DB ANALYTICS

収集スキームの構築

DB統合

総合型データベースと分析結果の結合

CRMを進めるには、顧客の属性情報（氏名、住所、年齢、家族構成等）や購買履歴（いつ、どこで、誰が、何を、いくらで等）を収集する必要があります。顧客情報収集の仕組みづくりとしては、データベースや会員Webサイトの構築等を行います。

収集した情報を顧客単位の購買行動として分析するため、購買データや商品マスタといった各種データと顧客データを紐づけ、1顧客1ID化することが重要となります。このように生成した統合型データベースを、デシル分析やRFM分析等の手法により解析し、顧客構造を把握します。

自社の特性を踏まえた“真の優良顧客”の定義づけ

優良顧客の分析

統合型データベースの分析と並行し、企業にとっての優良顧客を定義することが必要です。優良顧客を的確に見極めるためには、デシルやRFM軸といった評価だけでは不十分な場合もあります。購入する商品カテゴリの数や、戦略的な商品の購入度合など、自社の特性を踏まえた“真の優良顧客”の定義づけを行います。

優良顧客を明確化したうえで、優良顧客とそうではない顧客の属性や購買行動の違いを、顧客セグメント分析やクラスター分析、ディシジョンツリー分析等の各種統計手法を駆使して明らかにします。これらの差異に基づき、DMの効果向上や離反防止策の立案等のプロモーション戦略に反映します。

顧客満足を高めるためには、上記の各チャネルにおいて発生する情報をデータベースとして一元化し、シームレスな顧客対応を実現することが重要です。また、顧客対応はすべての顧客に対して一様なのではなく、特に優良顧客に対しては差別化されたサービス提供が求められることが一般的です。

したがって、営業担当、店舗(スタッフ)、コールセンター、Webサイト、ソーシャルメディア等、お客様とのあらゆる接点において顧客情報を一元管理し、優良顧客や一般顧客それぞれに対する最適なリレーションを構築することが、顧客満足の向上に繋がります。

最適なリソースアロケーションによる顧客獲得・維持・育成

顧客データを統計手法を用いて分析することで、DM反応度や解約予兆傾向といったライフサイクルモデルを構築します。ロジスティック回帰分析※8を用いてDMの反応予測モデルを作成することで、個人毎の予測反応率を算出し、DM運用の効率性を飛躍的に高めるといった取り組みができるようになります。また、解約予兆を事前に察知して、顧客アプローチに反映することが可能になります。いずれもリソース配分の効率化により既存顧客の離反を防止し、顧客の育成を図ることが狙いです。

また、既存顧客の維持・拡大にとどまらず、優良顧客の特徴を捉えて新規顧客獲得施策に反映することで、後の優良顧客になる見込みの高い消費者に対して効率的にアプローチすることが可能になります（次世代のCRM参照）。