クラスター分析
クラスター分析
クラスター分析を用いれば、ＲＦＭといった購買履歴データによるクロス集計や性別×年代のようなデモグラフィック属性のクロス集計などに代表される単純な顧客セグメンテーションを超え、様々なパラメータ（変数）から統計的に意味のある顧客セグメンテーションを行うことができます。
たとえば、「多数の項目からなる購買データに、複数の顧客属性データも含めて意味の有る顧客のグルーピングをしたい。」といったご要望に、クラスター分析なら応えることができます。このような操作は、一般的な表計算ソフト上での手動によるクロス集計レベルでは導き出せないより高度かつ有意義なセグメンテーションです。このようなセグメンテーションは、より効率的に顧客にアプローチすることが可能なだけでなく、単純な集計レベルでは見えないセグメントを抽出することは競合他社に対してステルス性（不可視性）の高い差別化をもたらします。
■ クラスター分析でパラメータとして取り込める様々なデータ
- 購買データ：購買金額、購買単価、頻度、購買商品・カテゴリ・・・
- 属性データ：性別、年齢、職業、居住地、家族構成・・・
- その他のアンケートデータ等：趣味、愛読雑誌、
■ これらのデータの組み合わせから、統計的に顧客をグルーピング（クラスタリング）します。たとえば・・・
- クラスター１：来店頻度が低いが、１回の単価は高く、車で来店する人が多く、旅行やドライブの趣味を持つ３０代が多いグループ
- クラスター２：来店頻度が高く、１回の単価も高く、商品Ａの比率が高い、独身の２０代が多いグループ
- クラスター３：・・・
お客様は一様ではありません。プロモーション、ブランド開発などにおいては、「如何に意味のあるまとまりを見出すか」が“セグメンテーション”の要諦であり、お客様のニーズ＆ウォンツにジャストで適合する提案をできるかどうかは、セグメンテーションによってその精度が決まります。また競合他社に対しては、見えない（ステルス性の高い）差別化の源泉でもあります。さらに、プロモーションにおいては、コスト効率化の源泉でもあります。
このように、クラスター分析によるセグメンテーションは、
- 顧客ニーズに対する提案の適合性とその精度
- 競合他社に対する見えない差別化
- マーケティング・コストの効率化（プロモーションのロスの低減）
といった重要な効果をもたらします。
►クラスター分析に関するお問い合わせはこちらからどうぞ
- 是非、一度ご検討ください！