顧客データをマーケティングにどう活かすか？施策立案、顧客体験改善の事例を紹介

1. マーケティング4.0時代に存在感を増す「顧客データ」

顧客データは「自己実現」を提供する原資

ノースウェスタン大学ケロッグ経営大学院特別教授であるフィリップ・コトラー氏によれば、現代は「マーケティング4.0」の時代に突入しているとのことです。マーケティング4.0とは「顧客の自己実現につながる製品が売れる時代」と言い換えることもできます。

つまり、これまでのように「良い商品を買う」「応援したい企業の商品を買う」「社会のためになる買い物をする」といった価値観に加えて、「自己実現につながる良質な経験」を重視する新たな価値観が台頭していると言えるでしょう。

自己実現につながる良質な経験は「自分の好みに最適化、もしくは個人化された製品・サービス」を購入することで得られやすいと考えられます。したがって、企業は顧客の嗜好や欲求をより具体的に読取り、マーケティング施策に反映させていく必要があるでしょう。

ここで重要になるのが「顧客データ」です。顧客データには、顧客の属性や行動履歴など、趣向や潜在的欲求を詳細に把握するための材料が含まれています。実際に近年は、カスタマーサクセスの実現やカスタマーエクスペリエンスの向上を目的として、顧客データの分析と活用が進められてきました。これらはマーケティング4.0で示された「自己実現につながる製品が売れる」時代が到来していることの証拠と言えます。このような背景から、顧客データの活用は今後ますます重要さを増していくと考えられるのです。

2. 顧客データの活用で実現できること

では、実際に顧客データ活用で実現できることを整理していきましょう。顧客データ活用では、以下4つの具体的な効果が期待できます。

LTVの増大

LTV（Life Time Value）とは、ある顧客が企業にもたらす利益の総量を指す考えかたで、「顧客生涯価値」とも呼ばれます。既存顧客のLTVを増大させることは、新規顧客の獲得に比べてマーケティングコストが低く、長期的な利益確保にもつながりやすいと考えられています。

LTVを増大させるためには、顧客データ活用による顧客のセグメント化や、各セグメントに応じたマーケティング施策の実行が必要になるでしょう。また、どの顧客がより多くの利益をもたらしてくれるかを見極めるために、「RFM分析」も組み入れたいところです。

RFM分析では、購入日時・購入頻度・購入額といったデータから優良顧客の候補を抽出することができます。さらに抽出されたリストに対して、「バスケット分析」を施していけば、顧客単価を高めるためのヒントが得られます。バスケット分析は「同時購入されている組合せ」「連続して購入されやすい組合せ」「よく売れる場所と商品の組合せ」などを分析し、顧客単価の増大を図るための手法です。

これらLTVの増大につながる施策は、顧客データを原資として行われます。

カスタマーサクセスの推進

カスタマーサクセスとは、日本語で「顧客の成功」と翻訳されます。実際のマーケティングでは、「プロダクトが提供するものと顧客が望むことのギャップが埋まるように、能動的に働きかけること」と考えられているようです。カスタマーサクセスを実現することで、顧客との長期的かつ良好な関係が構築され、ビジネスが安定して成長していく可能性が高まります。また、前述したLTVの増大も、カスタマーサクセスの実現によってもたらされることが多いようです。

カスタマーサクセスの実現では、顧客データから顧客それぞれの趣向・欲求などを把握し、これらを反映させた製品を提供していきます。また、顧客の反応や状況をリアルタイムに把握し、製品の改善やカスタマイズにつなげていく必要もあるでしょう。こうした活動は全て、顧客データ活用によってもたらされるものです。

データドリブンマーケティングの実現

近年の日本では、経済産業省が示した「2025年の崖」を発端として、「DX（デジタルトランスフォーメーション）」の必要性が認知されるようになりました。DXに至るまでには企業内の各部門において大小さまざまな施策が必要になるでしょう。その中でも注目すべきは、マーケティング領域における「データドリブンマーケティングの実現」です。

データドリブンマーケティングでは、企業内に蓄積されたデータをもとに、ビジネスのボトルネックを可視化して意思決定に役立てていきます。こうすることで、変化が激しく予測が難しい現代のビジネス環境で、成長力を維持することができるのです。このデータドリブンマーケティングでは、顧客データを可視化し、加工・分析を経て施策につなげていきます。

One to Oneマーケティング

One to Oneマーケティングとは、顧客ひとりひとりの属性・趣向などをもとに個別にマーケティングを行うという考え方です。従来のマスマーケティングと対を成す概念として知られています。顧客データを活用したOne to Oneマーケティングでは、製品が持つ価値に加えて「どのように提供するか」を重視しつつ、顧客体験を高めていくことができます。

3. 顧客データ活用の事例

下着メーカーによる「適正サイズ」の自動提案

女性用下着の小売りを手掛けるある企業では、下着メーカー間におけるサイズ違いへの対応に苦慮していました。同じサイズ表示であってもメーカーごとに実寸サイズが異なるため、顧客は実際に試着をするまで適正サイズか否かを判断できないからです。このような状況から、同社のECサイトでは返品率が下がらない状況が続きました。そこで、過去の注文と返品データを分析することにより、実店舗での試着を経ることなく自分の体に最適な下着を購入できる仕組みを構築しました。

具体的には、まずメーカーごとに存在するサイズのばらつきを数値化し、データとして保持しました。次にECサイトへ「常用している下着のサイズ」「好みの着け心地」「衣服のサイズ」「体重の増減傾向」などを、購入希望者自身で入力してもらい、適正サイズに該当する商品リストを自動表示するよう、システムを作り変えました。
その結果、返品率は徐々に低下しました。さらに顧客も「わざわざ試着に出向かずとも適正サイズを購入できる」という体験を得られたことから、ECサイトの売り上げが伸びたのだそうです。

運転適性に応じた最適な自動車保険の提供

海外の保険会社では、顧客の運転データをもとに最適な保険料を適用するサービスを提供しています。具体的には、まず保険契約者の自動車に通信デバイスを設置し「運転日時」や「場所」「速度」「急ブレーキの回数や頻度」などを計測します。これら運転データから事故リスクを分析し、分析結果に応じた最適な自動車保険が算出・適用される仕組みです。

つまり、運転者（保険契約者）には、運転が安全の対価として割安な保険料が提供されるわけです。同サービスでは、「運転者の安全＝割安な保険料」というカスタマーサクセスを実現することにより、契約者が増加したとのこと。

ちなみに日本国内でも、カーシェアリングサービスの一部で、同じようなプログラムが提供されています。急加速と急減速の頻度をポイント化し、ポイントに応じたグレードによって割引プランや優遇チケットを提供するという内容です。

最終消費者のロイヤリティを可視化

BtoBtoCで商品を提供する食品メーカーでは、「最終消費者の顧客像が明確でなく、顧客理解が進まない」ことが問題になっていました。なぜなら、同社の直接の取引相手は小売業者のみだったからです。最終消費者と接する機会に乏しい同社は、顧客像に即した商品開発が進まないという事態に直面していました。また、競合他社に負けないブランドを創るためのブランドロイヤリティ施策も足踏み状態でした。そこで、顧客理解を深めるために顧客データ活用を開始します。

具体的には、複数の顧客接点から得られたデータをデータ分析基盤に蓄積し、分析してブランドごとのロイヤリティを可視化しました。顧客接点から得られたデータとしては「コーポレートサイトのアクセスログ」「会員情報」「広告データ」「メールマガジンの登録情報」「アンケート結果」「キャンペーンデータ」などが挙げられます。こうしたデータをCDP（カスタマーデータプラットフォーム）に蓄積し、データ統合やスコアリングといった加工・分析を施したうえで、顧客の「ファン度」を可視化していったとのこと。さらに今後はファン度に応じたランクを設け、ランクに応じたアプローチを提供する計画もあるそうです。