データ分析 購買データを使った顧客分類のやり方
(Excelピポットテーブルを使ったRFM分析)

今回の事例は、アパレル業界における販売データを使って
顧客分析を行います。

お客様が、どんな商品を購入されたかのPOSデータをつかって
RFM分析をExcelを用いて 実際に行っていきたいと思います。

RFM分析とは、Recency (直近いつ)、Frequency (頻度)、Monetary (購入金額)の3つの指標で顧客を並べ替え段階的に分け、顧客をグループ化した上で、それぞれのグループの性質を知り、マーケティング施策を講じる手法を言います。
1.元データの購買(POS)データについて確認

顧客名、購買日、購入金額、そしてその購入金額の中で一番大きな金額だった品物を主な購入品として記載があります。よくあるお店の購買データですので、練習素材としては最適です

※こちらから元データのダウンロードできます

2.目的とGOAL

目的:

・顧客ごとの購入金額/購入回数/最新購買日をしりたい;
・R-M/R-Fという切り口で顧客分布を知りたい;
→すべての顧客ではなく、その分布の切り口ごとに、施策を打ちたいので
データ分析を実施して適切な切り口を探し出すというのが目的です。

その分析した結果ファイル(R-Fテーブル)がこちらです。顧客層全体の中で、直近利用したお客様の割合や、利用頻度に応じたロイヤリティの高いお客様の割合を可視化しています。

テーブルの見方:赤枠③ 直近2週間以内で来店して、今まで購入された回数が6回以上のお客様は全体の4.3%を占める

ここまでできたら、どの層エリアのお客様に対してどのように手を打つかという考察に進むことができますよね。

3.具体的な処理手順

では、元データからどのように上記のR-M/R-Fテーブルを作っていくのかを順番に見ていきましょう。

まずは元データの整理です。ここでは、最初に整理してありますので飛ばします。つづいて②R-Mテーブルを作っていくとして、ピポットテーブルを使って集計します。

顧客ごとのMonetary (購入金額)が知りたいので、下記のように、顧客ごとの合計購入金額を集計します。

※具体的なピポットテーブルの使い方は、分析結果ファイル「2-ピボットテーブル(RFM前処理用)シート」を参照してください

③購入金額の大きさに応じて(顧客の)ランク付けします

金額的にたくさん買ってくれているお客様を5点、ほとんど買ってくれていないお客様を1点として分類します。

ここでは、簡単にIF関数にて、ランク付けを行います。合計購入金額セルが100000円以上だったら、5点。同様に80000以上だったら、4点というふうに

=IF(D4>=100000,5,IF(D4>=80000,4,
IF(D4>=50000,3,IF(D4>=10000,2,1))))

④R-Mでグラフ化し、顧客分布を可視化

-ランク付け処理前
-ランク付け処理後(数値をすべて1から5段階に割り当てる)
-ランク付け処理後 + 主な購入品目

さらにその人が主に何を買っているのかという情報を加えて、この表自体を更にピポットテーブル化します。

ピポットテーブルの値にデータ個数を選び、割合表示をすれば、上記のテーブルが完成します。

4.R-F分析結果より、具体的な考察と施策の方向性について考えてみる

R-F分析では上記右図にあるように、、右上エリアの固定客グループが優良顧客で、右下エリアのグループが今後お得意様になってくれそうなグループという分類ができます。

今回の購買データから、右下エリアのグループが赤枠①かなりの割合を占めていることが確認できますね。考察と今後の施策の方向性について、考えてみましょう。

気づき(赤枠①、②、③) 施策の方向性/更なる検証(例)
2か月以内に1回 or 2回利用したお客は約40%占めるが
3回以上が急激にすくなくなる。
新しい利用者がくり返し利用(リピータ)に定着するような施策を実施する必要⇒例:スタンプ割引やロイヤリティ施策を実施する
②優良な休眠グループはほとんどいない。そもそも全体的に3回以上購入している人がしない。 購入回数が低いお客様はなにが不満なのか、商品のせい?引き続きの検証が必要
一か月以内に5回以上利用している、固定客が4.3%存在する。(超優良顧客) 常連客層の囲い込みを強化する施策⇒例:ポイントメール、誕生日クーポンなどの実施

超優良顧客は、どんな属性でどんなものを買っているのかそれをもとに、優良顧客を増やす取り組みをするのはどうかしら (今まで購入履歴からレコメンドをされるとうれしいかも、パンツ→トップスをセット、コンビネーション;)

5.R-M分析と主な購入品分析からもう一歩、踏み込んだ考察をしてみる
(おまけ)

おまけとして、主に何を買っているのかという情報を加えてみましたが、その情報からなにかいえることはないのかという視点を加えてみます。

Excelオートフィルタを活用して、整理したどの顧客層(例えば、Rが3点以上、Fが3点以上)がどんな商品を主に買っているのか、違いがわかったら面白そうです。

では、実際にやってみます。

M3以上の大口顧客は、コートやスーツの順で主な商品を購入しています。一方、M2以下の小口顧客は、シャツ、ズボンの順で主な商品を購入しています。まあ単価がやすいものを購入しているというわかりやすい結論ですね。(新たな切り口で示せたから、はっきりと裏付けが取れたとも言えます。)

では、今後小口顧客層に大口顧客になってもらうために、今後どんな施策を打つべきでしょうか

気づき 施策の方向性/更なる検証
小口顧客層は、シャツと
ズボンの購入がおおい。
日常つかいものがおおいのか?
小口顧客層の単価をあげるために、コートやスーツへの促しが必要?たとえば、シャツとコートの組み合わせ販売、セット割引等で促すのはどうか??
(先のR-M例からすると、優良顧客になればそのまま利用客になってくれ、スーツやコートの商品性はたかいと想定のもとで)
大口顧客層は、コートやスーツなど

非日常使い品?が多い

コート、スーツとなにがセットが売られているかを把握する;

そのセットを商品力をアップする

6.まとめ

購買データより、Excelのピポットテーブルを用いて顧客ごとの購入金額/購入回数/最新購買日をR-M/R-Fという切り口で顧客分布を知るためのやり方を書いてみました。

マーケティング施策として、すべての顧客ではなく、その分布の切り口ごとに、きめ細やかな施策を打ち必要があり、今回のデータ分析を通して、新たな切り口を探し出し、その切り口に対して施策を打つ準備ができるようになったと思います。

※最後に使ったExcelについてはこちらからダウンロードできます

 

    コメント

    タイトルとURLをコピーしました