株式会社ブックリスタ

電⼦書籍ストアは、リアルな店舗と違い、顧客の顔を⾒ることや、顧客の性質や嗜好の変化を気配で感じとることができません。では、どうやって顧客を知るかというと、データを見ます。何が、いつ、どのように売れたのか、顧客はWebサイトという店舗をどう回遊しているか、そのデータを分析しています。私は、これが顧客を知る唯⼀の⽅法だと考えています。
販促活動は、すべてデータ分析の結果に基づいて企画しています。主な形態はキャンペーンとポイント付与の2種類です。まずキャンペーンは、基本的に商品（電子書籍）が主役になります。出版社側に「この電⼦書籍をもっと売りたい」という要望があり、それに応えてキャンペーンをおこなう、という構図です。ここでのデータ分析は、類似書籍の過去の販売状況などになります。
次に顧客へのポイント付与は、既存の顧客育成が⽬的であり、商品（電子書籍）ではなく、顧客個⼈を軸とする施策です。たとえば、休眠顧客のサイト再訪や再購⼊を促すには、「500ポイント進呈（有効期限何⽉何⽇まで）」のようにポイント付与します。あるいは、まとめ買いを頻繁におこなう顧客には、「5,000円のまとめ買いで、さらに割引」のように提案し、顧客単価の向上を図ります。
ポイント付与は対象を限定しないと、単なるバラマキになってしまいます。データ分析を使って対象を的確に抽出し、効果的に付与することが重要だと考えています。

実はKIを導⼊する前から、サイト利⽤率や顧客セグメント毎の傾向など、基本的な項目は⾃分で分析していましたが、さらに詳しい分析が必要になると、アナリストに依頼していました。
しかし、アナリスト側で分析タスクが積み上がり、分析結果が出るまで長期間を要してしまうことが多く、次の施策に分析結果を反映することが難しい場合がありました。とりあえず手元の基本データなどで仮定を作り、施策を始めてしまうこともありました。
また、顧客のストア利用状況に合わせたセグメント施策を実施するようになり、始めのうちは単純な切り口でも大きな問題はありませんでしたが、最近はより細かい視点、分析の必要性を感じるようになりました。たとえば、購買促進目的でポイント付与をおこなう施策は、乱発すると顧客が「もう少し待っていれば、たぶんポイント付与がある。それまで買わないでおこう」というように、販促したつもりが買い控えを誘発することがあります。
KIを使い始めたことで、以前は、詳細分析はアナリストに依頼し、結果はしばらく待つという状態でしたが、現在は、おおよその⽣データがKI上にインポートされているため、KIを使って⾃⼒で解析できる幅が広がる環境になりました。KIを利用した分析環境を企画者が活用していくためには、ストアのデータの種別、項目を理解する必要があります。
始めはデータの意味がぱっとわからず、データの用意にもかなりの時間をかけなくてはなりませんでした。いざ分析をするために、KIへ取り込んだデータをどう設定すれば目的の分析ができるのかも、見当がつけられないことがありました。しかし、キーエンスのデータサイエンティストと、実際のデータを一緒に確認しながら組み立てていくことや、目的を共有して新たな分析視点をご提案いただくなどをくり返すうちに、ツールにも、データにも少しずつ慣れて、できることが増えてきていると感じています。
KIを使うようになり、生のデータを扱い、目的に合わせた分析をKIで組み立てる、という経験を重ねることで、データ分析への理解が深まり、アナリストとも近い視点で分析の話ができるようになってきたと思います。
データ分析は、⽇々発⾒の連続です。感覚的に、予想していた顧客の離反傾向について、KIを使ってデータ分析をしたところ、数値的に実証された結果もあれば、顧客育成の観点で、予想とは違う切り口で継続に効くポイントが結果として出ることもあります。複雑なデータの組み立てが必要なものは苦労しますが、⾃分で分析できるようになると、やりがいも感じられておもしろいです。