NTT-AT sotomiru

販売施策への適用

適応用途
商品(サービス)の売上要因を定量/客観的に判別/分類し、新規顧客獲得/顧客維持/離反防止などの販売促進/効率化施策の手法として適用可能。
課題
  • ●顧客、購買、エリアなどの情報種別が多岐で、データ量も膨大であるため、分類体系の整備が追いつかない。
  • ●分析軸選択の観点が営業企画や販売担当者の業務ノウハウに依るところが大きい。
  • ●基幹系業務システムにより管理項目が異なり、統合化あるいは類型化が困難である。
分析利点
  • ●売上要因を知識として捉え、数式やルールとして形式化できる。
  • →知識の定量的な獲得とその共有化が可能となる。
  • ●多種・膨大なデータを一度にハンドリングすることができる。
  • ●主観に依らず、用意されたデータの質に依存した分析結果が出力される。
  • ●データの切り口(分析軸)は自動的に機械が決定する。
分析用件
顧客毎のプロファイル情報、販売履歴情報、エリア情報などを属性(要因となる説明変数)とし、商品やサービスの購買有無やキャンペーン反応率を基準項目(目的変数)として、下表のような構成にてデータを準備し分析を実施する。基準項目は、購買有無のような名義値(カテゴリ値)の他に、反応率のような連続値を扱うこともできる。
No.属性(説明変数)基準項目
(目的変数)
性別年齢電力消費量住宅種別居住地駅からの距離ペット数-購買有無
1191235マンション市内1.32-
225896一戸建て県外1.80-
337768集合住宅市内0.64-
















-
-
-


N461059マンション市外3.00-
分析データ
分析結果
分析結果

データを分析した結果、ある商品の購買有無にかかわる要因(属性)が枝分かれしたチャート図(樹形図)として得られる。

特に上位に現れる条件(属性)ほど分析したい項目に大きな影響を与えており、この例では、「住宅種別」が購買有無に最も大きな影響を与えているといえる。

また、右図の中の赤枠で囲まれた条件をたどると、4倍以上購買確率が高まることなどもわかる。

このように、大量データの分析結果より有益な情報を導き出していくことが出来る。

施策適用
分析結果により購買率の高い条件を持つ顧客に対して優先的に販促をすることで、効率的な戦略プロセスを実施できる。


個人情報の取扱いについて セキュリティーポリシー プライバシーポリシー
Copyright c 2003-2007 NTTアドバンステクノロジ株式会社 (NTT Advanced Technology Corporation)
本ホームページの情報及び著作権はNTTアドバンステクノロジに帰属します。