貫にサポートいたします。

「データ分析のやり方がわからない」「ダッシュボードツールを使いこなせていない」「今後の活用イメージがわかない」など、データ分析にお悩みの方はぜひご相談ください。

以下よりダウンロードができますのでご興味いただけましたらダウンロードいただければ幸いです。

【ダウンロード資料】データ活用サポート | 分析支援サービス

分析支援サービス提供範囲

さいごに


今回は、顧客分析を行う上で重要な仮説の考え方についての紹介でした。

少しでもご興味いただけた方は資料をダウンロードいただくか、弊社へお問合せくださいませ!

その他、データ分析を行う基盤となるCDPの構想、構築、活用までトータルでサポートする「CDP総合支援サービス」や、テンプレートを使ってスピーディにCDP構築が可能な「CDP Maker -Google Cloud Edition-」などのサービスもございますので、ぜひ資料をご覧ください。

【ダウンロード資料】テンプレートを組み合わせて自在にCDP構築!CDP Maker -Google Cloud Edition-

CDM Maker

【ダウンロード資料】CDP総合支援サービス ~構想・構築・活用~

CDP総合支援サービス概要
CDP総合支援サービス

本件に関するお問い合わせは下記にて承ります。
株式会社DataCurrent
info@datacurrent.co.jp

人気のコラムランキング

PICK UP

【データプライバシーコラム】電気通信事業法改正の解説(2022年7月時点)

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

CMP導入時の注意点

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

Treasure Data CDPを活用したOneID(統合ID)構築4 日付の落とし穴

CDPCDP活用ID統合PICK UP コラム

今、CMPは導入するべきか?

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

TOPへ
戻る