顧客データとは？収集方法や活用方法を紹介

データドリブンマーケティングを実現するにあたり、顧客データは必要不可欠な存在です。ただ、蓄積された顧客データを具体的にどのように活用すればよいのか悩んでしまうケースも少なくありません。本記事では、顧客データの定義や種類、活用方法などを解説します。本記事を参考にして、今後のマーケティングに役立ててみてください。

顧客データとは

顧客データとは、自社と接点をもつ顧客のすべての情報を指します。自社の商品を過去に購入してくれた方や、継続的なサービス利用者の氏名や住所、誕生日、年齢などの個人情報に加えて、問い合わせ履歴や内容、注文した品、直近の購入日、利用した金額などがあります。

このような顧客データを適切に管理、分析していくことで行動の傾向や予測を立てられ、効果的なマーケティングの実践が可能です。なお、顧客データは「定量データ」と「定性データ」の2つがあることを押さえておいてください。

顧客データの種類

ここでは定量データと定性データの、それぞれの意味することや特徴について説明します。

定量データとは

定量データとは、「数値化できる情報」を指します。顧客の年齢や性別、過去の注文履歴、家族構成などは数値で表せるため、定量データに分類できます。また、顧客ごとの売上や問い合わせ回数、Webサイトへのアクセス履歴なども定量データといえるでしょう。

数値化できるがゆえに、客観的な分析と予測を行えることが特徴です。たとえば、20代女性からアクセスが多い商品、購入する価格帯などが分析できれば、よりターゲットを絞ったセールやキャンペーンを打ち出すための判断材料となります。

定性データとは

定性データとは、数値化が困難な情報を指します。たとえば、顧客から寄せられるクレームや意見などが該当します。また、商品購入の決め手になったのは何か、なぜ自社で購入したのかといった情報も定性データといえるでしょう。

数値化が難しく、客観的な比較や分析を行うための判断材料とはなりにくいものです。一方、顧客の意見や感想などをダイレクトに受け取れるため、数値では見えてこない顧客の真なる思いを把握できる可能性があります。

顧客データの活用による効果

顧客データを活用すれば、自社がアプローチすべきターゲットを明確にできます。ベストなタイミングで顧客にアプローチできるため、商品・サービスの購入に至る確率が高まり、利益向上にもつながります。さらに、組織内に点在している情報を部署間で共有できる環境を整えれば、必要なときスムーズにデータへアクセスでき、業務効率化も実現します。

顧客データの収集方法

活用するためには、まずもって顧客のさまざまな情報を収集し、データベース化する仕組みを構築することが重要です。ここでは、定量データと定性データのそれぞれを収集する方法を紹介します。

定量データの収集方法

顧客の個人情報は、会員登録やアンケートなどで取得できます。たとえば、自社サイトに会員登録専用のフォームを設置し、顧客に入力してもらって収集する方法が考えられます。

直近の購入日や売上、過去の購入回数といったデータは、販売管理システムで取得が可能です。Webサイトへのアクセス数、ページごとの閲覧回数などの行動履歴は、GoogleAnalyticsやAdobeAnalyticsといったアクセス解析ツールを利用すると収集できるようになります。

これらの情報は訪問や電話でも取得が可能ですが、収集できる数を考えると効率的とはいえません。やはり、Webサイトへのフォーム設置やツール、ソフトの利用などオンライン上で情報を収集するのが効率的です。

定性データの収集方法

定性データの収集には、アンケートがよく用いられます。商品に関する意見や感想などを記入してもらい、収集する手法です。また、口コミページを設置して感想を投稿してもらったり、メールで感想等を募集したりする方法もあります。最近では、顧客が投稿したSNSの内容を取得するといった方法があります。

SNSであれば、自社ターゲット層の利用率が高いSNSを中心にリサーチすると、効率よくデータ収集を行えるでしょう。SNSや口コミは、顧客が忖度せず思いのままに感想や意見を投稿しているため、顧客が真に求めているものや内に秘めている不満などを把握できます。

顧客データの分析方法

近年、顧客データ管理に顧客データプラットフォームを用いる企業が増えました。データ分析やマーケティングに活用できるシステムですが、使いこなすには基本的な分析手法を理解しておく必要があります。ここでは、主な分析方法をピックアップします。

RFM分析

RFM分析は、直近の購入日や頻度、金額などから顧客をグループ分けし、優良顧客を抽出する分析手法です。購入頻度や使った金額が高い顧客とそうでない顧客の数値を基準に分けることで、アプローチすべき顧客層を抽出できます。

抽出する条件によって、離反顧客を見つけることもできます。すべての顧客へ平等にアプローチするのは非効率であり、RFM分析を使えば、数値に基づくデータから優良顧客だけを対象にした効果的かつ高効率なアプローチを行えます。

バスケット分析

バスケット分析は、同時に購入されやすい商品を見極め、顧客単価を高めるのに役立ちます。4つの指標から商品の関係性を探るアソシエーション分析や、データマイニングツールを用いた分析で一緒に購入されやすい商品を見極めます。

たとえば、商品AとBがよく一緒に購入されているのなら、セットで売り出す、Aの近くにBを配置するなどすれば、顧客単価向上が期待できます。ECサイトであれば、Aをカートに追加した顧客に対し、「他の方はBも一緒に購入しています」とおすすめするように設定するといった活用方法が考えられます。

ただ、同時に購入されやすい相性のよい商品であっても、実際の売り場へ反映するときは注意が必要です。たとえば、コーヒー豆と柔軟剤が一緒によく購入されているからといって、これらをセット販売したり、同じ棚に陳列したりするのは違和感があります。どのような手法で購買意欲につなげるかも熟考する必要があります。

デシル分析

デシル分析とは、顧客の貢献度でグループに分けて分析する手法です。デシルはラテン語で「10等分」を意味し、顧客の購入・利用金額の高い順から10つにグループ分けを行います。

デシル分析のメリットは、貢献度の高い優良な顧客を抽出できることです。たとえば、月に10万円使っているグループと、5万円使うグループ、3万円のグループに分けることで、どの層へアプローチすべきかが見えやすくなります。

たくさんお金を使ってくれている顧客は、今後も継続的に自社へ利益をもたらしてくれる可能性があります。ビジネスでは、顧客に対して平等に労力を割くのではなく、少ない労力で最大限の効果を得ることこそが重要であり、デシル分析を活用すれば各種アプローチの効果を最大化することが期待できます。

CTB分析

CTB分析は、顧客の趣味嗜好の把握に役立つ分析手法です。英語のCategory（カテゴリー）とTaste（テイスト）、Brand（ブランド）を掛け合わせた言葉で、Categoryで「顧客の大まかな好み」を、Tasteでは「色や形、デザインから好み」を、そしてBrandでは「メーカー、ファッションブランド、キャラクターから好み」を把握することができます。

これらは言わば定性データです。どのデザインやブランドに興味や魅力を感じているのかといったそれぞれの顧客が持つ定性データを収集していくことによって、同じカテゴリに属する顧客に向けてアプローチできるようになります。

セグメンテーション分析

セグメンテーション分析は、顧客の属性や行動履歴を分析し、共通点を抽出するのに用いられます。たとえば、顧客を居住地や年齢といった共通項目によって分け、それぞれに適したかたちで接点を作ったり、購入意欲を引き出すようなアプローチを仕掛けたりすることができます。

セグメンテーション分析では、優先順位と規模の有効性、到達可能性、測定可能性の4つを軸にセグメントを絞るのが特徴です。「重要度の高いセグメントはどれか」「その市場の規模は自社の利益につながるのか」「どのように顧客へ認知させるのか」、そして「顧客のリアクションを測定できるか」を考慮しつつセグメンテーションを行います。

まとめ

顧客データは顧客のあらゆる情報のことを指し、さらに数値化できるものを定量データ、数値では表せず顧客の真のニーズや評価を引き出せるものを定性データと言います。データの収集や分析にはいくつかの方法があり、自社がどのような目的で顧客データを活用したいかによって選択することが賢明です。

顧客データの収集や分析にはツールの利用がおすすめです。Microsoft Dynamics 365なら、CRM（顧客関係管理）やSFA（営業支援ツール）などの機能を実装しており、データの収集や分析、ターゲットの絞り込みなども行えます。顧客データの活用を検討される方は、ツールも上手に取り入れてみてください。