導入事例レポート

売上予測の精度を左右する「店前通行量データ」。
KLAならスピーディかつ誰でも同じ精度でデータを収集でき、通行量調査の精度も効率もアップ。

導入のきっかけは？

松本様：
店舗や物件の周辺を通行している人（徒歩・自動車）のボリューム（通行量）・属性データが欲しかったというのが、最大の理由です。通行量や通行者の属性は店舗の売上予測モデルを構築する際に重要な変数となるため、その精度を高めたいというのがありました。

今まで通行量調査は現地で行っていたのですが、365日の1日、2日だけを切り取った調査になりますし、調査する人によって結果が違ったりすることもあります。KLAを活用することで、同じ軸・目線で、長期間の通行量を取得できるため、とても魅力的に感じました。

立地戦略部　立地戦略課　課長　松本慎二様（お写真左）
立地戦略部　立地戦略課　　　　早川研太様（お写真右）


早川様：
私も、立地開発部に所属していたときに通行量調査を行っていました。候補物件周辺の通行量をカウントし属性を目視で確認するのですが、まず調査の日数が限られますし、季節や天候、地域のイベント等によって通行量が結構変わってくるため、なかなか正確なデータが取りにくいという状況でした。
また、遠方だと、調査の往復だけで多くの時間がかかり、業務効率に課題がありました。
KLAなら調査したいエリアや期間を指定するだけで、多くのデータを瞬時に取得することができるので、精度・業務効率ともに改善できたと思います。


エリア内の交通量を平／休日、時間帯別、性・年代別、交通手段別に道路毎に集計できる
「主要動線分析」
※画像はプレナス様の分析画面ではありません。

競合店舗の分析や新店オープン後の振り返りにも活用。
KLAなら、店舗来訪者の属性や商圏の時系列変化も細かく把握できる。　

松本様：
導入理由には、競合店を知りたいということもありました。
自社のデータは調べれば分かりますが、競合店の「どういう人が、どこから、どれくらい来訪しているか」というデータは分からないですし、そもそも「競合店の売上ってどのくらいなのだろう」っていう疑問がありました。
そのような知りたいことに対し、KLAなら大まかな傾向が分かります。
例えば、A店、B店、C店という競合店があったら、それらにジオフェンス（KLAは調査対象の建物を地図上で囲って、分析地に設定可能）を貼って来訪者の居住地や属性を調べることで、それぞれの商圏サイズやボリュームの違いは大まかに把握できます。そうすると、売上も仮定できるため、A店の売上は高い、B店は低いという見当がつきます。競合店の顧客像も、年代や性別を見て読み解くことができるので、競合店を分析するのにKLAは欠かせない存在となっています。


最大6地点まで指定店舗の来訪者の居住地や属性を分析できる
※画像はプレナス様の分析画面ではありません。

早川様：　
新店のオープン後は、予測・想定と実績の差異の要因や商圏の変化等を様々な角度から分析しています。そのひとつとして、新店および周辺店舗の来訪者分析があります。
新店には、どこからお客様が来ているか、周辺店舗へはどこから来ていて、新店オープン後に周辺店舗を含めた商圏はどのように変化したか、そういったことを分析してレポートしています。

このレポート作成に、来訪者居住地、来訪者属性、リピーター率等を調べられる単店分析ダッシュボードをフル活用しています。KLAで、『いつ、どこから、どのような人が、どれくらいの頻度で店舗に来訪しているか』を確認し、想定していたエリアからの来訪ボリューム等を検証しています。


店舗来訪者を、曜日別・時間帯別、リピーター率、時系列推移等の観点で分析できる
「単点分析ダッシュボード」
※画像はプレナス様の分析画面ではありません。

KLAの機能で一番いいなと思うのは、来訪者の属性がわかる点です。
来訪者数は 調べれば分かりますが、 性別、年代等の属性も分かるのは素晴らしいですね。当社では、以前より商圏分析で活用しているGIS「MarketAnalyzer^🄬 5（以下、MKA）」とKLAを連携しているので、KLAで抽出したデータをMKAにインポートしてMKAの地図上に描画し、来訪者の増減エリアがすぐに把握できるよう工夫をしています。

通行量データの活用で、売上予測精度が飛躍的に向上。
社内でも「位置情報データ＝KLA」という認識が広がりつつある。

導入のメリット、成果について

松本様：
一番効果を感じるところは、導入理由にもあった「店舗周辺の通行量を測れる点」です。 実際に、通行量データを売上予測モデルの変数に採用したことで、統計・属性データだけを使っていた時と比べて予測精度がグンと高まったため、導入のメリットを感じています。

KLAのデータは、性別や年代以外にも、勤務者、居住者、来街者等の属性で人流を把握できるところが気に入っています。分析条件を変えて調整した通行量データを説明変数に活用することで、予測精度を改善できたと思います。
属性だけでなく、分析地等も柔軟に設定できることや、使い放題で何度も調べられることも、自分が望んでいた使い方に合致していますし、メリットに感じる部分です。


早川様：
KLAで取れるデータは様々なレポートで活用しているため、社内でも「KLA」という言葉が浸透してきています。いまや、位置情報データと言わなくても「KLA」で通じますし、店舗来訪者や店舗周辺の通行者を多面的に把握できる点など、社内でも評価が高いと思います。

（取材月：2024年4月）