デジタルマーケティングにおいてのデータ分析

デジタルマーケティングにおいては、WEBサイトの閲覧者やWEBサイトを経由した購入者、問い合わせの件数などリアルタイムにさまざまなデータが反映されます。これらのデータを随時確認をしながら分析を重ねてマーケティング手法や商品、サービスなどを改善していくことが重要です。データ分析にはさまざまな種類があり、それぞれの企業において適切な手法を選択することが求められます。

デジタルマーケティングにおいては、WEBページの閲覧数や閲覧したWEBページ、買い物かごにいれてから購入したユーザーの数などさまざまなデータをリアルタイムに確認できます。そのため、ユーザーの行動からユーザーのニーズをつかみやすく常に改善をできるといったメリットがあります。

スマートフォンやインターネットの普及により、WEBサイトやECサイトからの購入者は今後も増えることが見込まれデジタルマーケティングにおけるデータ分析の重要度は高まる傾向にあります。

データ分析の重要性

現代ではリアルタイムにユーザーのWEBサイトの閲覧やWEBサイトからの購入などの行動履歴をはじめとしたデータ分析することが重要です。インターネットやスマートフォンの普及が高まっていることから、ユーザーのニーズをつかみニーズにあった商品やサービスを提供することが求められるためです。

デジタル化することによって、リアルタイムでさまざまなデータを得ることができることから、データの分析がマーケティングや業績に大きな影響をもたらします。

デジタルマーケティングに活用できるデータは次の3種類が挙げられます。

1. 属性データ
2. 行動データ
3. 購入データ

属性データ

属性データとはユーザーの性別や住んでいる場所、年齢などの基本的なデータのことをいいます。どのような年齢層をターゲットにするべきか、どの地域に住んでいる人が多く購入しているかなどの分析をおこなっています。複数の属性データを使ってクロス集計分析をおこなうことも可能です。

行動データ

デジタルマーケティングにおける行動データとは、ユーザーがWEBサイトを閲覧した回数やWEBサイトを閲覧した後に購入した数など、商品やサービスを検索したり購入したりといった行動データを分析することが重要です。デジタルマーケティングではそれぞれのデータをリアルタイムで把握することができるので、継続的に効果測定をおこない改善を続けることが重要です。

購入データ

購入データとはユーザーが商品を購入したときのアクセスしたWEBページや購入した日の天候、開催されているイベントなどさまざまな情報と掛け合わせることによって幅広く活用することができます。例えばキャンペーン時期にキャンペーンを活用して購入をしたユーザーの数を確認することも可能です。

ある商品を購入したユーザーが他に同時にどのような商品を購入してるかを確認するなど、アップセルにも活用可能です。

デジタルマーケティングで活用できるデータ分析には次のようにさまざまな手法が挙げられます。

1. クロス集計分析
2. ロジスティック回帰分析
3. 因子分析
4. アソシエーション分析
5. バスケット分析

クロス集計分析

ユーザーの性別や住んでる場所といった複数の属性をクロスさせることによって、集計をする手法をクロス集計分析といいます。このため全体的な顧客満足度以外にも、それぞれの項目において属性別の顧客満足度を把握できます。項目別の顧客満足度は全体のものと異なるケースがあり、新たな発見が見つかる場合もあります。

ロジスティック回帰分析

さまざまな分析方法のなかでももっともシンプルな結論を得られるのがロジスティック回帰分析です。分析をした結果は常にイエスかノーの二択であり、最終的な判断が必要な場合に用いられます。

因子分析

大量データの中から共通の因子を探し出すことによって、ユーザーのニーズをより掴むためにおこなう分析方法です。サービスの向上や信頼性につながる因子を見つけ出すことによって、共通してブランディングにつながっているものを見つけることによってブランディングができあがることもあります。

アソシエーション分析

アソシエーション分析とは商品やサービスにおいての関連性を分析する手法のことをいいます。例えばベビー用品を購入する人は同時にお酒を購入する人が多い、一定のページを見た人は購入につながる可能性が高いなど一見関連がなさそうな商品やサービスに関しても関連性が高い場合があります。しかし、もともと関連性がないものを闇雲に分析しても時間の無駄になってしまうため、前もっておこなう仮説構築力が重要になります。

バスケット分析

アソシエーション分析と分析方法や目的は同じです。しかし、アソシエーション分析が購入商品のみが対象であることに対して、バスケット分析は購入する前に買い物かごに登録した時点の分析をおこなっていきます。ユーザーがどのようなものを買い物かごに入れていて、どのような商品やサービスなどと関連があるのかを詳しく分析していきます。

デジタルマーケティングでのデータ分析は一般的に次の流れとなります。

1. 現状を把握するための分析
2. 課題抽出
3. 効果測定

現状を把握するための分析

データ分析を進めるためには企業の現状を把握する必要があります。一般的にチャネル別や商品別など分析方法を分けて、売り上げ分析分解やリピート率、RFM分析（Recency、、Frequency、Monetary、つまり、最近の購入日、来店頻度、購入金額による分析する手法）などをおこなっていきます。現場より詳しく分析することによって上昇トレンドなのか、下降トレンドなのかといった認識を揃えることができ戦略を立てやすくなります。

課題抽出

現状把握の結果をもとに仮説を立てたうえで検証していきます。例えば複数回購入をしてくれたら定期的にその後も購入してくれるといった仮説を立て、立証することができれば施策を立てやすくなります。この場合だと、複数回購入してもらった時点で複数回購入したら人だけのクーポンを提供するなどさまざまな施策が考えられます。

効果測定

分析結果によって立てた施策はは正しいのかどうか定期的に効果測定をおこなうことが重要です。施策を立てる時点で検証のことまでスケジュールを立てているとスムーズに進めることができます。施策が成功であれば継続して、失敗であればその都度修正することが重要です。デジタルマーケティングは明確なデータをリアルタイムに確保できるため、施策の見直しを短いスパンでおこなうことが重要です。

デジタルマーケティングでは、WEBサイトのアクセス数や購入につながった数などリアルタイムでデータを確認できます。そのため、データをもとに改善できるのがデジタルマーケティングの大きな特徴です。データの分析結果はデジタルマーケティング導入の目的を達成させるための判断材料の1つであり、データ分析をしたあと分析結果を活用することが重要です。

データ分析を活用することによって次のアクションにつなげることができ、この工程を何度も続けることによってユーザーのニーズを掴み、ユーザーからの信頼感も高まります。大きな外部環境の変化があった場合でも、データ分析を継続的に重ねることによって改善をしやすく長期間にわたり売上向上につながります。

• デジタルマーケティングコンサルティング
• 新規顧客獲得のマーケティング構築コンサルティング