分析

レコメンドのために効果的な商品分析!バスケット分析とは

「顧客の購買商品に合わせて顧客育成をしたい」「利益効率を高めるため一度の購買の単価を上げたい」といった時。

まず欲しい情報は、どんな商品を提案すべきか、ではないでしょうか。

その際に是非使って欲しいのが、バスケット分析です。

バスケット分析は

  • 分析方法が容易
  • 結果が直感的でわかりやすい
  • 商品レコメンドやクロスセルといったビジネスインパクトに直結するマーケティングアクションにつながりやすい

というメリットがあり是非とも抑えておきたい分析手法です

バスケット分析とは

「ビールとおむつ」の話を聞いたことがある人は多いかもしれません。これは顧客の購買データを見たときに、「ビールとおむつを一緒に買う確率が高い」という傾向を明らかにし、2つの商品を陳列したところ売上が上がった、という事例です。これは母親におむつを買うように頼まれた父親がついでにビールを購入していた、というように考察されています。ビールとおむつなんて販売計画時点ではあまり想定が容易い組み合わせではないですよね。

このように過去の購買データを使って新たな価値を見出すことをデータマイニングと呼び、特にビールとおむつのように一緒に購買されやすい組み合わせを見つける分析のことをバスケット分析といいます。「ビールとおむつ」のように仮説にはないものの、ビジネスインパクトがありそうな組み合わせを見つけることが、主な目的になります。

必要なデータは?

一緒に購買されたとわかる識別番号(伝票番号、レシート番号等)と商品を識別する番号の2種類があれば分析できます。

分析方法は?

バスケット分析では特に4種類の指標がもちいられます。

それらは、「2つの商品が一緒に購買される確率」を出すことが基本になっています。

これから4種類の指標を紹介しますが、どれを使うべきなのか悩んだらリフト値を使ってください。

以下では、軸とする主商品を商品Aとし、それに組み合わせる併売商品を商品Bとして見ていきます。

支持度▶︎全体に対して一緒に購買される確率

最も直感的な指標で、商品Aと商品Bが一緒に購買される確率です。しかし、懸念すべきこととして、極端に購買が多い定番商品や人気商品が含まれてしまうことがあげられます。

その結果、新しく価値ある発見につながりつらいというデメリットがあります。

信頼度▶︎Aを買った人がBも買う確率

これも比較的直感的な指標で分母が全体ではなく主商品の商品Aにしたものです。信頼度は、商品Aに対する商品Bの関連の強さを評価する指標となります。これも評価する前に念頭に置いておかなければいけないこととして、商品Aの購買数が商品Bに対して少ないと信頼度が高くなりやすいという、特徴があります。

期待信頼度▶︎全体のうちBが購買される確率

期待信頼度は算出ロジックの商品B単独の人気度です。これは後で説明する、リフト値を算出するためのものです。

リフト値▶︎信頼度/期待信頼度

今まで出た2つの指標の合わせ技です。イメージが難しい指標ですが、信頼度に、Bの購買を単独と全体で比較したものをかけています。商品BがAと関係なくたくさん売れていると低くなり、そうでなければリフト値があがります。

簡単に言うと、商品Aがどの程度商品Bの購買を促進しているか、を示している値です。

ですが、これもやはり、商品Aの購買数が少なすぎる場合に、たまたま商品Bが併売されると高い数値が出やすいという課題があります。

結果の見方

注意ポイントは、主商品でも併売商品でもベースの購買数が低すぎると、確率的に再現性が無くなることです

現実的に、買ってもらうためには、ベースの購買確率が高いにこしたことはありません。

再現性の期待できる組み合わせに注目しましょう。

なにが言いたいのか、具体的に説明します。

上の結果は、OKのリフト値に対してNGのリフト値が高く、一見、NGの組み合わせに飛びつきたいところです。

しかし、よく見ると商品Bの全体購買数は3しかありません。

さらに一度しか併売されていないということから、再現性があるかどうか判断できません。

それでは、より良い組み合わせを見つけるために、どうすれば良いのでしょう。

例えば主商品や併売商品の購買数に最低値をもうけることをおすすめします。

その数値を決めるにあたっては、商品ごとに全体に対する購買割合を出して分布を見ておくと判断しやすいです。(例 全体の80%の商品が100個以上売れているから、100個を最低値とするなど)

また、できる限り購買確率の期待値をあげたいなら、たくさん売れている商品から中心に見ていくと効率的です。

人気商品でなくても、企業側の都合でぜひ、購入して欲しい商品(利益率が高い商品など)がある場合などは、もう少し最低値を下げて、広く見ていく方法もあります。

まとめ

バスケット分析は確率をもとに購買される商品の組み合わせを比較できる手法です。

高度な数学の知識は必要なくエクセルでも始めやすい分析でありながら、直感的でビジネスインパクトに直結したアクションを見出すことが出来ます。

是非抑えておきたいですね。

 

バスケット分析はさらに、ユーザーの属性情報や、行動データを用いることで、さらに購買確率(レコメンド精度)をあげることも期待できます。

 

もし、1伝票に複数商品がなかったり、購買の頻度が少ないデータであっても統計的に期間を設け、工夫することで、分析出来ます。

物販ビジネスやマーケティングに限らず、2つの事象の関連性を見出したい時に、有効な手段です。

 

バスケット分析で、明らかに出来そうなことについてイメージが付いたでしょうか?

かっこでは1億レコードまでのデータであれば、お手軽にデータ分析をはじめられる「さきがけKPI」というサービスを提供しています。

バスケット分析を試したい際には、お気軽にご相談ください。

さきがけKPI

ピックアップ記事

  1. 学生をデータサイエンティストに育てる4つのポイント
  2. こんなときには異常検知
  3. 知っておきたいAIの理想と現実
  4. 多くの人と会話をするきっかけとなる最適な映画をデータサイエンスで選んでみた
  5. 優良顧客を見つける「RFM分析」の考え方と使い方

関連記事

  1. 分析

    マーケティングから不正検知まで、データの理解と意思決定を助けてくれる「クラスタリング」とは?

    クラスタという言葉そのものには聞き覚えがあるかもしれません。で…

  2. 分析

    実は簡単! 10分あれば回帰分析ができます

    回帰分析とはデータを用いた将来予測を行いたいときなどに活用される分析手…

  3. 分析

    今からとる行動が及ぼす影響の大きさを、数値で予測してくれる「回帰分析」のお話し

    経営判断や、次のアクションを決める必要があるときに、「どんな要素が」「…

  4. 分析

    サブスクリプションの利用継続KPIをロジステック回帰分析で明らかに!

    本記事ではロジスティック回帰分析でできることと、効能について、具体的な…

  5. 分析

    まずはやってみよう!マーケティングでデータ分析!③顧客分析

    前章では、目的の数字に関する基礎集計をしました。これによって、今後の目…

  6. 分析

    まずはやってみよう!マーケティングでデータ分析!①イントロダクション

    まずは自社でデータ分析をやるべきデータ分析を会社で活かせていますか…

カテゴリー

おすすめ記事

  1. 確率を予測する「ロジスティック回帰」とは
  2. データサイエンスを現場の敵にしないために
  3. 優良顧客を見つける「RFM分析」の考え方と使い方
  4. 箱ひげ図 について超カンタンに解説してみた
  5. 知っておきたいAIの理想と現実
  1. RPA

    面倒な作業は機械にやらせよう、RPAのおはなし
  2. 統計

    こんなときには異常検知
  3. topics

    大学時代の成績からNFLのドラフト順位を予測してみた
  4. 機械学習

    決定木でデータドリブンに、ビジネスを成功させる判断基準を作ろう
  5. 統計

    統計学が得意なこと
PAGE TOP