データ分析

アソシエーション分析とは?顧客単価を上げるためのデータ分析方法

アソシエーション分析」という購買データの分析手法をご存知でしょうか。アソシエーション分析を行うことで、よく買われる商品の組み合わせを発見し、顧客単価の向上に活かせます。

今回は、アソシエーション分析の基本的な知識と、実践的な分析方法を解説していきます。

アソシエーション分析とは「Aを買う顧客はBも一緒に買う」という法則を見つけるデータ分析手法

アソシエーション分析とは、「商品Aを購入している顧客は、商品Bも購入していることが多い」というように、一緒に購入される可能性の高い商品の組み合わせを見つけ出すデータ分析の手法です。

あるスーパーの有名な分析事例として、「おむつを購入した男性顧客は、同時にビールを購入する可能性が高い」というものがあります。因果関係を直感的に理解しづらい2つの商品ですが、アソシエーション分析によって意外な関係性を発見することができました。

このように、普通なら思いつかないであろう関係性を探し出せる点が、アソシエーション分析の大きな特徴です。一方で、膨大な顧客データから法則性を見つけ出すことは簡単ではありません。

そのため、アソシエーション分析は、データマイニング(膨大なデータを検証・分析すること)のスキルを持った人材に依頼したり、分析ソフトを活用したりして実行することがおすすめです。

アソシエーション分析の考え方と4つの評価指標

アソシエーション分析で発見したい関係性(アソシエーションルール)は、以下の図のようなものです。

アソシエーション分析の対象となる、「商品Aを購入している」という部分は「条件部」と呼ばれます。反対に、「商品Aと一緒に、商品Bを購入している」という部分は「結論部」と呼ばれます。この2つを混同しないように、まずは十分に理解してください。

さて、この2つの関係性を評価するためには、次の4つの指標を多角的に評価する必要があります。

  • 支持度
  • 信頼度
  • 期待信頼度
  • リフト値

それぞれの指標を、順番に解説していきます。

支持度

支持度とは、条件部と結論部をともに満たす購買行動が、すべての購買行動のうちどのくらいの確率で存在するのかを示した指標です。支持度は以下の式で求める事ができます。

支持度の式

支持度 = 条件部と結論部をともに満たす購買データの数 ÷ すべての購買データの数

例えば、5,000件の購買データを分析して、「りんごを買っている顧客は、バナナも一緒に買う」というアソシエーションの支持度を求める時を考えてみます。りんごとバナナを両方買っているデータが250件存在するとき、支持度は以下のように求められます。

支持度

支持度 = 250件 ÷ 5,000件 = 0.05(5%)

支持度が高いほど、分析対象のアソシエーションがよく発生しており、売上に対して大きな影響を与えていると考えられます。

信頼度

信頼度とは、条件部を満たす購買行動のうち、条件部と結論部をともに満たす購買行動がどのくらいの頻度で存在するのかを示す指標です。信頼度は以下の式で求めることができます。

信頼度の式

信頼度 = 条件部と結論部をともに満たす購買データの数 ÷ 条件部を満たす購買データの数

具体的に、5,000件の購買データから「りんごを買っている顧客は、バナナも一緒に買う」というアソシエーションの存在を考えることにします。りんごを買っているデータが1000件あり、そのうち250件でバナナを一緒に買っているとすると、以下の式で信頼度が求められます。

信頼度

信頼度 = 250件 ÷ 1000件 = 0.25(25%)

信頼度が高いほど、アソシエーションルールが強力だといえます。

期待信頼度

期待信頼度とは、購買行動全体のうち、結論部を満たす購買行動がどの程度の確率で存在するかを示した指標です。期待信頼度は以下の式で求めることができます。

期待信頼度の式

期待信頼度 = 結論部を満たす購買データの数 ÷ すべての購買データの数

ここでも、5,000件の購買データを分析して、「りんごを買っている顧客は、バナナも一緒に買う」というアソシエーションを分析する例を考えます。ここでの結論部は「バナナを買う」という部分であり、バナナを買っているデータが500件あるとすると、期待信頼度は以下のようになります。

期待信頼度

期待信頼度 = 500件 ÷ 5000件 = 0.1(10%)

期待信頼度は「期待」という言葉が示すように、「もし、条件部を満たす購買行動を取る顧客が、その他の顧客と同じくらい結論部の行動を取るのであれば、条件部を満たす購買行動のうち結論部を満たす購買行動の割合=信頼度はこのぐらいだろう」という数値を示しています。

実際の信頼度が期待信頼度を上回ると、アソシエーションルールが存在すると考えられます

リフト値

リフト値は、信頼度が期待信頼度の何倍あるかを示した指標です。リフト値は以下の式で求めることができます。

リフト値の式

リフト値 = 信頼度 ÷ 期待信頼度

さて、ふたたび5,000件の購買データを分析し、「りんごを買っている顧客は、バナナも一緒に買う」というアソシエーションを分析する場合を考えます。前述の通り、信頼度25%に対して、期待信頼度は10%でした。つまり、リフト値は以下のようになります。

リフト値

リフト値 = 25% ÷ 10% = 2.5

リフト値が1を上回っていると、一般的にアソシエーションルールが実際に存在すると考えることができます。また、高ければ高いほど強い関連性があるといえます。

アソシエーション分析の実践例

スーパーの日用品コーナーでA〜Eの5つの商品があるとします。それぞれの組み合わせについて、アソシエーション分析の各指標を求めると、以下の画像のようになりました。

このうちあなたなら、どの組み合わせに着目するでしょうか?

アソシエーション分析は以下の3つの軸で評価することが重要です。

  • 支持度の高さ=売上へのインパクト
  • 信頼度=アソシエーションの強さ
  • リフト値の高さ=アソシエーションルールの有効性

以上の3点から考えると、以下の組み合わせが比較的有力なアソシエーションルールとなりそうです。

  • B→C
  • C→B

CとBの組み合わせは全体の購買行動に対するウェイトが大きく、相互にアソシエーションがあるようです。目立つ位置に、お互いに近い場所に陳列することで、効果的に顧客単価の向上が見込めそうです

また、支持度は高くないものの、以下の組み合わせは信頼度とリフト値が非常に高くなっています。

  • E→C

反対にC→Eは信頼度が低く、なかなか併売につながらないと思われるため、顧客の動線を商品E→商品Cへとスムーズに流すことによって、効果的な併売ができそうです。また、商品Eの売上を伸ばすと、同時に商品Cの売上の向上が見込めそうです。短期で大きく売上を向上させたい場合は、商品Eの販促に注力するとよいでしょう。

まとめ

いかがでしたか?

小売店やECなど、特にtoCのマーケティングではアソシエーション分析を有効活用できます。この記事を参考に、ぜひ分析に取り組んでみてください。

新規営業の業務効率化にお困りではありませんか?
5万社以上が活用する企業情報サービスで、時間や手間を削減しましょう!