顧客に関する属性情報や購買履歴情報などが存在するCRMは宝の山といえます。顧客管理やコールセンター管理などにCRMを導入している企業においては、これらのデータを活用しない手はありません。CRMのデータを用いたCRM分析により、マーケティング活動や新商品・サービスの開発など、さまざまな領域において洞察を得られます。
この記事では、CRM分析の概要や必要性、主な手法、実際の活用イメージについて解説します。
「ここから始める 営業管理用Excelテンプレート」をダウンロードする
この記事のもくじ
CRM分析とは
CRMとは「Customer Relationship Management」の略称であり、「顧客関係管理」と訳されます。一般的には、顧客との関係性を管理するためのシステムを指します。
CRM分析とは、このCRM上で保有しているデータを分析し、活用していく取り組みです。成功パターンの発掘やターゲットの精査など、蓄積されたデータからさまざまな洞察を得ることを目的にCRM分析が行われます。
CRM分析に用いられる手法は多数ありますが、一般的にはデシル分析やセグメンテーション分析、LTV分析などCRMデータに用いやすい分析手法が有効と考えられます。
CRM分析の必要性と効果
顧客とのリレーション強化を目的として、BtoCビジネス、BtoBビジネスに限らずCRMを導入する企業が増えています。
CRMのデータを分析する必要性と効果について解説します。
顧客ロイヤリティ向上のため
昨今では、ビジネスにおいて顧客ロイヤリティの向上が重要視されるようになりました。CRM上のデータ分析で、顧客ロイヤリティ向上につながる施策を打ちやすくなります。
CRM上には顧客の属性情報やこれまでの応対履歴など、あらゆる情報が存在します。各顧客が自社にどのようなロイヤリティを抱いているのかをCRM分析により把握できます。
顧客ターゲティングのため
顧客ターゲティングの観点でもCRM分析は有効です。自社の商品やサービスがどのような属性に支持されているのか、もしくは支持されていないのかを定量的に把握できます。
マーケティング活動においては、セグメント分けなどで顧客のターゲティングを行い、施策の効果を高めていきます。設定していた想定ターゲット層が正しかったのか、ほかに潜在的なターゲット層がいるのではないかなど、CRM分析を通してターゲティングの精度向上が可能です。
このように、CRM分析によりマーケティングの活動を改善していく施策も検討できます。
新商品・サービスの企画のため
新商品・サービスの企画においても、CRM分析の結果を活用できます。既存の商品・サービスを対象に、顧客の特徴分析を行うことで「どのような商品が」「どのような顧客層に」ヒットしているかを分析できます。
たとえば、商品Ａと同ラインの商品Ａ‘を開発する場合、商品Ａの顧客層を分析すれば、よりターゲットのニーズに合う商品を企画できます。このように、CRM分析は既存商品の分析結果に基づく新商品の企画にも有効です。
CRM分析の代表的な手法：優良顧客の特定
CRM上のデータを活用した分析にはさまざまな手法があります。まずは代表的な手法を参考にして、自社のCRM分析を進めるとよいでしょう。
デシル分析
デシル分析は、購入金額順に顧客を10等分してグルーピングする手法です。「デシ」という10分の１を意味する言葉に由来します。
デシル分析では、各グループの売上構成比を出すことで、重視するべきグループの範囲を特定します。たとえば、上位３ランクで全体の売上比率の80%を占めるようであれば、おおむね上位３ランクの顧客に対して重点的な対応を行っていくべきと考えられます。
デシル分析の主な活用シーンは、優良顧客層の特定です。具体的なマーケティング施策を検討する際には、デシル分析だけではなく、後述するほか分析手法も併用するとよいでしょう。
LTV分析
LTVとは「Life Time Value」の略称であり、日本語では「顧客生涯価値」です。LTV分析では顧客ごとのLTVを算出し、高いLTVの顧客を優良顧客とみなします。一般的に、ロイヤリティが高い顧客はLTVも向上すると考えられるため、LTVは顧客ロイヤリティの指標となります。
現時点でのLTVを算出して評価するのはもちろん、LTVの目標値をKPIとして施策を行い、定点観測により成果を図るような活用方法も有効です。
RFM分析
RFM分析はRecency（直近の購入日）、Frequency（購買頻度）、Monetary（購買金額）の３つの観点でスコア付けを行い、優良顧客を見出す手法です。一般的には、直近で購入しており購買頻度が高く、金額も多い顧客は優良顧客と判断できます。優良顧客に対して、重点的な対応を行っていくことでロイヤリティを高めていきます。
また、購買頻度や購買金額が高いものの、直近の購買行動がない顧客に対しては、完全な離反を防止するためのアプローチも検討できるでしょう。
CRM分析の代表的な手法：顧客のターゲティング・分類
この章では、顧客のターゲティング・分類に役立つCRM分析の手法をご紹介します。
CPM分析
CPMは「Customer Portfolio Management」の略称で、「累計購入金額」「初回購入から現在までの期間」「最終購入時から現在までの期間」の３軸で顧客を分析する手法です。前述したRFM分析と似ている概念ですが、CRM分析では直近での購入頻度が低いものの長期では購入額が多い顧客など、RFM分析で切り捨てられやすい顧客層にもターゲティングを行う点が特徴です。
CTB分析
CTB分析は、自社で扱う商品・サービスを「Category（種類）」「Taste（デザイン・大きさ）」「Brand（ブランド）」の３軸で分類し、顧客の好みを分析する手法です。小売店など多様な商品を扱う企業において有効な手法といえます。POSデータやEC上での販売データなどの購買履歴とCRMデータを組み合わせることで、詳細な分析が可能です。
たとえば、洗剤において各顧客が好む内容量やパッケージの形・色、ブランドなどを分析すれば、商品の仕入や陳列などの販売戦略に生かせます。
PB分析
PB分析は、正規価格で購入するかバーゲン価格で購入するかによって顧客を分類し、分析を行う手法です。PB分析のPBとは、プロパー（正規価格）とバーゲン（バーゲン価格）を意味します。
PB分析はバーゲンが一般的に行われるアパレル業界で多く利用される手法です。セール時のみに自社のブランドを購入する顧客と、通常時に購入する顧客では、アプローチ方法を変えていく必要があります。
セグメンテーション分析
セグメンテーション分析は、顧客の家族構成や年収、住所などの属性情報や購買履歴情報などを基に、細かく顧客をグルーピングしていく分析手法です。CRMデータだけではなく、マーケットデータや人口動態データなどにも活用することで、より広く分析が可能となります。
セグメンテーション分析は、新規事業開発や新商品の企画などに多く用いられています。消費者のニーズが多様化する現代において、細分化されたセグメントに対するアプローチを検討するうえで有効な手法といえるでしょう。
クラスター分析
クラスター分析は、顧客の属性や購買履歴などを基に顧客同士の近接性を計算し、顧客のクラスターを発見する分析手法です。グルーピングする軸が不明な場合にも、分類するのに有効な軸を自動的に見つけ出してくれる特徴があります。分析にあたって、あらかじめ分析軸を設定しなくても、最も集まりがよい形でグループを作成してくれるため、新たな洞察を得やすい手法といえます。
クラスター分析も、CRMデータに限らずあらゆるデータで有効な分析手法です。CRMデータに対しては、セグメントが不明確な状態で顧客セグメント分けを行いたい場合などに、クラスター分析を利用するとよいでしょう。
行動トレンド分析
行動トレンド分析は、季節による売上の変化を分析し、どのような購買層がシーズン性を作り出しているかを見出していく手法です。季節性のある商品に有効であり、小売店などで活用しやすい手法といえます。
たとえば「ウイスキー」であれば、ハイボール需要が高まる夏季に売り上げが伸び、そのトレンドは30～50代の男性が生み出しているといった分析が可能です。行動トレンド分析による分析結果は、広告・マーケティングや販売促進施策の検討に利用できます。
CRM分析からビジネス戦略への応用方法
上記で紹介したいくつかの手法を例に、ビジネス戦略に落とし込んでいく具体的な方法を解説します。
例１：デシル分析による重点対応顧客の把握
前述のとおり、デシル分析は購買金額などで顧客を10等分し、どの層に対して重点的にアプローチするか、各層にどのようなアプローチを行うべきかを検討する手法です。
デシル分析により、自社の売上がどのように構成されているかを理解しやすくなります。たとえば、上位３層の顧客層が全体の７割の売上を占めている場合、リピーターなどの高ロイヤリティ顧客が自社の売上を支えているといえます。また、各顧客層で売上構成が平準化されているのであれば、広く浅く顧客を抱えている状況だと考えられるでしょう。
デシル分析を行う際には、自社が販売する商品・サービスの特性も踏まえて分析を行う必要があります。たとえば、家具や家電のように買い替えサイクルが長い商品と、日用品や食品のように高頻度で購買が行われる商品では、リピートする頻度が異なるため、デシル分析による結果も変わってきます。自社の商品・サービスの特性を踏まえ、分析結果を読み解くことがポイントです。
自社が想定するよりも顧客層の売上構成が平準化されている場合、優良顧客の優遇など顧客のロイヤリティを高め、顧客一人当たりの売上高を伸ばす取り組みも検討できるでしょう。たとえば、上位３層の顧客に対して重点的にマーケティング施策を実施するなど、ロイヤリティの向上施策を検討します。
反対に、下位層の売上額の低さに課題を感じている場合は、特に売上が低い顧客層を対象にマーケティング活動を進めるといった判断も可能です。
例２：RFM分析による顧客の理解
RFM分析においては、まず自社の課題の仮説設定が重要です。以下では、一例としてECサイトにおける送料の分析を取り上げます。
たとえば、現状では「3,000円以上であれば送料無料」としているものの、送料無料による経費が収益性を悪化させているケースを想定します。この場合、単に「3,000円以上であれば送料無料」という現状のサービスをなくしてしまえば、顧客からの反発は避けられません。そこで、ロイヤリティの高い顧客を優遇しつつ、コストを抑えられる改善余地がないかを、RFM分析で検証します。
当然送料は自社の持ち出しとなるため、できるだけ購入頻度が高く、購買金額も多い顧客を優遇したいところです。たとえば、RFM分析の結果、購入頻度が一定以上の顧客が圧倒的に購買金額も高いことが明らかになったとします。一方で、購入頻度が低い顧客も送料無料の対象となるケースが多く、リピーター獲得に貢献していないこともわかりました。
この場合、「定額オプションサービスへの加入で何回でも送料が無料になる」というサービスを導入し、高ロイヤリティ顧客を優先していく施策を検討できるでしょう。
このように、RFM分析を通して優遇するべき顧客を特定し、その顧客に合わせた施策の実施により、経費を抑制しつつロイヤリティ向上を実現できるようになります。
例３：LTV分析による顧客ロイヤリティ向上施策の効果検証
近年、一人の顧客が生涯でどの程度自社へ利益をもたらしてくれるかを図るLTVに注目してマーケティング活動を進める動きが広がっています。LTVを向上させていくためには、顧客のロイヤリティに注目し、解約率（チャーンレート）の低減や購入頻度向上に向けた施策が有効です。
CRMデータを基に、ある顧客に対して実施した施策によりLTVがどの程度向上したかを計測することで、顧客ロイヤリティ向上に関する施策の効果検証が可能となります。たとえば、同じような属性・購買履歴を持つ顧客AとBに対して違う販売促進施策を実施し、効果を長期的に比較していきます。これにより、その施策に効果があるのか、効果がないのであれば終了するべきなのかを判断できるでしょう。
また、サブスクリプション型のサービスにおいては、特にLTVが重要視されます。契約期間の長さと契約するプランのグレードがそのままLTVに直結するため、いかにして解約を避けるか、また上位プランにアップグレードしてもらうかを意識しましょう。
例４：セグメンテーション分析による新商品開発における顧客ターゲティング
現代は顧客のニーズが多様化し、より細かいセグメント分けと各セグメントに合わせた商品・サービスの企画が重要な時代です。特に、価格競争や商品ラインの多用化が難しい中小企業においては、顧客ターゲティングによるニッチ市場の開拓が必要といえます。そこで、セグメンテーション分析により顧客ニーズを分類する取り組みが有効です。
セグメント分けを行う際には、顧客の属性情報が重要です。たとえば、CRM上に蓄積されている住所や交通手段などの地理的な「ジオグラフィック情報」やライフスタイル、価値観などの「サイコグラフィック情報」などを基に、セグメンテーション分析を行います。
セグメンテーション分析の結果、たとえば「20～30代の女性で、一定以上の年収があり、休日は外出するケースが多く、また人との交流が多い」といった属性を持った顧客に自社の商品がヒットしたとしましょう。その商品と同ラインの新商品を企画する際には、同じ属性を持つ顧客に寄り添った機能を備えると売上向上につながります。このように、CRMデータを基にしたセグメンテーション分析により、商品企画の精度をより高められます。
例５：クラスター分析によるセグメント分けのための軸の特定
クラスター分析により、あらかじめ分析軸を与えなくても適切な分析軸を見出せます。顧客セグメントを切り分ける際にどのような軸で分ければよいか、分析を通して洞察を得ることが可能です。
たとえば、デシル分析などで自社の商品Aを頻繁に購入している顧客層を見つけ出したとします。一見、この顧客層はさまざまな属性を持った顧客で構成されており、グルーピングが難しいように感じられました。そこで、自社が保有するあらゆる顧客属性情報をインプットとしてクラスター分析すると、どの軸がグルーピングに適しているかを分析できます。
結果として、実は年齢や性別、家族構成などではなく、特定の趣味を持った顧客にヒットしている商品であることが明らかになったとします。その趣味において自社の商品をどのように活用しているのかをヒアリングすると、その商品が支持されている特徴を把握できます。クラスター分析により、マーケティング施策の検討はもちろん、同ラインの新商品開発においても参考となる情報を収集できるでしょう。
CRM分析におけるポイント
以下では、CRM分析において意識したいポイントを紹介します。
販売実績データと顧客データを紐づけられるようにする
顧客管理やコールセンターでの問い合わせ履歴管理などにCRMを活用しているものの、販売実績データはCRMで管理していない企業が多いのではないでしょうか。先述のとおり、CRMデータを用いた分析においては顧客属性データだけではなく、販売実績データも重要です。そのため、自社のPOSデータや販売管理システム、ERPなどに存在するデータと併せてCRM分析を行いましょう。
その際には、POSや販売実績システム、ERPのデータとCRMの顧客情報の紐づけ方法を考慮する必要があります。別々のシステムに保管されたデータは、そのままでは紐づけできません。統一されたIDがなければ、どの顧客がどの購買を行ったかを紐づけられず、具体的な分析は困難となります。
そこで、顧客に対して単一のIDを振ったうえで、各システムにおいて共通のIDとして実績を登録できるようにしましょう。こうした施策は、一般的にポイントカードや会員登録、スマホアプリなどを通して行われます。オンライン・オフラインを問わず顧客を一意に識別できるようにし、データを蓄積していくことがポイントです。
顧客属性データを収集できるようにする
CRM分析を行うためには分析対象となるデータが必要です。できるだけ幅広いデータを収集し、CRMに蓄積していくことで、分析できる領域が広がっていきます。定期的なアンケート調査や満足度調査、NPS測定など、さまざまな機会を通じて収集したデータをCRMに蓄積していくことがポイントです。
たとえば、解約があった顧客に対して解約理由についてのアンケートを取ることで、解約しやすい顧客の分析が可能となります。解約顧客に対するアンケートは解約時以外では困難であるため、Web上の解約フォームや紙での解約申込書にアンケートを設けておくことがおすすめです。また、サービスの契約申し込み時は、申し込みのために多くの情報を記入してもらうため、アンケートのチャンスにもなります。
このように、顧客属性データは収集できるタイミングが限られます。日常的に収集できるように、システム面・運用面での体制を整えていくことが重要といえるでしょう。
データの正規化を意識してCRMを活用する
CRMの運用において意識したいのが、データの正規化です。正規化とは、同じ形式でデータを扱えるようにすることを指します。具体的には、ある一人の顧客Aを、CRM上でも一人の顧客として管理します。
一見当たり前のように感じるかもしれませんが、実は正規化ができていないケースは多くあります。Web会員と店舗会員のデータが分かれてしまうケースが典型例です。
正規化されていないデータを分析対象にすると、オンライン・オフラインのどちらでも商品を購入している顧客を優良顧客と判定できないなど、分析の精度が下がってしまいます。正規化されていないデータは名寄せ処理としてクレンジング作業が必要ですが、一般的にクレンジング作業にはかなりの労力を要するため、できれば避けるべきでしょう。
そのため、これから会員情報を収集していく場合は、あらかじめオンライン・オフラインを意識して両者を統一できるよう設計するのをおすすめします。また、CRMにデータを登録する時点で既存顧客として登録されていないかをチェックするなど、正規化を意識した運用も必要です。