“脱”やみくもターゲティング！ID-POSデータの分析手法5選をご紹介
こんにちは、CCCマーケティングの営業担当です。
効果的にマーケティングを行っていくためには、顧客の行動や、特徴について知ることが大切です。そのためにPOSレジを通して実際の購買データが蓄積されるPOSデータや、さらに人の情報が結びついたID-POSデータを活用したいと考えている方もいるのではないでしょうか？
そこで、POSデータとID-POSデータの違いからID-POSデータの活用方法まで解説していきます。
目次[非表示]
POSデータとID-POSデータの違い
POSデータとは、「Point Of Sales」の略であり、販売実績に関するデータのことです。
「いつ」「どこで」「どの商品を」「どれくらい」買ったのかが把握できるため、売上や利益の管理のほか、仕入れ判断などに活用できます。
続いて「ID-POSデータ」とは、POSデータと顧客情報（ID）が紐づいたデータのことです。
「いつ」「どこで」「どの商品を」「どれくらい」買ったのかだけではなく、「誰が」買ったのかまで把握でき、特定期間内にどのような買い物をしているのか、何をリピートして買っているのかなどもわかります。
商品軸だけではなく、ヒト軸でのデータ分析につなげられるため、POSデータの活用シーンに加えて、顧客の育成や施策の効果検証まで行えます。
※CCCマーケティングでは、セキュリティ上厳重に管理された環境のもと特定の個人を識別できない状態でマーケティング分析を行っております。
例えば、POSデータでは、「2022年4月5日（水）19:30に、○○ストア渋谷店でA社の新発売のビールを3本購入した」ということが分かります。
ID-POSデータでは、「2022年3月15日（火）19:45に、〇〇ストア三軒茶屋店でB社のビールを2本」購入した人が、「2022年4月5日（水）19:30に、渋谷店でA社の新発売のビールを3本購入した」といった過去の購買も分析することができるため、新発売キャンペーンによってスイッチングが促されたなどの施策効果検証も可能です。
ID-POSデータの5つの分析手法を紹介
ID-POSデータを活用すればPOSデータよりも深く顧客の購買分析ができますが、ただ情報を集めるだけでは意味がありません。
重要なのは、さまざまな切り口でデータを読み解き、施策に活かすための示唆を導くことです。
そのために活用できる基本的な手法が、「属性分析」「流出入分析」「併買分析」「トライアル・リピート分析」「量層分析」の5つです。
それぞれについて詳しく紹介します。
①属性分析
性年代など、顧客の属性別に購買傾向から課題の発見だけではなく解決策の検討まで行えます。
例えばある商品を分析したところ、売上は安定しているものの、購入者のほとんどが60歳以上だった場合、ブランドの若返りを目指したパッケージ改善や、若者向けのサンプリング施策の検討を行うことができます。
②流出入分析
購買者が「どこから流入」して「どこへ流出」したのかを分析する、一定期間内の購買をヒト軸で追いかけられるからこそできる手法です。主に自社ブランドから競合ブランドへのスイッチングを見るために用いられます。
例えば、2020年に日焼け止めAを購入した方のうち、2021年に日焼け止めBを買った人が20％、Cを買った人が5％、Dを買った人が3％だったとします。ここから、日焼け止めAの購買者は主にBへ流れており、対策が必要であることがわかります。
また、新商品投入やコミュニケーション変更のタイミングで流出入分析を行うことにより、効果検証を行うことができます。
③併買分析
併買分析には、バスケット（同時）併買と、期間併買の2種類があります。
バスケット併買
バスケット併買とは、該当の商品がどのような商品と一緒に同じバスケット（1回の買い物）に入りやすいか分析することにより、商品の特性を知ることができる手法です。
1回の買い物の内容がわかれば分析できるため、IDが紐づいていないPOSデータでも行えます。
例えば、紅茶Aはおにぎりよりもクッキーと一緒に買われることが多く、紅茶Bはクッキーよりもおにぎりと一緒に買われることが多いとします。
この場合、紅茶Bの競合は「食中茶」である可能性があるので、お弁当やおにぎりとセット販売する施策を検討することができます。
期間併買
期間併買とは、半年や1年などの任意の一定期間内に、同一対象者が何を買っているのか分析する手法で、特定商品の購買者や、ターゲット像の人となりを把握することができます。特徴的な購買特性については、リフト値を使って分析できます。
例えば、ある期間内に全体のワイン購入率が5％、チーズを購入した人のワイン購入率は20％だとすると、リフト値は「20％÷5％＝4」となり、チーズの購買者は全体と比べてワインを4倍購入していることがわかります。
つまり、チーズ購買者はワイン好きの可能性が高いので、チーズとワインを近くに配置することにより購買率を高めるなどの施策を検討することができます。
④トライアル・リピート分析
ある商品を1回でも購入したことのある「トライアル者」の割合と、2回以上購入している「リピート者」の割合を分析する手法で、商品の市場への浸透度合いや、新商品の販売状況などが把握できます。
分析結果は、上記の図のように4象限で表し、同カテゴリの商品などをプロットすれば市場での立ち位置も明らかになります。
例えば、③の「高トライアル率×低リピート率」に当てはまる新商品があるとします。該当商品は、発売時にはキャッチーなCMやSNSで話題になりトライアル率が伸びた一方で、うまくリピートにつながっていない可能性が見えてきます。
いくらトライアル率が高くても、リピート率が低ければ店頭に長く並ぶことはできないので、トライアル者へ追加でプロモーションを行うなどの施策を検討し、高トライアル率×高リピート率を目指す必要があります。
さらに、トライアル・リピート分析と属性分析を掛け合わせることでリピート者の特性を深掘りすることでリピート率上昇のヒントを見つけることもできます。
⑤量層分析
量層分析とは、ある商品の購買者を購入点数や金額でランク付けして分類し、それぞれの割合の変化などを分析する手法で、ランクが高い方からヘビーユーザー、ミドルユーザー、ライトユーザーなど
と分類します。
ヘビー層がきちんと獲得できているのかなどが分かり、それぞれの層の特性を深掘りすればアプローチ対象や、その方法を検討できます。
ヘビー層とライト層では、全く意見が異なることも珍しくないので、それぞれの層に商品イメージに関するアンケートを取り、セグメントごとの回答結果から次回の商品開発や改善、コミュニケーション戦略の策定につなげることができます。
CCCマーケティングのID-POSデータの特徴
POSデータとID-POSデータの分析手法についてご紹介しました。
CCCマーケティングでは、約7,000万人のID-POSデータを活用した分析が行えます。
多種多様なデータがシングルIDでつながっている
CCCマーケティングが保有しているID-POSデータは約7,000万人のユニークユーザーの業態を横断した購買データやTVの視聴データ、性年齢、住所などの基本属性、アンケートから分かる趣味嗜好、顧客DNAと呼ばれる志向性データなど、さまざまなデータがシングルIDによってつながっています。
日常のさまざまなシーンで活用されるTカードだからこそ、業種や業態を横断して見ることができ、SKU単位の購買データを保有しているため、購入点数ではなく、購入している商品の容量でも分類して分析が行えます。
例えば、対象のビールを10点（350mlか500mlか6本パックかは問わず）ではなく、合計で5リットル以上（350ml×3本と500ml×8本）を購入している人をヘビーユーザーとして定義することなどができます。
取得したデータを実際の施策に有効活用できる
単に多種多様なデータを保有しているだけではなく、ターゲットにアプローチする手段も持ち合わせているので、実際の施策に活かせるのもCCCマーケティングならではです。
例えば、自社製品以外の洗剤を購入している人に向けてアプローチしたい場合、過去に競合他社の洗剤を購入している人をターゲティングし、郵送DMやメール、TVCMなどでアプローチしていくことが可能です。
さらに、その後の購買行動も追えるので、実購買データをもとにした効果検証が行えます。
ID-POSデータ活用で“脱”やみくもターゲティングを！
ターゲティングがうまくいかない、広告効果が正しく測定できていないなどお悩みの方も多くいらっしゃるのではないでしょうか。
CCCマーケティングでは、約7,000万人規模のID-POSデータをさまざまな角度から読み解き、精緻なターゲティングを行うことができます。さらに施策の実施、効果検証まで一気通貫で行えますのでデータ活用にお悩みの方はご相談ください。
下記よりデータ活用事例集を無料でダウンロードいただけますので、ぜひご覧ください！
※CCCマーケティングでは、セキュリティ上厳重に管理された環境のもと、個人を特定できない状態でマーケティング分析を行っております。
本記事を引用・転載をご希望の方は、事前にお問い合わせよりご連絡ください。
