ターゲット・マイニング

“データマイニング×ＧＩＳ分析”で効果の高いターゲットだけにピンポイント・アプローチ

  • 「ターゲット・マイニング」のステップ
  1. ディシジョン・ツリー分析（決定木分析）やクラスター分析に代表されるデータマイニング／多変量解析手法、ＲＦＭ分析に代表される基本的なクロス集計分析などを用いて、顧客データ（属性データ／トランザクション・データ）を分析し、ターゲット・セグメントを抽出します。
  2. ＧＩＳ（地理情報システム）を使って、顧客データ（全体）および①で分析したセグメント顧客データを地図上にプロットし、地理的・人口統計的データと掛け合わせることで、地理的に見込みターゲットを抽出します。

このような手順を踏むことで、精緻でピンポイントなターゲティングが可能となり、キャンペーン・コストやＣＲＭコストを削減する一方でレスポンス率やＬＴＶ（顧客生涯価値）を向上させ、ＲＯＩを最大化します。

ＲＦＭ分析

  1. 顧客をＲ・Ｆ・Ｍの軸から各５段階ずつ（それ以外も可能）に分類し、
  2. ５×５×５の１２５グループに顧客をセグメント化。
  3. アプローチする顧客セグメントの優先順位を決定します。

一般的にＲ／Ｆ／Ｍの値が高ければ高いほど、プロモーションのレスポンス率は高くなります。

Ｒ／Ｆ／Ｍのそれぞれの組み合わせのセグメントごとに異なるアプローチが有効です。

クラスター分析

「購買データだけでなく、属性データも含めて意味の有るグルーピングをしたい。」
■ 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：・・・

ディシジョン・ツリー分析（決定木分析）

「これまでに実施したキャンペーンのレスポンス結果を用いて、次回のキャンペーンのレスポンス率が高いグループを、購買データや属性データの条件から絞り込みたい。」
【例】属性データA（住所）が“東京”で属性データBが“２０代”“３０代”で、商品Zの購入比率が高い人がオファーに反応しそう・・・
  • ＜参考＞樹形図アウトプット例

ＧＩＳ分析

  • 顧客の所在地を地図にプロットし、
  • 1st STEPで得られたターゲット・セグメントの多いエリアの特性を分析し、
  • 地理的なターゲットの絞込み をします。
  1. ターゲット・セグメントの多いエリアにアプローチ
  2. ターゲット・セグメントと同様の特性を持つ他のエリアにアプローチ

►ターゲット・マイニングに関するお問い合わせはこちらからどうぞ