マーケティング施策の効果を感覚や経験だけで判断していませんか。キャンペーンを実施すれば売上は上がるが、本当にその施策が利益に貢献しているのか分からない。どの顧客セグメントにリソースを投下すべきか、データがなければ分からない。西口一希氏の『良い売上、悪い売上』は、ID-POS分析や顧客セグメント分析といったデータドリブンなフレームワークを用いて、収益性を可視化し、利益を生む顧客層に的確にアプローチする方法を提示してくれます。
ID-POS分析がもたらす顧客理解の深化
ID-POS分析とは、顧客IDと紐づけられた購買データを分析する手法です。従来のPOSデータが何が売れたかを示すのに対し、ID-POSデータは誰がいつ何を購入したかまで把握できます。
この手法により、顧客一人ひとりの購買履歴を時系列で追跡できるようになります。ある顧客が平日の朝にはサンドイッチとコーヒーを、金曜の夜にはチーズとワインを購入するといった行動パターンを詳細に分析できるのです。
本書が強調するのは、このデータを使って良い売上をもたらす顧客と悪い売上にとどまる顧客を区別することの重要性です。単なる売上額の合計ではなく、各顧客がどれだけ継続的に利益に貢献しているかを可視化することで、リソース配分の精度が劇的に向上します。
顧客を五つの階層で可視化する5セグマップ
西口氏が以前の著書から提唱してきた5セグマップは、市場の顧客を五つの階層に分類するフレームワークです。上から順に、ロイヤル顧客、一般顧客、離反顧客、認知・未購買顧客、未認知顧客という構成になっています。
このピラミッド構造により、いかに上の階層に顧客を成長させるか、下の階層に逃がさないかをシンプルに考えられます。ロイヤル顧客は継続的に購入してくれる最も価値の高い層であり、良い売上の源泉です。
一方で離反顧客は過去に購入経験があるものの現在は購入していない層で、適切なアプローチにより再活性化の可能性があります。各層の人数と移動を把握することで、どの層にどのような施策を打つべきかが明確になるのです。
より詳細な分析を可能にする9セグマップ
5セグマップに次回購入意向という軸を加えたのが9セグマップです。このフレームワークでは、顧客を購買履歴だけでなく、ブランドへの選好度も含めて九つのセグメントに分類します。
横軸は従来通り未認知、認知・未購買、離反、一般顧客、ロイヤル顧客という購買段階を示します。縦軸に次回購入意向を加えることで、例えば一般顧客の中でも次回も購入する可能性が高い層と低い層を区別できます。
これにより、同じ売上額でも将来の期待値が異なる顧客を識別できるようになります。次回購入意向が高い顧客には維持施策を、低い顧客には引き上げ施策を実施するといった、より精緻な戦略設計が可能になるのです。
一休.comが実践する顧客ID別利益管理
本書では、宿泊予約サイト「一休.com」の事例対談が収録されており、顧客ID別の利益管理という先進的な取り組みが紹介されています。一休では、特定の顧客の予約一件ごとに、売上から費用を引いた限界利益まで算出しています。
つまり「Aさんの○月○日の□□ホテルの予約は限界利益△△円」という粒度で利益が把握できる状態です。これにより、どの顧客層がどれだけ利益に貢献しているかが一目瞭然になります。
この仕組みは段階的に構築されました。最初は顧客セグメント別の売上とコスト、次に顧客ID別の費用紐づけ、そして予約単位での利益管理へと進化してきたのです。費用の按分は、クーポン系コストとポイント系コストに大別し、一つずつ顧客に按分するかしないかを指定していったといいます。
データによる施策の即時評価と最適化
顧客別に利益が可視化されると、施策の効果検証が飛躍的に高度化します。ABテストを実施した際、売上だけ見れば施策実施グループの方が高くなることが多いものです。しかし利益で見ると、実は大した差がなかったり、費用を引くとマイナスになったりすることもあります。
一休では予約ごとの利益管理により、これを瞬時に捉え、継続か中止かを即断できるようになりました。フレキシブルな施策運営のためには、このような利益ベースの評価が不可欠なのです。
データに基づく意思決定により、感覚や経験則に頼っていた時代とは比較にならない精度で、利益を最大化する戦略を立てられるようになります。
トライアルとリピートを分けて測定する
ID-POS分析の重要な活用法の一つが、トライアル顧客とリピート顧客の区別です。商品の購買以前の事前購買状況を測定することで、IDごとに新規なのか継続なのかの状況を把握できます。
新商品のマーケティングでは、まずトライアル購入を促進し、その後リピート率を高める必要があります。しかしトライアル顧客とリピート顧客では、必要な施策も期待できる利益率も異なります。
本書が警告する悪い売上の典型例は、高コストでトライアルだけを獲得し続けるパターンです。初回購入時の獲得コストを回収するには、その後のリピート購入が不可欠なのです。ID-POS分析により、どの施策がリピートにつながっているかを測定できます。
属性分析で顧客プロファイルを作成する
ID-POSデータには、顧客の性別、年代、住所といった属性情報も含まれます。これを購買データと組み合わせることで、自社商品や競合商品の購入者に関する詳細なプロファイルを作成できます。
例えば、自社商品Aは30代女性の購入が多く、競合商品Bは40代男性が中心といった傾向が見えてきます。このプロファイルを基に、どの属性層にアプローチすべきか、どのようなメッセージが響くかを検討できるのです。
さらに、特定の商品と同時購入される商品を把握する併買分析も可能です。定番商品ではなく、その商品ならではの併買商品を把握することで、クロスセルの機会を最大化できます。
セグメント別に最適な施策を設計する
データ分析によって顧客をセグメント化したら、各セグメントに最適な施策を設計します。5セグマップや9セグマップを活用することで、どのセグメントにどのような働きかけが必要かが明確になります。
ロイヤル顧客には、継続的な関係維持とLTV最大化のための施策を実施します。特別なサービスや限定オファーにより、さらなるロイヤルティ向上を図るのです。
一般顧客には、ロイヤル顧客への引き上げ施策が有効です。購買頻度を高めるためのインセンティブや、ブランドへの愛着を深めるコミュニケーションを展開します。
離反顧客には、再活性化のための特別なオファーやリマインドが必要です。なぜ離反したのかを分析し、その原因を解消する施策を打ちます。
データ分析の民主化と現場への浸透
本書の実践的な価値は、データ分析を特定の専門家だけのものではなく、現場のマーケティング担当者が活用できる形で示している点にあります。5セグマップや9セグマップといったフレームワークは、複雑な統計手法を用いなくても顧客を理解するための強力なツールです。
数問のアンケート調査で作成できる顧客ピラミッドは、自社ブランドの現状を可視化し、施策の方向性を議論するための共通言語となります。データに基づく議論が組織に浸透することで、感覚ではなく事実に基づく意思決定が可能になるのです。
また、西口氏は著書の中で、マーケターに必要な三つの要素として、財務知識、AIの理解、顧客への誠実な洞察を挙げています。データや数字の裏にある顧客一人ひとりの想いや文脈を洞察し、本質的な価値を提供しようとする姿勢が重要だと訴えているのです。
損益分岐点分析で低収益施策をあぶり出す
データドリブンなアプローチのもう一つの重要な側面が、損益分岐点分析です。各施策やチャネルごとに、どれだけの売上があれば費用を回収できるかを明確にします。
本書では、損益分岐点分析などの管理会計の基本的な知識も解説されており、財務に詳しくないマーケティング担当者でも理解できる内容になっています。この分析により、低収益の施策を早期に発見し、リソースを高収益施策にシフトできます。
施策評価に財務要素を組み込むことで、マーケティング部門と財務部門の共通言語が生まれます。売上を上げることではなく、利益につながる売上に集中する必要があるという認識が組織全体に広がるのです。
ミルフィーユの崩壊を防ぐデータ活用
本書で警告される「ミルフィーユの崩壊」とは、主力商品を放置して次々に新製品を投入した結果、利益が低下する現象です。新商品の売上の立ち上がりは早いものの、降下率も大きいのが特徴です。
データ分析により、既存の主力商品がなぜ売れているのか、どの顧客層が支持しているのかを把握し続けることが重要です。主力商品の顧客基盤を維持・強化しながら、新商品を展開する戦略が必要なのです。
新商品投入の判断も、データに基づいて行うべきです。市場のどのセグメントに向けた商品なのか、既存顧客のクロスセル機会なのか新規顧客獲得のための商品なのか。こうした戦略的な位置づけを明確にすることで、ミルフィーユの崩壊を防げます。
BtoB領域でのデータ活用
本書の第六章では、BtoBビジネス向けに福田康隆氏が監修し、法人顧客の売上分析手法が解説されています。BtoB領域では、顧客数がBtoCより少ない分、一社あたりの分析精度を高めることが重要です。
法人顧客ごとの売上、利益、取引頻度、商談プロセスの進捗状況などを統合的に管理することで、どの顧客に注力すべきかが明確になります。また、THE MODELで知られる営業プロセスの各段階でのデータ取得と分析も、BtoB領域での良い売上最大化に不可欠です。
顧客企業内の複数の担当者との関係性や、組織構造、意思決定プロセスといった定性的な情報も、データとして蓄積・分析することで、より精緻な戦略立案が可能になります。
データと人間の洞察の融合
本書が一貫して訴えているのは、データ分析は手段であり、目的ではないということです。数字やデータの裏には、必ず顧客一人ひとりの具体的なニーズや課題、感情があります。
西口氏が提唱するN1分析のように、特定の一人の顧客を深く理解することも、データ分析と並行して重要です。データが示す傾向と、個別の顧客インタビューから得られる洞察を組み合わせることで、より効果的な施策を生み出せます。
AIやビッグデータの時代だからこそ、人間ならではの洞察力と顧客への誠実な向き合い方が差別化要因になるのです。本書はデータドリブンなアプローチと人間中心の思考を両立させることの重要性を示しています。
あなたの会社は、顧客一人ひとりの利益貢献度を把握していますか。どの顧客セグメントに投資すべきか、データに基づいて判断できていますか。西口一希氏の『良い売上、悪い売上』は、データを武器に利益を最大化するための羅針盤となる一冊です。
コメント