ビジネスデータってなんだか難しそうですよね。
でも大丈夫、普通に日本語で考えていけば読み解けるんですよ。
次のようなグラフがあります。
これはお客様の行動をグラフにしています。
お客様一人一人に対して、前々回来店してから直前に来店するまでの日数と、今までの来店回数を散布図にしたものです。
っていうと何だかよくわからないのですが。
グラフ左上には、頻繁によく来て下さるお客様、左下は以前はよく来ていたが来なくなったお客様、右上が新規のお客様、右下が一回きりで来なくなったお客様と分類できますよね。
って考えるといろいろなもの見えてきませんか？
右上に集中しているということは、ある程度健全な営業をしているのかなと読めますね。
このようなデータ分析をRF分析（Recency、Frequency分析）と呼びます。
この英語の意味は考えると中々奥が深そうなので今回は割愛します。
そのRF分析では様々なパターンがありますが、そのデータの読み方を見てみましょう。
パターン１
このように左上にデータが集中している場合、最もいいような感じがします。
しかし、私は一つだけ危険があると思います。
新規顧客がいないのです。
これでは成長はしないでしょうし、もし、今後、常連客が減ったときには大きな減収となります。
パターン２
左下に集中している。これはかなり致命的ですね。
常連客だった人が離れてしまったということです。
このグラフは極端なのですが、実は25日間売り上げがないというグラフです。
この離れていっている方になにかのフォローをするか、思い切って何かを改め、新規顧客を獲得するしかありません。
パターン３
右上に集中している場合、これは明らかで開店したてです。
来店者すべてが新規顧客です。
これからどう顧客を獲得し、リピータを増やしていくかを頑張る時期です。
パターン４
右側に寄ってる場合です。
定期的に新規顧客は獲得できていますが、もう一度来店したいと思っていないのですね。
これは、もしかしたら宣伝が正直ではないのかもしれないですね。
宣伝文句で人は集まるものの、来店してみたら違う話だったとか。
パソコン教室だと、初回無料体験レッスンが失敗しているとなるパターンです。
パターン５
右下に集まるケースです。
これはもうその事業が成立していないです。ニーズがないか、失敗しているかです。
撤退を判断し、新しい事業を考える時期ですね。
散布図のトラップ
このようなデータを見るとき、散布図は全く同じ位置のデータを1つのデータとして表します。そこには1人しかいないように見えますが、実は重なっているだけで多くの人数が隠れて見えるような形になっているかもしれません。
こんなデータ取ってないよ
普通に販売しているだけならこのようなデータは取れません。
その人が何月何日にレジを通ったかを記録している必要があります。
そんなの、レジのたびにお客さんに名前書いてもらう？とかってことになりますが、今の時代、これを身近なところで実現しているものがあります。
コンビニやスーパーの電子マネーカートやポイントカードです。
これらのカードには、それぞれID番号が割り振られ、どこの誰かはわからないまでも、その人が買い物したということはわかります。昨日もこのカードで精算してたからこの人は昨日も来たということがわかります。
ネットではIDがないと買い物できないので、ネットショッピングもこういうデータがとれます。
近年では顔認証で記録することもできるので、そのような手段もあるでしょう。
手軽にこんなシステムを販売店で導入するなら、バーコード会員証を作って、それをレジと一緒に取り込むようにするなんていうことも必要かもしれません。
このようなiPadで使えるPOSレジシステムなんかもありますね。
https://smaregi.jp/price/standard.php
これはどうかわからないのですが、こういうPOSレジを選ぶときは、今回紹介したようなデータ処理をしてくれるか、もしくは後でExcelで処理できるようにいつ、どのお客様が、何の商品をいくらで買ったかというデータを1件ごとに記録していて、エクスポートできる機能がついていないといけないですし、バーコード会員証ならバーコードの入力が何らかの方法でできなければいけないし、これからなら軽減税率対応でなければなりません。今、レジは補助金が出るようなので購入時ではあります。
Excelでも作れるんですけどね。Excelレジがいいかどうかは好み次第です。
まとめ
今回はRF分析の読み方を通してビジネスデータの分析は難しくないよということが伝わればいいなあと思っていました。
来店回数ではなく、総お買い上げ金額と前回来店からの日数を分析するのがRM分析です。
Excelでは表現しにくいけど、RFM分析という3要素を一度に分析する方法もありますね。これだと客単価分布が前回からの来店日数とどう関係あるかがわかります。
今回の分析は販売について行いましたが、パターン２のような顧客が離れていってるようなところの顧客を抜き出して、そこに何かのDMを送るリストを作るとかそんなことにも使えます。
全く販売ではなく、例えば装置のトラブル履歴で、この前トラブってからの日数と今までのトラブル回数を付けてみて、今壊れた装置が全体の中のどのくらいの位置にいて、それはもともと弱い装置だったのか寿命なのかを判断することもできるかもしれませんね。
コメント