顧客が今求めていることを 捉えアクションを

Presentation on theme: "顧客が今求めていることを 捉えアクションを"— Presentation transcript:

1 顧客が今求めていることを 捉えアクションを
【A3-3】 ～予測で接点を最適化し学習するサイクルで 　顧客生涯価値を最大化させる～ 日本アイ・ビー・エム株式会社 アナリティクス事業部 SPSS ITスペシャリスト 西牧　洋一郎

2 顧客分析を失敗させない重要キーワード アナリティクスカンファレンス2015を3分間で振り返る
か 価値観 顧客行動の基準を推し量り理解する き 距離感 顧客との適切な関係性を維持する く 空間 顧客の動的なイベントと生活を考慮する け 現実感 顧客の受け入れるリアリティーを定義する こ こなれ感！ 顧客分析を全力で顧客にぶつけない テクノロジーではなく顧客と向きあうことが重要

3 事業を顧客軸で考える 顧客でアクションを変える必要性 解約（休眠）やランクUPを推測する 顧客行動を監視して予兆に反応する
本日の内容 事業を顧客軸で考える 顧客でアクションを変える必要性 解約（休眠）やランクUPを推測する 顧客行動を監視して予兆に反応する 顧客が意識していない価値を伝える 　（レコメンデーション） 自動化するべきこと、そうでないこと 5/25 15: :00 世の中に溢れるデータは、顧客一人ひとりについて、さまざまな、そして刻々と変わる情報をもたらします。フォーカスすべき顧客は誰か、その顧客が求めるものはなにか、顧客に何を、どのように、どのタイミングで提供すべきか。 アナリティクスをビジネスプロセスに活用するための重要な要素、さらに顧客生涯価値(CLTV)の最大化を実現するための重要な要素を、ご紹介します。

4 全ての原資を値引きに充てる 全ての商品が昨年対比で収益UPする 顧客が自分への理解を願っている 事業を顧客軸で考えることが望まれる背景
5/25 15: :00 世の中に溢れるデータは、顧客一人ひとりについて、さまざまな、そして刻々と変わる情報をもたらします。フォーカスすべき顧客は誰か、その顧客が求めるものはなにか、顧客に何を、どのように、どのタイミングで提供すべきか。 アナリティクスをビジネスプロセスに活用するための重要な要素、さらに顧客生涯価値(CLTV)の最大化を実現するための重要な要素を、ご紹介します。

5 優良顧客だけに集中する販促の是非について
これまでの取り組み これを続けるリスク R = Recency F = Frequency D rank C rank B rank A rank 収益 全体 Ａ 現状 3ヶ月 後 6ヶ月 Ｂ R、Fなどの 実績上位 DM送付先 を決定 Ｃ Ｄ 〇　優良客なので反応率が高い ×　非稼動顧客を放置 一般客や非稼動客の収益が縮小するために 優良客が多少のびても全体収益は縮小する

6 顧客の期待を超えるプッシュ型アクション 最適化 ①施策 自動化 Customer Intimacy 貴社 顧客 ②反応 学習

7 Customer Intimacy 貴社 顧客 リアルタイム イベントベース 行動ベース 文脈 顧客の期待を超えるプル型アクション ②施策
　　　イベントベース 　　行動ベース 文脈 ①行動

8 商品軸や販促軸ではなく顧客軸で考える 成長 Grow 顧客毎の利益 時間 獲得 Attract 維持 Retain

9 顧客によってアクションを分ける必要はあるのか
Right Person Right Time Right Chanel Right Offer

10 顧客によってアクションを分ける必要はあるのか
Right Person Right Time Right Chanel Right Offer そのお客様は月曜日から金曜日の8時10分～20分ころに、 販促eメールを開封している。 ここだけ理解できても「惜しい！」

11 Right Person, Right Time, Right Channel, Right Offer
Who だれに When/How いつ/どうやって What なにを × × 価値高 解約 しそう 価値低い ランクUP しそう 顧客の変化を捉えて適切に対応する枠組み 顧客を理解したレコメンド

12 例えば定着を促すための施策は N日 N日 N日 ＋ － ± 日付間隔 アイテム カテゴリ増減 1/23 初回購入（t） 3/05 t+1
4/24 t+2 5/12 最終購入 現在 900円 1,190円 2,800円 900円 日付間隔 N日 N日 N日 アイテム 初回購入から 定着しやすい 傾向を顧客タイプ別に 抽出してレコメンド カテゴリ増減 ＋ －

13 顧客の予兆を見逃さず反応する モデリング スコアリング 定時実行 前期 今期 来期 優良 中位 前期の顧客行動から今期の
ランクアップ スコアの高い顧客に 潜在購買商品を訴求 優良 ランクアップ ランク維持 中位 ランクダウン スコアの高い顧客に 潜在購買商品を訴求 ランクダウン 離脱 前期の顧客行動から今期の ランク移動を予測するモデルを作成 今期の行動で来期ランクを予測 潜在購買商品とデバイス等を選択 定時バッチで 販促を実施 モデリング スコアリング 定時実行

14

15

16

17 顧客が気づかない価値を気づかせるレコメンデーション
顧客属性 顧客DNA 商品DNA 反応 有無 性別 地域 RFM 入会時期 新規性 ペット(犬) アトピー 花粉症 減塩 オーガニック プレミアム 肩こり ペット(犬) アトピー 花粉症 減塩 オーガニック プレミアム 肩こり ・・・ ・・・ ・・・ 新商品の商品DNAを 各顧客DNAとマッチングさせ モデル化し 購入確率をスコアリングします 男 性 神奈川 * * A ● ● ● ● ● ● あり ・・・ ・・・ ・・・ 男 性 大 阪 * * D ● ● ● ● ● ● なし ・・・ ・・・ ・・・ 女　性 東 京 * * D ● ● ● ● ● ● ● ● ● ● あり ・・・ ・・・ ・・・

18 PDCAのサイクルが前提で成立する DB2 PCI SPSS CADS/ADM Cognos Message Site Interact
Datastore データ蓄積 SPSS Analytics データ加工 予測 CADS/ADM Platform リアルタイム モデル展開 Cognos Visualization 顧客反応 評価 Message Site IoT モバイル端末での レコメンデーション Interact Campaign management ビジネス ルール オプトアウト Web レコメンド 速報 施策評価

19 自動化するべき領域（モデルの評価と劣化時対応）

20 自動化するべき領域（ROI最適化） 利益最大化 損益分岐 会員 100% 購入確度 赤字 一通あたりの販促コストと反応時に
見込まれる粗利を入力することで 事前にROIを算出 利益最大化 損益分岐 会員 100% 商品の価格弾力カーブもあらかじめ求められる 購入確度 赤字

21 自動化してはならない、誘導へのストーリー
リアルタイムスコアリング

22 顧客をＬＴＶ上にプロットして判断する Customer Intimacy

23 顧客をＬＴＶ上にプロットして判断する 親　友 新友 親友 真友 心友 信友

24 顧客をＬＴＶ上にプロットして判断する 成長 Grow 顧客毎の利益 時間 獲得 Attract 維持 Retain

25 顧客をＬＴＶ上にプロットして判断する 顧客 個客 固客 古客 故客

26 Right Person, Right Time, Right Channel, Right Offer
Who だれに When/How いつ/どうやって What なにを × × 価値高 解約 しそう 価値低い ランクUP しそう 顧客の変化を捉えて適切に対応する枠組み 顧客を理解したレコメンド

27 ご清聴ありがとうございました。

28

29 ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独自の見解を反映したものです。それらは情報提供の目的のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助言を意図したものではなく、またそのような結果を生むものでもありません。本講演資料に含まれている情報については、完全性と正確性を期するよう努力しましたが、「現状のまま」提供され、明示または暗示にかかわらずいかなる保証も伴わないものとします。本講演資料またはその他の資料の使用によって、あるいはその他の関連によって、いかなる損害が生じた場合も、IBMは責任を負わないものとします。 本講演資料に含まれている内容は、IBMまたはそのサプライヤーやライセンス交付者からいかなる保証または表明を引きだすことを意図したものでも、IBMソフトウェアの使用を規定する適用ライセンス契約の条項を変更することを意図したものでもなく、またそのような結果を生むものでもありません。 本講演資料でIBM製品、プログラム、またはサービスに言及していても、IBMが営業活動を行っているすべての国でそれらが使用可能であることを暗示するものではありません。本講演資料で言及している製品リリース日付や製品機能は、市場機会またはその他の要因に基づいてIBM独自の決定権をもっていつでも変更できるものとし、いかなる方法においても将来の製品または機能が使用可能になると確約することを意図したものではありません。本講演資料に含まれている内容は、参加者が開始する活動によって特定の販売、売上高の向上、またはその他の結果が生じると述べる、または暗示することを意図したものでも、またそのような結果を生むものでもありません。 パフォーマンスは、管理された環境において標準的なIBMベンチマークを使用した測定と予測に基づいています。ユーザーが経験する実際のスループットやパフォーマンスは、ユーザーのジョブ・ストリームにおけるマルチプログラミングの量、入出力構成、ストレージ構成、および処理されるワークロードなどの考慮事項を含む、数多くの要因に応じて変化します。したがって、個々のユーザーがここで述べられているものと同様の結果を得られると確約するものではありません。 記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使用したか、またそれらのお客様が達成した結果の実例として示されたものです。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。 IBM、IBM ロゴ、ibm.com、Cognos、DB2、SPSS、Watsonは、 世界の多くの国で登録されたInternational Business Machines Corporationの商標です。他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。現時点での IBM の商標リストについては、