セッション内容

【2019年度実績】

セッション1顧客満足のカイゼン点を分析する：顧客満足度調査データの活用

顧客満足への着目は、マーケティングで欠かせないテーマの一つである。顧客満足をテーマに、アンケート調査によるデータ収集のポイントや分析の仕方、散布図を活用した戦術カイゼン点の特定方法などを学ぶ。その際、ニーズ対応型のマーケティングとニーズ創造型マーケティングの違いと、それを考えるためのヒントをデータから得る方法についても学習する。

セッション2売上カイゼンに貢献するキードライバーを分析する：売上データの活用とニーズの構造データの取得

マーケティングでは売上や来店客数、考慮率、コンバージョンレイトなどさまざまなゴールが設定され、どの要素がどれくらい影響するのかを特定する必要がある。本セッションでは回帰分析を活用し、多数の要因の中からキードライバーを探す方法、回帰分析の予測精度を上げる方法を学ぶ。

また、ニーズの検討方法としてヒアリング手法を学び、定性情報の活用方法も学習する。

セッション3顧客データから買うか買わないかを予測する：二択の選択データの活用

商品Aを買うか商品Bを買うかといった二択の結果を予測する場合、商品の特徴だけではなく買う側がどういう人なのかも大きく影響するため、どんな人がなぜA（もしくはB）を買うのかを明らかにすることが望まれる。本セッションでは、判別分析とロジスティック回帰を用いて、商品選択の分析方法を学ぶ。

セッション4複雑なルールで決まる選択行動を分析する

二択の反応（DMの反応率、来店率など）を予測する分析にはモデル分析を活用する方法がある。ただし、そのルールが条件によって異なる（例えば男性顧客は割引率に反応し、女性顧客はDMのデザインに反応する等）場合には、異なる分析が有効となる。分類木、決定木といわれる機械学習系の分類手法を用いた分析から、複雑なルールにアプローチする方法を学ぶ。

セッション5顧客データから顧客をセグメント（グループ）化する

顧客をセグメンテーションし、どのセグメントをターゲットとして戦略・戦術を組むかを決定する際重要なのは、どんな基準で顧客をセグメント化し、どうターゲティングするかである。本セッションでは、異なる基準でセグメンテーションをするメリット・デメリットについても検討しつつ、どんなセグメンテーションが有効かを考える。そして、クラスター分析から得られたセグメントからいかにターゲットを絞るかについても学習する。

セッション6一緒に買われるアイテムから推奨商品を分析する

ネットショップをはじめ、データを活用したマーケティングにレコメンド・システム（推奨システム）がある。これは、購買履歴データから、どんな商品を買っている人がほかにどんな商品を買うかを分析する方法を活用している。その基本となる相関分析、因子分析、マーケットバスケット分析など、レコメンド・システムに使える方法を学び、得られるルール（共起関係）をいかに読み解くかについても議論する。