購買データから見えてくる、商品が売れる法則

データマイニングを用いて得られた購入履歴の無数の組み合わせから、利益をもたらすルールを見極めることが重要。

アップセルとは既存顧客により高価な商品への移行を促す営業活動。クロスセルは関連する商品を売る手法。

顧客を奪い合う現在の企業では新規顧客よりも重要なマーケティング戦略となっている。新しい顧客を高コストで獲得するよりも、すでに関係を持つ顧客との関係をより太く、長くする方が効率がいい。

POSデータによるマイニングでは、リフト値、支持度、信頼度が重要となる。これらを組み合わせることで感覚的に立案していた仮説を自動的に取得できる。

信頼度が高いとよくある組み合わせ、支持度が高いと全顧客に対するインパクトが高い。リフト値が高いと組み合わせで購入されることが多いことがわかる。

リフト値が高いことを前提とし、信頼度と支持度を軸にすると４種類のパターンができる。信頼度も支持度も低い組み合わせは併用する顧客が少なくマーケティング的にはニッチな領域。信頼度も支持度も大きい組み合わせは同時購入において買い尽くされている組み合わせと考えられる。

信頼度が高く支持度が低いものは販売数は少ないが、同時に購入される可能性が高いもの。

信頼度が低く支持度が高いものは購入頻度がそれぞれ高いが、同時購入はそれほどない組み合わせ。この層には潜在的に同時購入してくれる人が多いため隣に陳列するなどすれば効果が出る。

アソシエーションは集計値にすぎない。当たり前のルールも導かれるため、結果のみでは何の利益にもならない。顧客の意思を考えるきっかけを与えてくれるもの。

なので、無数のルールから意味のあるものを識別して、優先順位をつけるノウハウが重要になる。３つの指標を理解してルールの識別ができるのがマーケター。

商品分類コードは適切な名寄せが必要。単品名では手の内ようがない。シャンプー、もしくはバス用品というカテゴリに分類する。

商品区分がその後の戦略を決める。分類の仕方によって、結果の解釈も変わってくるから。体系的に分類するためには仕入れの視点だけでなくマーケターの分析が非常に重要となる。制汗剤は化粧品か、医薬品か、それともエチケット商品化。など。

意味のある組み合わせを発見するためにはノイズが入らないようにデータを仕切る必要がある。流行物を他の商品と同列で考えるのはノイズが入る。

曜日や時間帯で客層が変わる店舗はそれぞれで分析を行う必要がある。

相関に影響を与える外部要因はデータを分けて、できるだけ排除する。

結局、できるだけ情報の多いデータを収集し、分析を行い素早く反映させる。その後再評価を行うというプロセスを作ることが最重要。

詳しくは以下の書籍にて。