ビッグデータ活用 多店舗展開する経営者の判断の極め手!
キャンペーン施策の効果測定は正しくできていますか?

apt-eye

企業の意思決定において、“データ分析”と“直感・経験”のどちらが正しいのか?難しい問題です。意思決定に重要なのは、データや直感だけではなく、実験によって結果を予測するという考え方があります。

自社のビッグデータを活用して、価格設定やマーケティング、マーチャンダイジング、オペレーション、設備投資がROI(投資対効果)を最大化するよう、利益への効果を”正確”に測定できる方法とはどういったものなのでしょうか。

 

目次

  1. キャンペーンを実施するときの判断材料はなんですか?
  2. キャンペーン実施前と実施後の効果を事前に分析するためには?
  3. Test & Learn®(実験と学習)でなにができるのか?
  4. 最後に

キャンペーンを実施するときの判断材料はなんですか?

値上げと値下げでは売上を伸ばす際どちらに効果があるのかという課題があるとします。過去におこなった値上げや値下げの施策とそのときの効果がどうだったかというデータを使った、回帰分析をおこなって一定の法則を見出し、判断をされている企業も多いと思います。ただし、売上の背景には、価格以外の要素が多く含まれている可能性があります。分析をおこなうデータを収集したときの天候の影響や経済状況など同じ条件であるとは限りません。実は季節商品がその年の天候によって売れたまたは、売れなかっただけかもしれません。

効果を測定する指標も重要となります。ある商品を値下げすると、客数は増えるかもしれないが客単価は下がるかもしれないですし、主力製品を値下げしても客数が伸びず、客単価も大きく下落していたら相当な痛手になります。

それでも売上を伸ばすためになにかしらの施策と行うのであれば、一部の店舗で小規模な実験を行い実際の効果を確かめれば、より正確な予測ができるかもしれません。例えば、2014年にすかいらーくが、ガストの主力製品であるチーズインハンバーグを100円値下げするキャンペーンを実施したのは、事前に実施したA/Bテストで成功を予測できたからだといわれています。値下げに先立つ3ヶ月前より、一部のガストで値下げ効果を検証するためのA/Bテストを実施し導入効果を見極めたそうです。

キャンペーン実施前と実施後の効果を事前に分析するには?

A/Bテストを実施するためには、キャンペーンを試す「実験店」と、効果を見比べるためキャンペーンを実施しない「比較店」を選択します。実験する店舗は、施策対象となる店舗群、または全国の中で平均的なところを選ぶ必要があります。また、効果を分析するための比較する店舗も欠かせません。テスト対象となる「実験店」と似た、施策を行わない「比較店」のデータを比較するためです。

例えば、キャンペーンのA/Bテストをした際、「実験店」の売上が落ちたとします。施策は効果なしと判断しがちですが、施策なしの「比較店」の売上も落ちていたとしたら、その落ち込みの幅を比較すれば施策の効果が判定できます。

店舗の選別、設定が正しくおこなえればより正確な分析が可能となり、施策の再現性が高まります。ただし店舗の選別は難しく、単純な地域別の比較ではいけません。例えば片方に学校が近くにあるというだけでも、学校のイベントなどがあることで客数が変動する可能性があり、年間を通した売上パターンが変わります。

では、施策の再現性を高めるために「実験店」と「比較店」をいかに抽出し、テスト結果を確認したらよいのでしょうか。そこで、米アプライド・プレディクティブ・テクノロジーズ(APT)が提供している「Test&Learn®」が注目を集めています。上記の作業をシステムで自動化できるソリューションです。

Test & Learn®(実験と学習)でなにができるのか?

「Test&Learn®」はPOS(販売時点情報管理)や店舗の立地条件といったデータから、売り上げのパターンや顧客の性年齢層、客数、商圏の特長などが似た店舗群を選び出す機能を備えています。人が選ぶ場合と比べて、少ない店舗数で効果測定の精度を高められて、1つ1つのビジネスアイディアにA/Bテスト(実験)が行えます。また、店舗の抽出をシステムで自動化することにより従来のままのリソースで多くの施策が分析できます。

◎Test & Learn®を使用したA/Bテスト(実験)のながれ

■施策、アイディア

経営者やマーケティング部が事業を改善するための施策・アイディアをもっている。

■A/Bテスト(実験)

比較をする店舗をシステムが自動で抽出し、少ない店舗で施策を実施して比較をする。

  1. 150店舗以上のPOSデータをシステムに投入
  2. 売り上げのパターンや客数、商圏の特長などが似た属性の実験店と比較店を抽出
  3. 実験店で実際にキャンペーンを実施
  4. キャンペーン実施後のPOSデータを投入

■施策の最適化

その施策を展開したときに何が起こるかを可視化し下記を明らかに。

  1. そのアイディアは効果があるか?
  2. 有効性が最大になるよう調整できるか?
  3. 効果を最大化するために立地、マーケット特性、顧客をターゲット化できるか?

◎「Test & Learn®」(実験と学習)でなにがわかるのか

ビジネスにおいてA/Bテスト(実験)を活用することにより、意思決定の精度を高め、さらなる改善を見つけ出すことができるようになります。

test&lean4

 

 

test&Learn分析サイクル

 

◎「Test & Learn®」を使用した効果測定とは

1.施策以外の要因による“成長基調”のノイズを排除することができる

test&amp施策以外の要因による“成長基調”のノイズを排除することができる

 

2.施策以外の要因による“衰退基調”のノイズを排除することができる

test&amp施策以外の要因による“衰退基調”のノイズを排除することができる

 

3.施策の影響を施策以外の要因がもたらすノイズの中から見極めることができる

test&amp施策の影響を施策以外の要因がもたらすノイズの中から見極めることができる

 

◎どんな業種が利用しているのか

食品メーカー、製薬メーカーといった製造業、卸などでも採用が進んでいますが、業種としては、スーパー、コンビニ、アパレル、レストランなどのチェーン、B2C企業が多いようです。欧米企業でいえばウォルマート、スターバックス、トイザらス、ヒルトン、コカ・コーラ、マクドナルド、P&G、シェル石油などの小売業界の上位25社の半分以上が「Test & Learn®」を活用しているそうです。

日本企業では上記にあげた、すかいらーくの他にもアサヒビールがあります。アサビビールとCTCは、アサヒビールの顧客となる全国に店舗展開する外食企業の経営支援ツールとして活用していくことを想定しています。現在は一部の企業にてテストをおこなっています。直感を含めた仮説の実験とデータを活用することで、テストの段階ではありますが「Test & Learn®」を利用したA/Bテスト(実験)により、キャンペーンや価格の設定をし売上に結びつく成果を出しています。

最後に

皆さまが新規の施策やアイディアを行う際の判断はなにをもって意思決定をされていますか?経営者の直感でしょうか?今まで実施した施策のデータを活用した分析結果からの仮設でしょうか?意思決定前の実験やトライアルでしょうか?実験とデータを活用し、効果のあるキャンペーンにしたうえで意思決定をするのはいかがでしょうか?

 

※日経デジタルマーケティング(会員制)にてアサヒビールの取り組みが紹介されております(日経ビジネスマーケティングへリンクしております)

著:ビジネス on IT運営事務局、データ活用班

 

メールマガジンを購読する

Pocket

コメント