消費者行動分析 | 情報社会の成功の鍵

NEWS

消費者行動分析｜情報社会における成功の鍵

ブログ

2024.08.26

#AI #rfm分析 #小売 #消費者インサイト #消費者行動

「いい商品だと思うが買い手がつかない」
「ネットに情報が溢れていてもターゲット層に訴求可能な方法はあるのか？」

消費者行動分析の重要性が、近年増しています

そもそも売り手には、買い手に商品を届けたい気持ちが常にあります。どうやって情報を集め、どんな理由で商品を知るのか？また、その商品を購入する決断にある要因は何なのか？恐らく、そのような疑問が脳裏に浮かぶはずです。

この記事では、消費者行動の分析のアウトラインを抑えて、メリット・注意点、またデータ収集について触れます。

消費者行動とは？

消費者行動は、「消費者インサイト」と呼ばれる買い手の根底にある、潜在的な意識や動機を含めて、商品購入の行動プロセスを指しています。

現代は情報社会かつモノが溢れ、お客様が商品に手をとるまで誘導するマーケティング戦略が成功の鍵を握っています。消費者行動の分析には、データを収集が欠かせませんし、リアルタイムの分析を効率的かつ定期的に行う必要があります。そのため、システムツールを使用し、小売データの収集・整理することが多いです。

消費者行動分析の方法－RFM分析

消費者行動には研究の進展とともに行動理論モデルが提唱されています。古典的なAIDMAから近年のULSSASまで時代に応じて多様に存在します。

そのような行動理論モデルがある一方、消費者行動の分析にも様々なメソッドが提示されています。分野が非常に広いので、この記事では全ての事項を網羅できませんが、一例としてRFM分析の方法を見ることにします。

消費者行動分析には、データを収集が欠かせませんし、リアルタイムの分析を効率的かつ定期的に行う必要があります。そのため、システムツールを使用し、小売データの収集・整理することが多いです。

分析の概要

RFM分析とは、消費者行動を割り出す顧客分析手法のひとつです。3つの指標それぞれで顧客に「スコア」をつけます。なお「スコア」は、あくまで顧客のカテゴリー分けに使用し、優劣を判断するものではありません。

カテゴリー分けに使う３つの指標は以下の通りです：

R（Recency）　時期
F（Frequency）　頻度
M（Monetary）　金額

R（Recency）は購入時期のことですが、厳密には「直近の購入時期」を意味します。購入履歴が最新であるほど「優良顧客」と判定します。

Ｆ（Frequency）は一定の期間対象として購入頻度が高いほうを「優良顧客」と判定します。後述しますが、顧客の特性や状況によってスコアの意味は変わります。

M（Monetary）は全期間ないし一定期間内の購入金額が大きい顧客を「優良顧客」とみなします。

分析の流れ

分析の作業は、ターゲット顧客の「R」「F」「M」に関するデータを準備し、通常は各指標を5段階評価し、カテゴリー分けに充てます。この「ランク付け」とも表現できる顧客の「カテゴリー分類」をもとに、マーケティング戦略立案に役立てます。

カテゴリーには「優良顧客」「安定顧客」「新規顧客」「休眠顧客」などがあり、各指標のスコア分布から判断します。「優良顧客」はいわゆる「オール５」です。一方「新規顧客」は「R」が高く「F」が低い場合が当たります。

マーケティング戦略には、一例として「新規顧客」には購入頻度や購入金額を上げるためにダイレクトメールやクーポン配布でリピートを狙う、「休眠顧客」には呼び戻し戦略を実施するといった施策が考えられます。

むろん、消費者の行動は変化するので、定期的にカテゴリー分けを検証する必要があります。

消費者行動分析のメリット

ここでは、消費者行動を分析するメリットを紹介します。メリットは以下の3点が主に挙げられます。

客観的に分析できる

購買分析を行う際には、各会計時に記録された情報をベースにし、地域性や店舗規模、リピーターか新規かなど、様々な要素を加味して仮説を立てられます。人が分析を行う際には、データの見落としがあったり、何かしらの志向やバイアスが原因になったりして、常に適切な判断ができない場合もあります。購買行動分析を活用すれば、全データを拾い上げて事実ベースの分析を行えるため、私たちには気づけなかった発見も得られるのです。

偏りのない購買分析ができる

分析は過去ログをもとにした実績ベースのため、あらゆる世代・タイプから顧客の購買傾向を分析できます。例え同じ商品を購入していても、その意図は顧客属性により異なる可能性が高い傾向です。データをもとにそれぞれを分析するのは、有効な手段といえます。

顧客に応じたマーケティング施策を検討できる

履歴さえ残っていれば、パーソナライズされた分析結果を出すことも可能です。このように、購買行動分析を取り入れることによって、実際の購買データという裏付けをもとにマーケティングの流れやアプローチ方法を考えられます。

分析上の注意点

消費者行動分析により、従来は経験者の間に頼っていた意思決定が科学的な手法によって客観的になることは、属人化のリスク回避を含め企業に有利に働くと見込まれます。とはいえ、RFM分析を含め消費者行動分析のメソッドも完璧ではありません。特長や弱点を把握していないと誤判断の元になります。ここでは、分析上の注意点について触れます。

基準値の設定や収集のタイミングにより結果が異なる恐れがある

前述した「ランク分け」は担当者が任意の基準を決めます。そのため、RFM分析の結果が変動します。

たとえば、ECサイトで「5000円以上の購入で、次回から使える30%引きクーポン付与」という場合は5000円以上というランクでＭ指標の評価が急に高くなるはずです。また、「毎月1回だけ必ず利用」という顧客は、対象が1ヶ月の場合はF指標のランクは低くなりますが、1年が対象になると評価は高くなる可能性があります。

また、セールやキャンペーンによって、平常時と比べて顧客層・購入金額が変化する期間は、平常時とは異なる分析結果が出る恐れがあります。これを無視すると、セール期間中に購入金額・購入頻度が高くなった新規顧客を過大評価することになり、定期的に購入している潜在的な「優良顧客」に対する評価が相対的に低くなります。

分析が難しい・向いていない場合がある

小規模な小売店などでは、十分なデータがそろっていないことが多く有効なRFM分析が困難です。また、車・住宅・保険商品などは、一般的な購入頻度は非常に低いため、RFM分析は不向きです。RFM分析に向いている業種か判定が重要です。

反映されない・見落とす情報がある

RFM分析は顧客の購買行動のみ扱うので、性別・年齢・収入など属性は分かりません。また、RFM分析では「何を購入したか」という情報は分析対象になっていませんし、時系列の行動が反映されません。そのため、顧客特性の分析ができない点に注意が必要です。

また、そのなかに未来の優良顧客が含まれている可能性がありながら見落とす恐れもあります。見落としをピックアップするために、顧客の属性や、購入商品カテゴリーなどを踏まえた分析をしたいのであれば、顧客IDに紐付けてデータを補完する必要があります。
実際に、RFM分析に購入商品データ（Item）を追加した「MRFI分析」や、配達距離データ（Distance）を追加した「RFM-D分析」などの手法が存在します。

消費者行動のデータ収集について

消費者行動分析にはデータ収集が欠かせません。では、必要なデータにはどのようなものがあるのでしょうか？ここでは、データの種類や収集の方法について掘り下げて説明します。

行動データと属性データ

消費者行動分析を行う場合に使うデータには、1) 行動データと2) 属性データがあります。

行動データは、顧客のインターネット上での活動や興味を示す情報です。

マーケティング戦略や顧客関係の強化において、行動データは顧客の行動傾向や好みを理解する上で重要です。収集方法としては、Webアナリティクスツール、顧客関係管理（CRM）システム、SNSモニタリングツールが挙げられます。具体的には、Webサイト訪問履歴、アプリ利用データ、購買管理システムのデータ、SNSの利用履歴やGPS位置情報などが挙げられます。

一方、属性データはRFM分析で見たような顧客カテゴリーを定義し、マーケティング戦略立案に寄与します。属性データには年齢、性別、居住地、職業といった、顧客の固定された特性を反映した情報が含まれます。