> > 季節要因に左右されない分析方法

季節要因に左右されない分析方法

質問

私は東京でコンサルタント会社を経営している○○です。
いつもダイレクトメールテストではお世話になっています。
実は問題が発生しています。
行わなければと思いつつ逃げやすいことなので
目をそむけていたデータ分析の件です。
基本的な顧客データ収集と
RFM分析は行っているのですが、
それ以外の分析は行えていない状態です。
お話しできる範囲で良いのでデータ分析の盲点と
今後について教えてください。

回答

○○さんにはいつもお世話になっています。
○○さんのところでは現在、
忙しすぎて新規顧客の対応ができない状況です。
既存顧客と紹介だけで手いっぱいです。
仕事が丁寧で重要な部分だけに的を絞り
効果的にコンサルを行っている優秀な会社です。
きれいな資料をたくさん作る
中身のないコンサルタントさんとは違います。

今回のデータの件は私のところでも大変難しい問題です。
一番難しいのはデータから
どのようなものを発見するかということです。
データを分析する担当者のスキルや経験、
能力により道き出せる解が変わってきます。
そして一番問題なのがデータの延長線上にある
次のデータ分析をどのように進めて行くかが問題です。

今のビックデータを分析していて一番効果が表れたのは
今まで言われていた迷信や数字にもとづかない
思い込みではないでしょうか?
現実にデータを取ると今まで当たり前のように
信じられていたことが確率的には
誤差の範囲であることが明らかになります。
今までデータ分析されていない場合や、
あまりにも膨大なデータの為に
分析ができなかったことなどが表面化してくると思います。

しかし私たちが扱うデータはビックデータではありません。
というよりは接触のあった顧客情報や既存顧客データです。
この場合は分析して、その先にある何かを見つけ出し
対策を打つことが大切になってきます。
そこで考えられることはデータ分析のツールを使い、
組み合わせて見えないものを見えるようにする方法です。

○○さんもよく知っている「3C分析」などは良い例です。
3C分析をするためにデータを集める。
データを集めて考える。
考える項目が増えることにより項目データを集めて、
また分析し、思いもよらない解を見つける。
この繰り返しが必要だと思います。

最近データを集めていて思うことは
結果的には当たり前のことをやれているかが
とても重要になってくるように思います。
当たり前のこととは誰が行っても同じ結果がでることです。
この当たり前のことを発見できない場合は、
実施できていない場合には大きな痛手がいつか来るようです。

データを見て新しいことを発見したその先にある真実は
当たり前のことである場合が少なくありません。
この当たり前のことを自分で発見することが
データ分析で一番大切なように思います。

良くある話ですが、データを収集して、
その結果を数字で表して、分析せずに
終わる場合もよくあります。
また、分析をしてもグラフなど視覚的にしないために
問題が浮かび上がらない時もあります。
その他にも分析して、グラフに表し、問題点が見つかっても、
現状のまま問題解決しないこともよく見られます。

分析をして問題点を発見して、その問題を
どのように解決するかを決め、実際に問題解決をする
までを行わなければ分析も意味がないものになってしまいます。

使っている人をほとんど見ませんが、季節変動や繁忙期と閑散期
の変動を関係なく分析できる方法を取り上げてみます。
分析方法の名前は年計分析といいます。
具体的な例として、売り上げの年計分析の場合

ある月から過去にさかのぼって12か月分(1年分)
の売上合計を計算します。
毎月の年計を取る方法です。
2017年の12か月間の各月の年計は以下のような計算になります。

2017年1月であれば2016年2月から2017年1月までの合計です。
2017年2月であれば2016年3月から2017年2月までの合計です。
2017年3月であれば2016年4月から2017年3月までの合計です。
2017年4月であれば2016年5月から2017年4月までの合計です。
2017年5月であれば2016年6月から2017年5月までの合計です。
2017年6月であれば2016年7月から2017年6月までの合計です。
2017年7月であれば2016年8月から2017年7月までの合計です。
2017年8月であれば2016年9月から2017年8月までの合計です。
2017年9月であれば2016年10月から2017年9月までの合計です。
2017年10月であれば2016年11月から2017年10月までの合計です。
2017年11月であれば2016年12月から2017年11月までの合計です。
2017年12月であれば2017年1月から2017年12月までの合計です。
このような計算を毎月計算していきます。

年計分析を行うと季節変動を考える必要がなくなります。
1年の合計なのでどのデータをとっても
1年分のデータが入るためです。
この数値は非常に敏感に動きます。
0.5%づつでも3か月連続で下がっていれば
何か起こっています。
原因を突き止める必要があります。
この原因を注意深く探り解決することで、
早い時期に手を打つことができます。

年計分析を行う項目には
LTV(ライフタイムバリュー)を必ず入れてください。
その他にも
・売り上げ
・粗利
・リピート回数
・人数
・平均購入価格
は年計にしてグラフに表すと
大きな変化が起こる前に対策を打つことができます。

データ分析をするときには既存の概念は
一度捨てることも必要に思います。
例えば有名な20:80の法則も当てはまらないことがあります。
皆さんがご存知の通り上位20パーセントの顧客が
全体の80%の売上を占めるなどの例です。
しかし分析データを見ていくと
この20:80の法則が当てはまらないことが起こります。

1:5の法則も今はほとんどあてはまりません。
新規顧客を獲得する金額5とした場合に、
既存顧客に販売する金額は1で済むという法則です。
現実のデータを見ていると1:5ではなく
1:50などということもあります。
ますます新規顧客獲得単価が上がっています。

このようにデータ分析をするときに
よく言われている法則をうのみにして
テストをせずに結果を出すと思わぬ失敗が起こります。

データ分析をするときには確実にテストをして
データを取って事実にもとづいて進めてください。
今までにいわれている法則をうのみにすることなく
実際に出ているテストデータを検証することが
データ分析では大切なことです。

またデータ分析するときに、よく問題が発生します。
それは複数の媒体からの集客が行われている時です。
具体的にはダイレクトメールの他に
ホームページやFAXDM、チラシ、テレアポ、
雑誌掲載、CMなどが絡み合って集客する場合です。

現在では特にスマホが発達して
スマホから直接注文も増えてきています。
業種によるとスマホ注文が全体の90%
を超えるということも起こっています。

上記の問題は以前に扱っていますので、下記のページをご覧ください。
226_CMと雑誌と同時にDMを出す場合の効果測定分類方法

他のおすすめ記事
056_もっとも簡単な顧客分析方法
109_25000件の顧客データ活用法
204_DMの再現性を考える
228_絞り込み
230_1ステップDMと2ステップDMの違いと分け方


前の記事
231_DMを出し続けるかやめるかを考える

次の記事
233_B2Bの購買行動を考える



このエントリーをはてなブックマークに追加  
見積りフォームはこちらをクリック



このページの先頭へ

トップページへ

DM(ダイレクトメール)発送のコスト削減と発送作業の大幅な軽減「DM発送代行センター」