Embed Size (px)
DESCRIPTION
99％の企業がやっていない 【"顧客データの整理"で利益を50％増やす＜５ステップ＞活用法】 2014年に数回開催したセミナーの資料です。 株式会社プロマネHP →http://strategy-pm.com/
Citation preview
99 ％の企業がやっていない" 顧客データの整理 " で
利益を 50 ％増やす＜５ステップ＞活用法
株式会社プロマネ 廣田 真一
受講のポイント ①付箋法 ②ブリッジング法 ③インプット即アウトプット
～オリエンテーション～
今日の目的をひとつ今日の目的をひとつ 付箋にお書きください 付箋にお書きください
～オリエンテーション～
自己紹介
ＩＴ投資を売上に変えるコンサルタント 株式会社プロマネ 代表取締役 廣田 真一 （ひろた まさかず）IT コンサルタント。中小企業診断士。業務効率の向上だけでなく、 IT 投資を売上に変えることをミッションに活動を展開。
２００７年、大手企業向け ERP パッケージソフト販売の株式会社ワークスアプリケーションズ入社。東証一部上場企業を含む商社、製造業、飲食、サービス、製薬等、２７業種、７０社を超えるシステム改革プロジェクトを成功に導く。
その後、営業計画部門に異動し、 2012 年度業界売上シェア No1 達成に貢献。
「業務や組織の間に埋れる情報の連携と活用で売上を UP させること」。これが企業の IT 活用の本質であると確信、 2013 年独立。株式会社プロマネ代表取締役就任。
100 社以上のデータ管理、経営資料を見てきた経験からデータ分析の成功法則「“顧客データの整理”で利益を 50 ％増やす５ステップ活用法」を開発。拡大成長を志向する中小企業をサポートしている。
セミナー講師としても活躍し、特に「 99 ％の企業がやっていない“顧客データの整理”で利益を 50 ％増やす５ステップ活用法」は、参加者から「これを知らずに顧客情報分析をやってしまうのは怖すぎる！」と好評を博している。
アジェンダ ①なぜ、データが必要なのか？ ②データを整理できるとなにができるのか？
③最新のデータ分析手法は使えるのか？
④利益を 50 ％増やす＜５ステップ＞
⑤統計のウソを暴く
① なぜ、データが必要なのか？
事実 ： CMYK 比率 は同じ。
※CMYK 比率色の表現法の一種で、シアン、マゼンタ、イエロー、ブラックの 4成分によって色を表す。CMYK はシアン（ Cyan ）、マゼンタ（ Magenta ）、イエロー（ Yellow ）とキー・プレート（ Key Plate ）から頭文字1 字を取ったもの。
目の錯覚ってなに？
人の脳の本音
自分の体験を十二分に活用して都合よく（処理的に楽）に
「正しい情報」として認識したい！
データを活用する意義
データを活用する意義
⇒思い込みに左右されない判断基準を持てること
② データを整理すると、なにができるのか？
データの定義
誰が見ても誤解を生まない（読み間違いをしない）
情報のカタマリ
データを整理するとなにができるか？
①闇雲に「全部取っておかなければ！」という呪縛から解放
② 利益が出てないボトルネックがわかる
③優良顧客がわかり、顧客を巻き込んだ新規獲得策が打てる
①闇雲に「全部取っておかなければ！」という呪縛から解放
⇒事実にフォーカスしたデータ断捨離
業務の負荷が格段に少なく。
② 利益が出てないボトルネックがわかる
⇒一番コストがかかるのが、「新規顧客獲得」
③優良顧客がわかり、顧客を巻き込んだ新規獲得策が打てる
⇒新規事業、新規商品といったリスクを極小化できる
③ 最新のデータ分析手法は使えるのか？
データ分析手法
⇒データマイニング
データ分析の歴史
1960 年～ 1970 年 購入時に得られた顧客の属性データを分析（住所、年代、性別）1970 年～ 1980 年 購入履歴データを利用して購買行動を分析1990 年～現在 インターネットで取得できる顧客情報とサイト内の行動を分析
代表的なデータ分析
デシル分析（ RFM 分析）
アソシエーション分析（マーケットバスケット分析）
デシル分析
デシル分析とは、全顧客を購入金額の高い順に 10 等分し、その売上構成比を分析する分析手法のこと。比較的簡便な顧客分析手法で、例えば「上位 10% の顧客が売上に何パーセント貢献しているか」「上位 30%の顧客で全売上の 80% を占めている」といった見方をする。デシル（ Decile ）は、十分位数を意味する単語。
RFM 分析
R は Recency でもっとも最近購入された年月日であり、F は Frequency で過去1年などの一定期間に何回購入されたかの購入回数、Mは Monetary で一定期間での購買金額を意味する。それぞれに企業独自に設定されたウェイトをつけ、その合計の評価点で、ダイレクトメールを送ったり、するときの顧客絞込み判断材料とする。
アソシエーション分析（マーケットバスケット分析）
ある商品と一緒によく売れる商品はなにか？を特定する分析手法
POS データや EC サイトのトランザクション（取引）データを分析して、“一緒に買われる商品”の組み合わせを
発見する探索的データ分析のこと。
※1顧客による 1 回の取引データをマーケットバスケット・データという
データマイニングの目的
仮説の発見
⇒打ち手までは手が出ない。
④ 利益を 50 ％増やす＜５ステップ＞
＜５ステップ＞STEP① データを集めるSTEP② データを分けるSTEP③購入金額で並べるSTEP④購入の順序を決めるSTEP⑤順序を繋ぐ ＋α 優良顧客を巻き込んだ新規商品開発
＜５ステップ＞
STEP① データを集める
事実の情報と主観の情報
事実・・・購入金額、日付 など
主観・・・「よい /とてもいい /悪い」
データ管理必須項目
①顧客名 ②連絡先 ③購入日 ④購入品目 ⑤購入金額
きれいなデータを集める
＝データクレンジング
データクレンジング
「会社名は社格などを省略せず、正式社名で入力する」
「カタカナは全角で入力する」 といったルールに基づいて修正することでデータが整
います。ほかにも、スペース（空白）が半角 /全角でばらついている場合は半角に統一するなど
、
データのコード化
機械が読み違えないように名前を振る
データのコード化
例） 顧客番号 製品番号 バーコード
＜５ステップ＞
STEP② データを分ける
分ける＝データの正規化
データの正規化
データの正規化とは，データの重複をなくすことにより，データの管理を容易にしたり，データを多様な目的に用いるのに有効な方法で，データベ
ースの構築の基本になる技法
データの正規化
顧客台帳と
取引明細は別の紙にしよう！！
分ける＝データの細分化
データの細分化
具体的には Excel の列を分けること
データの細分化
例） 姓と名 郵便番号のハイフン前後 電話番号の市外局番 住所の都道府県とそれ以下 など
分ける＝データの名寄せ
データの名寄せ
同じデータの重複の排除、またはグルーピングのこと。
データの正規化を行う上で必須になる。
データの名寄せ上のポイント
キー情報を見つける
・・・電話番号が最有力
STEP② までで、
データを整理・整頓する準備が整う。
＜５ステップ＞
STEP③購入金額で並べる
STEP③購入金額で並べる
顧客の購入金額合計の大きい順に並べる。
STEP③購入金額で並べる
＜５ステップ＞
STEP④購入の順序を決める
STEP④購入の順序を決める
①購買額からの仮説 ②購買日からの仮説 ③専門家としての仮説
①購買額からの仮説
②購買日からの仮説
③専門家としての仮説
あなたのビジネスについては、あなたが一番専門家である。
③専門家としての仮説 の切口
1. 入門商品はどれ？2.順番によって効果が上がるものは？3. 商品を購入することによって 生まれる新たな欲望とは？
＜５ステップ＞
STEP⑤順序を繋ぐ
STEP⑤順序を繋ぐ
決めた順番をお客に明示することができているか？
あなたの商品・おすすめ・こだわりを” 知らない”可能性だってある
例）顧客フォロー（電話・ DM ）製品への封入物
セールストーク 等々
＜５ステップ＞
+α優良顧客を巻き込んだ新規商品開発
優良顧客を巻き込んだ新規商品開発
⇒優良顧客へのリサーチ
⇒優良顧客へのテスト販売
＜５ステップ＞のポイント
全既存客の超優良顧客化
⑤統計のウソを暴く
そもそも統計とは・・・
苦肉の策である。
そもそも統計とは・・・
より少ない標本で データの構造をシンプルに 表現しよう！ が目的。
平均 ・・・いわずもがな、平均値中央値 ・・・ちょうど真ん中の値は？標準偏差・・・サンプルのバラツキ度合
相関 ・・・ A と Bの変数にどれだけ 関連があるか？
統計的仮説検定 ・・・相関の結果が０ではない、 と証明する検算
エピローグ
