色、サイズ、スタイル、ベンダーなど、小売業者は大量データの処理に苦慮しています。

Attributes Tell the Whole Story

小売 (#Retail) 分析は、詳細の理解が勝負です。#Qlik が属性から意味を抽出する方法をご紹介します:

小売業者が大量データの処理に苦慮していることはよく知られています。 小売ビジネスでは、あらゆる局面でデータが発生します (すべてが捕捉されるのが理想です)。このようなデータには、モバイルアプリや E コマースサイトなどのデジタルプロパティ、サプライチェーンの RFID タグ、ソーシャルメディアの “いいね” や “メンション”、実小売店舗内での顧客体験データなどがあります。これらの中には非常に重要なデータがあります。たとえば、自社の E コマースサイトでは、なぜ数多くのショッピングカートが空のままなのかを理解するために使用するデジタルデータなどです。 これらの中には重要でないデータもあり、たとえば、Facebook の “いいね” を、ビジネスの成功や失敗の指標と考えることは困難です。 これとは逆に、普遍的に価値を持つデータもあり、その集合体の 1 つが属性です。属性は、製品を階層の最下位レベルである SKU や個別の小売実店舗、顧客単位で表現します。

属性が重要である理由

属性が小売業者にとって重要なのは、それによって小売業者の製品の品揃え、小売店舗の面積、顧客基盤に関するストーリーの全容を解明できるからです。 仮に T シャツを例にとって説明しましょう。 たとえば、T シャツに 5 つのサイズ (S、M、L、XL、XXL)、5 つの色 (青、赤、白、黒、オレンジ)、3 つのスタイル (夏、冬、特別バージョン) があるとします。 バイヤーが、限られた予算 (手持ち仕入れ予算) 内で、自社の品揃えに加えるために新製品を購入する場合、このバイヤーが利益率を最大化するには、T シャツを全部で何枚、どのような属性の組み合わせで購入する必要があるでしょうか。 この答えは、T シャツの属性データを、販売履歴データ、販売予測データ、手持ち仕入れ予算データ、マーケティングキャンペーンのデータ、現在の市場動向のデータと組み合わせて導くことができ、バイヤーはそれを参考に、適切な仕入れ数量と組み合わせを決定することができます。

属性分析に必要な要素

小売業の属性分析を行うには、以下に対応する最新のビジュアル・アナリティクス・プラットフォームが必須です。

  1. 詳細を扱える分析能力 – 集約したデータは、属性分析に役立ちません。一口に S サイズと言っても製品の種類 (シャツ、靴、テーブル、掃除機など) によって異なるため、品揃えの中からすべての S サイズの製品について、販売データを合算しても無意味です。
  2. 階層ではなく分析に重点 – 属性は、意味をなす明確な階層ドリルパスの記述ではなく、階層の最下位についての記述です。 階層ではなく、分析に重点を置く必要があります。
  3. データソースの組み合わせが可能 – 製品、店舗、顧客の属性は、それぞれ単独では価値がありません。 属性が価値を持つためには、販売データ、予測データ、手持ち仕入れ予算データ、マーケティングデータ、市場動向データ、シンジケートデータと組み合わせる必要があります。 この種のデータは、それぞれ異なるシステムに存在します。
  4. 関係性を明らかにする機能 – 製品、店舗、顧客のそれぞれに数百の属性が存在する可能性があります。最も重要な属性を特定するには、データ内の属性間の関係性を示すビジュアル・アナリティクス・プラットフォームが必須です。
    幸い、Qlik のビジュアル・アナリティクス・プラットフォームは、属性分析を含むあらゆる種類の小売向け分析の目的をほぼ完全に満たします。 このプラットフォームは、実際にお試しいただくことができます。Qlik の Digital Consumer Analytics ソリューションのデモをダウンロードし、ぜひご自身の目でお確かめください。 このソリューションのデモでは、製品別、曜日別に、顧客の基本属性と購入パターンの関連性が示されます。 このデモでは、お持ちの属性データを Qlik で分析して意思決定を向上できる無数の可能性が存在することもご理解いただけるはずです。