デジタルマーケティングでは様々なデータを得て、解析し、活用します。ここでは、得られたデータの分析方法やその効果について説明します。

データ分析はなぜ必要か？

現代人は物質的な豊かさを享受し、情報過多の社会を生きています。ものも情報も一人ひとりが自分に必要なものを選び、取得しなければなりません。

テレビコマーシャルや新聞や雑誌広告といった従来のマーケティング方法は効果があまり見られず、企業は消費者に自社商品やサービスを認知してもらい、購入につなげることが難しくなっています。

特に、インターネットが発達してからは消費者の購買行動は大きく変化しています。スマートフォンを片手に、いつでもどこでもインターネットにアクセスして消費行動が可能ですが、類似商品と比較したり、口コミを参考にしたりして購入までの行動は複雑になっています。

現代社会において、企業は商品やサービスを売るために従来とは異なるより効率的なマーケティング戦略を立てる必要があります。そんな中、現代の企業において欠かせなくなっているのがデジタルマーケティングです。

WEBサイト上での消費者の行動や位置情報、購買記録など様々なデータを取得、蓄積し、更に分析を施すことで消費者のニーズや他社類似製品と比較した際の優位性、市場での立ち位置などを客観的に知ることができます。

取得できるデータの種類は増加していますし、取得したデータを分析する方法や技術も多く登場しています。取得した各データは分断して個別に分析するだけでは意味がありません。各データを統合し、全体を捉えてマーケティングのアクションプラン策定に役立てるためにデータ分析が必要です。

全体を捉えた上でマーケティング活動が効果的に機能しているかどうかを判断し、改善すべき点を特定し、新たな策を練ることができるようになります。

データ分析の方法

データ分析の方法には幾つもの種類があります。初心者でも使える種類もあれば、高度な種類もあり、データ分析用のツールも存在します。ここではクロス集計、アソシエーション分析、バケット分析を紹介します。

基本的なデータ分析方法として知られるのがクロス集計です。Excelに標準搭載されている機能でも分析が可能です。数字の意味もわかりやすく、比較のしやすさ、図表の作りやすさなどを含めて初心者でも始めやすいのが特徴です。

クロス集計とは、調査における設問に対して収集したデータを年齢や性別、地域、職業などの属性項目別を交えて集計する方法です。

例えば、自社の看板商品満足度の調査をしたとして、とても満足、もしくは満足と答えた人が大多数を占めていたけれど、クロス集計で属性別に見ると女性の満足度が極端に低かったという傾向などを見つけることができます。

アソシエーション分析ではビッグデータを活用して、複数の項目の関連性を見つけることができます。多大なデータの中には関連性のないような項目であるにも関わらず、分析してみると共起している項目が存在します。

その背景には、何かしらの関連性が潜んでいます。アソシエーション分析で有名なのが紙おむつとビールの例です。

アメリカのスーパーマーケットでデータを分析したところ、紙おむつとビールという一見関連性のない商品が一緒に購入されていることが判明しました。

その原因を検証したところ、紙おむつを購入しにきた父親がついでにビールを購入していたという事実を摑みました。そこで、スーパーマーケットでは紙おむつとビールを陳列して販売したところ売り上げ増加につながったという話です。

参考元：https://data.wingarc.com/diapers-and-beers-10827

紙おむつとビールの例の真偽は不明とされていますが、例のように一見関連性がないものの中から関連性を見つけ、マーケティングに活用できます。

バスケット分析とはアソシエーション分析から派生した方法で、よく購入される商品の関連性を見つけ、併売商品の傾向を知ることができます。関連性の高い商品を消費者の目に入る位置に配置することで、消費者の目的の商品に加えて、関連商品も売れるという販売促進が期待されます。

バスケットという英単語には籠という意味があり、バスケット分析とは買い物の際に買い物籠に入れられている商品を分析して、よく買われている商品の組み合わせを分析します。

バスケット分析は支持度や信頼度、リフトの数値などを指標とします。併売率は信頼度とも呼ばれ、AとBが一緒に購入された件数÷Aが購入された件数で出ます。

全体に対する併売率は支持度と呼ばれ、併売顧客数÷ 全体顧客数で算出します。期待信頼度はBの顧客数 ÷ 全体顧客数、リフトは信頼度 ÷ 期待信頼度で算出します。

参考元：https://www.persol-pt.co.jp/webanalytics-blog/2016/01/04/market-basket/

例えば、店舗全体の顧客数3000人の店で介護用品(A)のみを買う人は1000人だったとします。（パーソルウェブサイトのマーケット・バスケット分析で学ぶ「アソシエーション分析」を参照）ビニール手袋のみ（B）を買う人は859人、介護用品（A）とビニール手袋（B）を一緒に買う人は512人でした。

支持度は512÷3000＝約0.171です。信頼度は512÷1000＝0.512です。期待信頼度は859÷3000=約0.286です。リフトは0.512÷0.286=約1.788です。このように各商品の指標を出していくと特に強い関連性が見えてきます。

参考元：https://www.persol-pt.co.jp/webanalytics-blog/2016/01/04/market-basket/

分析したデータの役立て方

データ分析は経営戦略やマーケティングに効果があるデータを得るための手段であり、データ分析を終えて放置していては意味がありません。

企業において、データ分析後に施策を考える必要があります。分析したデータの役立て方としては、アクションプランの策定や修正に用いることなどが考えられます。幾つもの種類がある分析方法ですが、それぞれの方法によって、役立て方や利用方法に違いが出てきます。

クロス集計は1つだけでなく複数の属性で回答傾向の比較や相関関係、各属性のトレンド傾向の分析をすることが可能です。消費者の属性毎の平均値が簡単にわかるため、企業におけるアンケート集計や販売予測などに使われる他、メディア等が行う世論調査でもクロス集計がよく使われています。

関連性を発見してマーケティングに活用するアソシエーション分析やバスケット分析は小売業やECサイト等で利用されることが多いです。

アソシエーション分析のわかりやすい例にECサイトのレコメンドエンジンというシステムがあります。ECサイトを利用したことのある人なら、「この商品を買った方はこんな商品も購入しています」という文面を見たことがあるでしょう。

このレコメンドエンジンもアソシエーション分析やバスケット分析が利用されています。