はじめに
「データ活用のユースケースがわからない」「費用対効果が示せず、データ活用の予算化が難しい」、「分析や見える化したい、だけでは決裁承認が得られない」こうした声をお客様から耳にすることが増えてきました。
近年、企業活動を取り巻くデータは、独自の資産として企業の競争力の源泉となってきており、いかに戦略的にデータを収集・蓄積・分析し、価値やインサイトに繋げていくかが、あらゆる企業において重要なテーマとなってきています。
しかし、効果的なユースケースが特定できない、費用対効果を示せず予算化が困難、という理由から、データ活用の取り組みを推進しきれていないお客様も多く見受けられます。今回は、そうした小売業のお客様向けに、データ分析による費用対効果を検証するPoCとして、顧客データ・購買データ分析によるマーケティング施策の高度化を行った事例を紹介いたします。
データ活用推進の障壁
データ活用・AIがもたらす経済効果は、業界ごと・活用領域ごとに異なり、経済産業省の調査によると、例えば小売業においてはマーケティング領域、製造業においては予知保全や自動検出の領域等が、特に経済効果が大きいと推計されています。
以下では、デジタルテクノロジー推進室において、上記のような課題を持つ小売業様向けに、ROIを示すためのデータ分析PoCを実施した事例を紹介いたします。
小売業向けマーケティング高度化によるROI検証事例
小売業においては、比較的ROIが示しやすいこともあり、マーケティング領域がデータ活用のPoCテーマとして適切なケースが多いと考えられます。今回は、リアル店舗を持つショッピングセンター様向けに、データ活用によりマーケティング高度化を行い、その効果測定を行った事例をご紹介いたします。当該PoCにおいては、以下の4ステップで検証を進めていきました。
我々が実施したPoCにおいて、売上因数分解の結果、様々な課題が見えてきましたが、中でも買い回り店舗数が低いという点については、お客様から「これまで認識できていなかった課題であるが、取り組むべき重要な課題である」という声もいただきました。こうしたデータ分析アプローチにより、お客様でも認識できていなかったような課題・改善すべき領域を特定することができると考えております。
なお、買い回り傾向は、性別や年齢といったデモグラフィック属性以上に、飲食目的のクラスタ、衣料品目的のクラスタ等の嗜好性に大きく依存すると考えられるため、顧客の購買データに基づく嗜好クラスタリングを行い、それぞれのクラスタ軸での買い回り数や買い回り店舗傾向も可視化しました。
これらを踏まえ、買い回り数の低いセグメントやその原因、改善が見込めそうなセグメント等を検討していきました。詳細分析においては、行動データのみでは分析が難しい可能性もあり、必要に応じてアンケート等の意識データ等も併せて分析する必要があると考えられます。
上述のようなデータ分析PoCにより、データ活用の有用性や費用対効果を示すことで、データ活用の予算拡大や取り組みの加速に繋げていけると考えております。
おわりに
ショッピングセンター業界向けに、マーケティング領域でデータを活用し、費用対効果を検証することで、お客様のデータ活用の取り組み促進に貢献した事例をご紹介させていただきました。
リアル店舗を持つ小売業における進め方の一例ではありますが、他分野においても適用可能なプロセスであると考えております。データ活用の取り組みの推進に難航されている方は、こうしたアプローチを一案として検討してみてはいかがでしょうか。