データを活用したマーケティングを行ないたいと思っても、どのようなデータ分析方法があるのかわからない方も多いのではないでしょうか？
今回は、データ分析を行なうメリットや、マーケティングの目的ごとの適切なデータ分析方法を紹介します。
目次
データ分析は、客観的な根拠をもとに施策を考えるために必要
マーケティングにおいて、経験や勘などの主観に基づいた計画は運任せになることが多いため、その計画に莫大なコストをかけるのは大きなリスクが伴います。
そこで、社内や社外から得たデータの分析を行なうことが重要です。客観的な分析結果をもととした多角的な施策を打てるため、リスクを抑えることができます。
また、データ分析結果をもとに施策すれば、施策結果の改善分析を簡単に行なうことができます。
目的を持ってデータ分析を行なう
むやみにデータを集めて、分析を行なってもコストの無駄になってしまいます。まず、データ分析方法の種類とそれらの用途、得られる結果の違いを知ることが必要です。
次に、「市場把握のためにクロス集計分析を行ないたい」などの目的を明確に持って、データを収集し、適切なデータ分析を行なうことで、効果的な結果を得られます。
ビジネス目的別のデータ分析方法
ビジネス目的ごとに取り入れやすいデータ分析方法とその例を解説します。
市場を把握する際のデータ分析方法
- テキストマイニング
顧客へのアンケートで得た回答を単語ごとに分割し、出現頻度や単語同士の相関を解析する分析方法です。ユーザーに商品やサービスがどのように思われているか知ることができます。
＜テキストマイニングの例＞
「○○洗濯機 うるさい」などのような単語の組み合わせが頻出すれば、分析対象の商品がうるさいと多くのユーザーに思われていることがわかり、商品改良のアイデアを得ることができます。 - 単純集計分析
単純集計分析はアンケートにおいて1つ1つの質問ごとに、その質問に答えた人数とその質問に答えた人の回答率（％）を求める分析方法です。この分析方法によって、アンケートデータの概要を掴むことが可能です。
＜単純集計分析の例＞
Q. 商品パッケージがリニューアルしたことで
この商品を買いたくなりましたか？
あなたの気持ちに最も近いものを、1つだけお選びください。回答数 ％ 1 買いたくなった 134 64.1 2 どちらともいえない 30 14.4 3 買いたくなくなった 45 21.5 全体 209 100.0 以上のような分析結果が得られた時、商品パッケージをリニューアルしたことで購買意欲が増したことがわかります。
- クロス集計分析
単純集計分析から派生したものがクロス集計分析であり、性別や年齢などの属性も考慮してより詳しくデータの分析を行ないます。この分析方法は、大まかなトレンドを把握する際に有効です。
＜クロス集計分析の例＞Q. 商品パッケージがリニューアルしたことでこの商品を買いたくなりましたか？
あなたの気持ちに最も近いものを、1つだけお選びください。買いたくなった どちらともいえない 買いたくなくなった 回答数 ％ ％ ％ 全体 209 64.1 14.4 21.5 性別 男性 104 80.8 4.8 14.4 女性 105 47.6 23.8 28.6 以上の分析結果が得られた時、男性の方がパッケージリニューアルによって購買意欲が増したことがわかります。
企画を立案する際のデータ分析方法
- アソシエーション分析
アソシエーション分析は商品やサービス同士の関連性を見つけ出す際に有効な手段です。ネット通販やスーパーなどでよく用いられています。この分析を行なうことで、人が予想しにくい商品の組み合わせを発見でき、新たな販売企画の立案に繋がります。
＜アソシエーション分析の例＞
スーパーにおけるアソシエーション分析の有名な事例として、「おむつ」と「ビール」が同時購入される事例があります。意外な組み合わせですが、父親がおむつと共にビールを買うためこのような分析結果が得られるようです。アソシエーション分析について詳しく説明した記事もあるので、あわせてご覧ください。
- クラスター分析
共通の性質を持つデータごとにクラスター（グループ）に分け、クラスターごとの特徴を分析する方法です。各クラスターの特徴を理解し、商品のポジションを把握することで、各商品にあった戦略を考えることができます。
＜クラスター分析の例＞
商品A・商品B・商品Cの3つの商品があり、それぞれのポジションを把握するためにクラスター分析を行ないました。
以上の分析結果から、商品B・Cの宣伝を20代に人気なメディアで行なえば、より効果的であることがわかります。クラスター分析についてくわしく解説した記事もあるので、あわせてご覧ください。
- ABC分析
ABC分析は重点分析とも呼ばれ、商品や顧客を重要度に応じてランク付けする分析方法です。この分析によって、重点的に売り出す商品などを割り出し、各ランクに応じた販売戦略を取ることが可能です。
＜ABC分析の例＞
自社商品の売れ筋商品や問題商品を割り出すために、商品を売上順に並べることでABC分析を行ないました。上位の商品群をA、中位の商品群をB、下位の商品群をCといったようにランク分けしました。Aの商品群に対しては販売促進キャンペーンを打ち出し、さらにCの商品群はリニューアルする必要があることがわかりました。ABC分析についてくわしく解説した記事もあるので、あわせてご覧ください。
結果を予測する際のデータ分析方法
- ロジスティック回帰分析
質問に対する答えを「はい」「いいえ」の2択で答えてもらうことで、ある事象の発生確率を予測する分析方法です。この分析によって、Aの事象が起きた時に、Bの事象が起きる確率を予測できます。
＜ロジスティック回帰分析の例＞
DMの効果を知るためにロジスティック回帰分析を行なうことにしました。ある商品を購入したかしていないか、その時顧客はDMを閲覧していたかしていないかなどのデータを分析することで、DMを閲覧した時に商品を購入する確率を予測できます。 - 決定木分析
1つの結果に対して仮説を繰り返し立てることで、何通りもの予測を行なう分析方法です。仮設を繰り返し立て、枝分かれしたモデル図になるため、決定木分析といいます。様々な原因を探るため、結果に強く影響する根拠を発見することができます。この分析を行なうことで、例えば顧客のターゲット層などを予測できます。
＜決定木分析の例＞
全顧客のうち70%が、ECサイトで1万円以上購入していることが判明しています。しかし、1万円以上購入する顧客層が特定できていないため、決定木分析を行ないました。性別と年齢の観点で購入傾向が変化するか見てみると、40歳以上男性の割合が多いことがわかりました。
いかがでしたか？
今回の記事では、データ分析のメリットとマーケティングの目的ごとの適切なデータ分析方法を紹介しました。
この記事を参考に目的にあった適切なデータ分析を行ない、効果的なマーケティングを手掛けましょう。
改善の打ち手が見つかる営業の分析手法8選
無料でダウンロードするために
以下のフォーム項目にご入力くださいませ。
