一概にデータ分析といっても、取り扱う情報や手法は様々で、その分析を行う目的も「企業成長の為」「現状理解の為」などと本当に多種多様です。
目的に適さない手法で行ってしまうと、苦労して膨大なデータを分析しても有益な結果が得られなかった、ということも起こりかねません。
今回はマーケティングにおけるデータ分析とは何か正しく理解し、目的に合った分析を行うために、データの種類やメリット、そして分析手法を解説していきます。
データ分析とは
データ分析とは「客観的で再現性のある事実や数値」である膨大な情報から整理して知りたいものだけを抽出したり、規則性や関係性を探り、企業活動に活用すること指します。
デジタル化が進んだ近代ではネット上に、膨大なデータが蓄積されています。『ビッグデータ』という言葉をよく聞きますが、これは単にデータが多いからそう呼ばれているのではなく、データの量の多さ、データの種類の豊富さ、データの発生・更新頻度の高さ等の要素全体を含んだ言葉であり、その内容はとても複雑で混沌としています。
データは手元のスマートフォンから発生する身近なものや、衛星が提供するデータまで様々な場所、規模で蓄積されています。その膨大なデータを扱いやすいよう加工してビジネスに有益な知見を得ることをがデータ分析を行う理由です。
データ分析を行うメリット
データ分析の目的は現状理解や課題抽出、改善方法の発見や、新たなアプローチ法の確立などの、現状からより良い道筋を作る為のヒントや材料をみつけることだと考えてください。
例えば、新しく企画したマーケティング施策が何故顧客増加に繋がるかの理由であったり、現状の施策と予算配分を見直す決め手となる客観的な数値を示す為であったり、何かを行う際の根拠を導き出すことがデータ分析の大きな目的のひとつになります。
ではその根拠を導く為にデータ分析を活用するメリットは何かを簡単に紹介します。
現状の理解と未来予測ができる
ビジネスを維持、成長させるためには自社が今置かれている状況の理解とこれから先起こりそうな未来を見据えて対策を繰り返し講じなければなりません。
様々な角度からデータ分析を行うことによって、自社の市場での立ち位置、消費者からの認知度を把握することが出来ます。また、データ同士の因果関係を知ることによって起こりうる未来を予測しやすくなり、売上の向上や認知拡大への戦略を計画的に立てることができます。
課題が見つかり、改善策が浮かぶ
様々なデータを組み合わせることで新たな情報を導き出すことが出来る為、全く認識出来ていなかったような気付きを発見する事が出来ます。地球から月の裏側が見えないように、データも分析を行わない限り偏った側面しか見えません。
分析してみてはじめて、「なんでこの数値だけ低いの？」「このデータを関連付けると
統一性が出てきた」というような発見から、新たなやるべき事を見つけることが出来ます。
スピード感のある意思決定がしやすくなる
何の根拠もなく成功します！と言われても誰も「GO！」は出しません。ビジネスで何かを行うためには「上手くいく可能性が高い」という根拠が必要です。しかしその根拠を探す手間が掛かると意思決定まで長い道のりとなり、機会損失に繋がってしまいます。
このような場面でデータ分析は、蓄積したデータから精度の高い情報を素早く導き出すことができるため課題を見つけやすく、かつその分析結果が根拠になることもあり、新たな施策実施までスピーディーに行う事ができます。
データの種類
上段でビッグデータの説明を少ししましたが、一口にデータと言っても様々にカテゴライズされます。アクセスデータ等の数値のデータもあれば、口コミ等の文字や写真といった画像もデータとして含まれます。
ここでデータにはどんな種類があるのか、データ分析が重要となるマーケティング活動でよく耳にするものを中心に、いくつかご紹介していきます。
定量データ
定量とは「明確な数値で表せる要素」という意味を持ち、売上高等の明確な数値情報やアンケートの選択式質問の回答等の数値によって、計測、集計が可能なデータの集合体を指します。
多角的な角度から細分化することが可能で、更に他のデータと組み合わせることで新たな情報を導き出す事も出来る為、あらゆる企業戦略の基礎データとして重要な役割を持ちり、WEBマーケティングにおいても、アクセス状況やクリックなどのユーザーアクションのデータ分析は新たな施策立案にも活用されます。
定性データ
定性とは「数値で示す事が出来ない要素」という意味を持ち、定量データと対になる、情報の「性質・感性」に基づいたデータの集合体を指します。
例えば、口コミの文章と写真、アンケートの自由筆記回答で答えらているような、その文章を書いた人が感じている気持ちを表したもの等がこれに当たります。定量データとは違い、AもしくはBか、などの白黒付けることができないデータであり、消費者の心情を探る事ができます。
POSデータ
POSとは「Point Of Sales」の略語であり、店舗で商品が売れた時の時間、場所、値段、個数などの売れた商品を軸としたデータの集合体を指します。商品が売れるタイミングを掴み、分析を進めることでリアルタイムで変動しているニーズの変化も把握出来ます。
例えば後程紹介する「ABC分析」等を用いることで、売れ筋商品、赤字商品を把握することができ、効率的な売上向上と、赤字商品へのコスト削減の検討などができるようになります。
ID-POSデータ
この「ID」は顧客IDを指し、POSデータ同様商品が売れた時の情報ですが、こちらは「消費者」を軸としたデータの集合体です。
例えば商品を買った際に、ポイントカードや会員アカウントに登録されている購入者の性別や年齢、住所、過去の購入履歴などを蓄積したデータになります。既存顧客の属性や、行動の変化、リピートの有無・頻度の情報が解ることで商品と顧客を関連付けてデータを見ることが出来ます。
顧客属性データ
その名の通り顧客の年齢、性別、居住地、家族構成や職業等の顧客に関するデータ全般の事を指します。既にアクションを起こしている既存顧客だけでなく、見込み顧客も含み、企業が保持しているデータの中でもっとも重要度、貴重度が高いデータです。
EC等のWEBマーケティングにおいては購買履歴や、サイト内の検索履歴なども顧客データに含まれます。
アクセス解析データ／行動ログデータ
サイト訪問時や、閲覧したアプリ内でのアクセスを解析し、数値化したデータの事を指します。
例えば、サイトが閲覧された数（PV数）やサイトを訪問したユーザー数（UU数）、滞在時間やセッション数などのサイト内におけるユーザーの行動、アクションの数値の集合体です。
WEBマーケティングにおいてサイトの現状を理解する際や、そのサイトそのものの課題を抽出し改善するためのヒントを見つけるために活用されます。
データ分析の手法
データの種類がたくさんあるように、その分析手法も様々です。どんな商品なのか、分析する目的は何なのか、用途が違えば方法も変わってくるので、いくつかの分析法と、どんな結果を見ることが出来るのか、ご紹介します。
主成分分析
ビッグデータはバラバラなように見えて関連性があったりと、とにかく複雑で様々な要因を持っています。
主成分分析はデータの一部の要因をなくし、単純化することで多量なデータの全体を見やすくする分析方法です。例えば美味しい飲み物と言われても、「美味しい」ということがどんなものかを解釈する必要があり、データの中から美味しい飲み物（第1主成分）と美味しい要素（第２主成分）を分析し整理することで、総合的に美味しいのは甘い飲み物か清涼感がある飲み物なのかという判断が出来る分析になります。
アンケートの結果分析や、画像処理等の多種多様な情報があるデータでその利便性を発揮します。
クラスター分析法
多様なデータの中から、似た性質を持つ要素を集め、クラスター属性に分けて分析を行う方法です。各クラスターの特性を分析し、特徴を捉えた上でマーケティング施策などに活かします。
行動データやID-POSデータなどの色々な要因を持ったデータを特性分析することで、One to Oneマーケティングのような施策に活かす事ができます。
クロス集計分析
クロス集計はデータを属性ごとに分けてその属性の傾向を把握する分析方法です。例えば顧客情報を年齢や性別に分けて、それぞれのニーズを掴むために分析したりします。
マーケティングで顧客データを扱う時や、アンケートの集計結果をまとめるのに使われ、一目見てデータの意味を理解しやすい扱いやすい分析法です。
アソシエーション分析
アソシエーション分析は関連性のないように見えるデータ同士の隠れた関係性を分析する方法です。例えば「商品Aと商品Bは同時購入されやすい」というような関係性を見つけ出すことが出来ます。
興味関心が近しい事を見つけ出しレコメンドされる機能にも、この分析方法が応用されています。マーケットバスケット分析とも呼ばれます。
決定木分析
一つの施策の結果を基に、そこから仮説の分岐を繰り返し行い、何通りかの予測を行う手法です。繰り返し行った仮説の分岐とその結果を基に、複数の要因を踏まえてデータを分類し、関連性を見出します。
例えば、都内で売れる商品があったとして、そこから男性と女性どちらに売れやすいのか、独身か既婚か…、などとデータを細分化していき、ターゲットを絞り込むために使われます。
ABC分析
商品の売上金額や、在庫数などの要素の中から重要度を決めてABCのランク付けを行い、分類化して管理する方法です。
重点分析と呼ばれることもあり、いくつもの商品に対して優先度や重要度を決めて、効果的な在庫管理を行うための分析方法です。
因子分析
データの中から目に見えない共通因子を引き出し分析する手法です。
発見した共通因子の相関図を作り、改善点や課題を見つけやすくすることが出来ます。また、アンケートデータ等で、回答者の「無自覚な意識」を見出す目的で使われることもあります。
ロジスティック回帰分析
ロジスティック回帰分析はある事象の発生確率を分析する手法です。
マーケティングに置いては、商品Aが売れる確率を予測する事などに使われるケースがあります。例えば購入データで同時購入された「商品」を分析するのではなく、「購入された」か「されていないか」を予測する分析方法です。この予測結果から購入確率の高い顧客に広告を打つような施策に活かされます。
データ分析はとても重要
日々蓄積される膨大なデータには思いもよらない発見が眠っています。
有用なデータから価値の高い情報を拾い上げることが出来れば、大きなビジネスチャンスに繋がります。
お伝えしてきた通り、分析する目的に最も適した手法でデータ分析を行うことがとても重要なポイントですが、分析の基となるデータも、様々なツールを使って多種多様なものを取得することで、また新しい発見に繋がる事もあります。データ分析はこれからのマーケティング活動には無くてはならない手段の一つです。
データ分析に役立つ記事も合わせてどうぞ
▶【営業効率が向上】マーケティングオートメーション（MA）ツールのオススメ９選！
▶【セミナーレポート】どのツールを使うべき？今さら聞けない顧客分析ツールの特徴とは？
ソーウェルバーでは、一般的な分析ツールでは解析することが出来なかった、自社サイトの外のユーザーの興味関心を可視化することが出来る分析ツールをご用意しております。通常とは異なり、CVしなかったユーザーがどんな行動をとっているのかを分析することで、インサイトを発掘でき、顧客理解を深めることが可能です。
詳しくはお問い合わせください。
