購買データの分析とは

投稿日:

更新日:


購買データの分析は、なんのために行うのでしょう?

答えはかんたん。商売が上手くいっているか確認するためです。
少し堅苦しく言うと、現在の売上(利益)構造の把握と課題を発見するために行います。
なぜそんなことをしなくちゃいけないのかというと、次にやることを決めるためです。

上手くいっているのなら、より上手くいくように。
課題がありそうなら、改善するために。
経験や勘のような感覚的なものだけ頼らず、データという論理的なものから次の行動を決めるために行うんですね。(もちろん経験や勘も重要ですけどね)

【超重要】売上は2種類に分けて把握する。

突然ですが、売上というものは「新規のお客さん」「リピートのお客さん」どちらかが作ってくれています。
商売はお客さんがいなくては絶対に成り立ちませんので、マーケティングにおいて何かの分析を行う際は必ずお客さんを出発点にして考えます。
いわゆる「顧客視点」と言うものです。

というのも、購買データはPOSデータやECのデータベースとしては、基本的に「いつ、どこで、なにが、いくらで、どれくらい、売れているか」というデータの集まり(orderデータ等)ことを指すことが多かったりします。(一緒になっているものもあります)
そう、「顧客視点」で重要な「誰に」が実は含まれていないんですね。「誰に」の部分は「顧客データ」(customerデータ等)として保存されています。
購買データ分析をする場合は、購買データと顧客データを合わせて分析するようにしましょう。

1. まずは、目的設定と仮説立て

まずは、データ分析の目的を明確にして、その背景も明確にします。すると多くの場合なにかしらの課題があり、原因はこれなんじゃないか?のような仮説があったりします。もし明確になっていないようでしたら、原因と仮説を明確にしておきます。仮説があることで、どのデータを重点的に見るべきかがわかり、データ分析が効率的に進みます。


プロセス

  • 目的設定:たとえば「トライアル購入の増加」や「リピート購入回数の増加」など、データ分析のゴールを設定します。
  • 仮説立て:売上の減少は「リピート率の低下が原因では?」などの仮説を立て、分析の方向性を決めます。

2. データの収集と前処理

はじめにお話ししたように、購買データと顧客データをPC上に集めます。その他関連するデータなどがあればより広く深い分析が可能になります。
そして重要なのが、正確で信頼できるデータを使うことです。購入日や顧客属性などの各種情報が整っていない(欠損がある、異常値があるなどの)場合、分析結果も信頼性の乏しいものになる可能性が高くなります。


プロセス

  • データ収集:分析に必要な項目を含んだ購買データ(購入者ID・購入日時・場所・ブランド名・商品カテゴリ・商品名・価格・販売数など)、顧客データ(顧客ID=購入者ID・年齢・性別・住所など)を集めます。
  • 前処理:データの重複や欠損を修正し、不要なデータを取り除くなどのデータクリーニングを行います。

3. データの集計しグラフ化

データは表などに集計しグラフ化することによって、視覚的にデータの時系列変化や傾向、同軸での比較差などを把握することができるようになります。
データ分析とは即ち洞察を得ることです。ただの記録データや数値の羅列でしかないものを視覚化することで、俯瞰的に情報を読み取ることができるようになるのです。


プロセス

  • 集計:データをグループ化して、売上や購入回数などの基本指標を算出し、顧客や商品ごとの違いを見ます。
  • 可視化:売上の季節変動や購買頻度を棒グラフや円グラフ、ヒストグラムや箱ひげ図などで可視化します。

4. 仮説の検証と課題の特定

仮説を検証するために、データに基づいた分析を行い、問題の本質を探ります。この段階では、顧客セグメントごとの分析や購入頻度の確認などを行い、データから見える課題を明らかにします。


プロセス

  • 仮説検証:立てた仮説が正しいかどうかを、実際のデータで確認します。たとえば、リピート率が低いと仮定した場合、顧客属性別や購入時期、商品別のリピート率などを調査します。
  • 課題の特定:「リピート率が低い」「特定の商品カテゴリーで売上が低迷している」など、データに基づいて具体的な課題を洗い出します。

5. 深堀りと因果関係の分析

課題の根本原因を追求するために、データの相関関係や因果関係を分析します。課題が見つかった後、その原因が何かを探る視点でデータを分析することが重要です。


プロセス

  • 相関分析:たとえば、価格と売上の関係や、広告の実施タイミングと購買行動の関連性、競合商品など発売時期などとの関連性などを分析します。
  • 深堀り:「リピート率の低下の理由は、自社の人気商品より安い競合商品がキャンペーンを行なっていたから?一過性?継続的?」など、さらにデータを調べて原因を特定します。

6. 施策の立案と効果測定計画の策定

発見された課題に基づいて、改善施策を具体化し、施策の効果を検証するためのKPI(重要業績評価指標)を設定します。改善後の効果を測定し、分析のフィードバックループを回す視点が重要です。


プロセス

  • 施策立案:「リピート率を上げるために、リピーター向けキャンペーンを実施する」など、データに基づいた施策を考えます。
  • 効果測定計画:「リピート率の変化を3ヶ月後に確認する」など、具体的な目標と測定方法を設定し、継続的にデータを確認して改善効果を把握します。

まとめ

このように、購買データ分析のプロセスでは、仮説を立て、データに基づいて検証し、課題を特定して施策を立案するという一連の流れを意識することで、実践的な課題発見と解決が可能になります。
闇雲な分析ではなく、意味ある分析となるようにしましょう!
購買データ分析は、やり方によってはExcelやGoogleスプレッドシートなどでも十分できます。

まずはノートやメモアプリに、「なんとなく感じている課題」を書き出してみて、どんなデータ分析をすれば良いか考えてみましょう!

マーケティングのご相談は

お気軽に無料オンライン相談で!