空間データマイニング

GISと統計データを用いる意義

　ビッグデータ分析が昨今のマーケティングトレンドとなっていることは異論がないと思いますが、具体的に実践し、成果を上げている例はまだまだ少ないのが現状のようです。ビッグデータの中でも会員データやID付きPOSデータに代表される顧客データについて、分析する際にエリアマーケティング要素を加味する意義について解説します。

　通常、顧客データは下の図１のようなレイアウトで管理されています。BtoC企業が保有する顧客数は数万ということはないでしょう。大手企業であれば数百万、場合によっては数千万という膨大な数となります。顧客数が多くなればなるほど、データのレコード数も大きくなり、それを分析するには専用のツールや仕組みが必要で、そうなると現場レベルで気軽に分析できるものではなくなります。

【図1：顧客データのレイアウトイメージ】

　こういった現状に対して、顧客データを個人単位で捉えるのではなくエリア単位で捉えてみてはどうでしょうか？

つまり上記の顧客データのレイアウトを下記のレイアウトに集計・変換するのです。

　郵便番号単位であれば全国で約11万レコード、市区町村単位であれば約1,900レコード、都道府県単位であれば47レコードとなり、現場の表計算ソフトで簡単に分析できるようになります。町丁目単位でも全国で約25万前後です。都道府県単位であればパソコン1画面に収まるかもしれません。

個人情報の秘匿

　エリア単位に集計・変換するとデータとして扱いやすくなるだけではなく、個人情報が秘匿できるという効果もあります。顧客管理をする部署と分析する部署が異なり、部署間でデータを共有できないというケースがありました。データが秘匿されていればこういったハードルも低くなるのではないでしょうか？

顧客データをエリア単位で集計する本当の意味

顧客データはあくまでも「実績」です。市場ボリュームやポテンシャルに対しての達成度合いという観点では、顧客データだけでは見えてきません。エリア単位で集計する意義はここにもあります。いわゆる市場を示す各種データは代表的な国勢調査を初め、市区町村、町丁目、郵便番号界、メッシュなど全てエリア単位です。

【図3:顧客数と市場の比較】

　例として上の図をご覧ください。A丁目とB丁目の顧客データ（顧客数）を比較するとB丁目が少ないのでもっと増やしたいというテーマになるかと思います。ただ、市場ポテンシャルを示すデータ（ここでは人口）と比較すると、市場シェアはB丁目のほうが良いから、シェアの低いA丁目に注力しようと全く逆の発想となります。人口から顧客を差し引いた潜在顧客数でみても、B丁目は後150人に対して、A丁目は900人もいることがわかります。

　消費者の購買チャネルも多様化（オムニチャンネル）し、リアル店舗での購買だけではなく、パソコンやスマートフォンでどこからでも気軽にネットショッピングが行えるという時代背景があります。もはや店舗周辺（店舗の商圏）だけを分析し来店誘導の施策を考えるだけでなく、「そもそも顧客とは誰か？」という顧客プロファイリングをしっかりした上で、必ずしも店舗周辺だけに存在しない「顧客はどこにいるのか？」という適切なマーケティングを実行する必要性が高まってきているのです。