データ分析基礎知識

“分析力をコアとするデータソリューションカンパニー”
株式会社ALBERTが、データ分析にまつわる基礎知識をわかりやすく解説します。

CTB分析を用いたカスタマープロファイリング

ALBERTでは、効果の高い購買予測手法として「CTB分析」を提唱しています。CTB分析とは、Category(カテゴリ)、Taste(テイスト)、Brand(ブランド)の3つの指標で顧客を分類する方法で、顧客がどんな商品を購入するかを高い精度で予測できます。カテゴリはレディース、メンズ、子供、生活、食品などの大分類や、ファッション、アンダーウエア、インテリア、キッチンなどの中分類、さらに細分化した小分類などを用います。テイストとしては、色、模様、形、風合い、サイズなども含まれ、ブランドにはキャラクターなども含めます。

Category(カテゴリ)、Taste(テイスト)、Brand(ブランド)

POSデータや購買履歴データは、一般的にはSKU単位、品番単位で分析されます。しかし、品番単位での分析では、例えば1年前に購入した冬物衣料の品番がわかったところで、今年どの品番の冬物を購入するかを予測することはできません。しかし、もしその商品がどのようなカテゴリの商品で、色や風合いがどのようなものであったかというデータがあれば、その人の好みがわかり、新商品の購買予測もできるわけです。
データマイニングの教科書には、必ずといっていいほど、米国で発見されたというおむつとビールの事例が出てきます。顧客のレシートをデータマイニグ(マーケットバスケット分析)したら「おむつを買った人はビールを買う傾向がある」という法則が見つかったということで、1990年代からデータマイニングの成功事例として一躍有名になりました。調査の結果、「赤ちゃんのいる母親はかさばる紙おむつを父親に買ってくるよう頼み、店に来た父親はついでに缶ビールを購入していた。そこでこの2つを並べて陳列したところ、売り上げが上昇した」といわれています。この話が事実であったかどうかに対しては多くの異論があるようですが、もう一つの大きな問題がはらんでいます。
レシートの分析は一般にはPOSコードで行なわれるので、あるメーカーの特定のおむつと、あるメーカーの特定のビールが同時に購買されていたという結果は出るものの、おむつというカテゴリの商品とビールというカテゴリの商品が同時に購買されていたという結果は出ないのです。

図6.おむつとビールの関係
図6.おむつとビールの関係

顧客をセグメントする上で、品番単位での購買履歴やアソシエーション分析(連関分析)にはあまり意味がありません。残念ながら、購買履歴として、先に述べたCTBが管理できている企業は多くありません。商品データベースが整備されていないというのが大きな理由です。品番からその商品のCTBがわかるデータはほとんどないのです。
購買履歴にCTBを残すことは、顧客のクラスタリング、真のOne to oneマーケティングの実現に極めて重要です。

CTBを用いてカスタマープロファイリングを行なった事例を紹介しましょう。こちらはある総合通販会社の購買履歴を用いて顧客を6つのクラスターに分類したものです。

図7.カスタマープロファイリング
図7.カスタマープロファイリング

クラスター1には25%の顧客が属し、Tシャツやパンツを多く買っています。男性ものや子供用品などをあまり購入していないことから、比較的若い女性が多いクラスターだと思われます。続いてクラスター2は、7%と最も少数派ですが、補正下着やボディケア商品などを購入しており、靴やサンダル、服のほか子供服も時々購入しているので、子供がいるけど働いていて外見に気を使っている女性のクラスターではないかと思われます。クラスター3はちょっと太めの奥様で、大きめサイズの部屋着、インナーなどのほか、最も購入数が多いのがメンズの下着、インナーとなっており、ご主人用に多く購入している層だと思われます。クラスター4は、男児女児用の商品全般を多く購入しており、ご自身のサンダルや服なども時々購入している、ヤングミセス層です。クラスター5は、ベッドやメンズ小物やデスク、家具などを多く購入しており、比較的若い夫婦や男性層がここに属すると思われます。最後のクラスター6は、28%と最大クラスターを形成していますが、カーテン、マットレス、カーペット、カバー類、バッグが多いことが特徴で、あまりアパレル関係を購入しない層です。服はあまり通販で購入せず、実用品は通販でという比較的若い女性が中心になっているクラスターといえるでしょう。

このように顧客をクラスターに分類しておくことで、どのカテゴリの商品を買いやすいか、逆にほとんど買わないカテゴリは何かなどがわかります。顧客がWEBを訪れた時に、その顧客のクラスターがわかっていれば、WEBサイトをパーソナライズし最適化することも可能になります。実際にはさらに細かいクラスタリングをし、購買予測の精度を上げています。

このページをシェアする

About

ALBERTについて