データメンバー操作（既存メンバーの操作を分析するには？この記事ではステップバイステップで説明します！今すぐ保存してください！）

既存メンバーの運用分析をどのように実施すればよいでしょうか?この記事では、ステップバイステップで説明します。今すぐ集めましょう！

世界的な景気後退の影響が続く中、多くの業界が前例のない変化と課題に直面しています。しかし、このような不況の時代にあっても、「静かに回復しつつある」業界がある。国家統計局が発表したデータによると、 2023年上半期の消費財小売総額は前年同期比8.2％増加し、最終消費支出が経済成長に寄与したのは77.2％で、昨年全体と比べて大幅に増加した。 3大需要の中で、消費者需要は経済成長を牽引する最も重要な要素となっています。

このような市場背景の下、一方では、消費財小売企業は積極的に新規事業を展開し、市場を開拓し、ブランド集中、製品多様化、モデル多様化の方向へと変革していく必要がある。一方、既存の会員顧客グループの運営は、消費財小売企業の自主運営の第二の核心焦点となり、消費財小売企業の「能動的造血能力」を試す鍵となっている。

そこで本稿では、会員管理のデジタル運用の観点から、ファンルアンが見た構築の軌跡と経験概要を詳しく論じたい。

1.新たな消費情勢のもと、会員顧客基盤にはどのような変化が起きているのでしょうか?

前述のように、消費財業界全体がブランドの集中化と製品およびモデルの多様化へと移行しています。その本質は集団消費行動の特性の変化にあります。対応する特徴は、消費者が次第に大手ブランドの概念を持ち始め、個人のニーズを追求し、消費行動が徐々に沈下し始めていることです。

著者は、いくつかの消費者企業の会員顧客基盤の現状分析に基づいて、次の 2 つの主要な問題を要約しています。

1. 会員に対する階層的なポジショニングと差別化されたマーケティングの欠如

階層化ポジショニング: 会員の階層化ポジショニングは、主に会員カードのレベルを通じて行われ、再購入率やアクティビティ レベルなどの主要な会員指標が欠けています。会員の階層化、顧客特性の細分化、付加価値の探求の深さが不十分

差別化マーケティング: 現在、マーケティングは主にクーポンや割引などで会員グループをターゲットにしていますが、特異性が欠けており、さまざまな会員のロイヤルティを向上させることができません。

2. フルリンクメンバーの運用データ不足とデータ分析意識の欠如

データ不足: マーケティング活動の販売状況は夕方または翌日まで集計されないことがよくあります。活動中の顧客の流れ、顧客の平均支出額、売上などの視覚的なプロセスデータ追跡が不足しています。

分析認識の欠如: 販促品を例にとると、手動の判断に依存しています。営業担当者は通常、売上不振、在庫過剰、新製品の観点から商品選択を検討しますが、データを使用してカテゴリ内の商品構成の合理性を評価し、プロモーション用の商品を選択する分析意識が欠けています。

2上記の変化に対応して、ファンルアンは会員運営事業における経験論理とリンク思考

上記でまとめた中核的な問題を踏まえると、会員制運営は実は消費者向け企業にとってかなり長期的な課題であると筆者は考えています。ビジネスチェーン全体の出発点は、自らが保有する「会員資産」の分析から始まり、次に既存の商品に基づいて人、商品、場所のマッチングが行われ、最終的に運用マーケティングアクションをどのように設計するかが決定され、最適化プロセスが徐々に繰り返されます。

上の図は、いくつかの消費者向け企業の会員ビジネスに基づいたFanruanの経験を要約したものです。

まとめると、消費者向け小売企業は会員運営管理において会員ポートレートを構築し、消費者の需要に基づいてコア会員グループと製品を特定し、ユーザー資産を最大限に活用し、企業レベルのクローズドループ会員運営システムを構築する必要がある。つまり、「彼らは誰なのか」、「何が必要なのか」、「どのように運営するのか」という 3 つの核となる質問に答える必要があります。

核となる質問 1:「彼らは誰ですか?」 — 既存のメンバーシップグループを開放する

「彼らは誰なのか」という問いに直面したとき、消費者小売企業の核心は、消費者の需要、購買行動、購買シナリオ、消費テーマなどの要素を総合的に考慮しながら、セグメンテーション戦略を用いて消費者価値を高める「メンバーポートレート」の構築にあります。

メンバーのポートレートを構築する場合、RFM モデルは避けられないコンテンツとトピックです。一般的な RFM モデルについては誰もがよく知っているので、詳細には触れません。参考までに、RFM に基づく反復ソリューションを以下に示します。

このタイプのインジケーターの設計に基づいて、以下に示すように、一連の分析および分解ロジックを導き出すことができます。

上記のビジネス ロジックに基づいて、著者は調査中に、一見「単純だが面倒な」シナリオであるラベル付けを発見したことは特筆に値します。つまり、さまざまな論理属性に基づいて、すべてのメンバー グループにそれに応じたラベルが付けられます。

以前は、ほとんどのビジネス担当者はラベル付けと分析に Excel を使用していました。しかし、一方で、Excel のラベルは複雑な If 型の関数式に基づいてしか展開できないため、記述が面倒なだけでなく、調整も困難です。さらに、1 人のビジネス同僚が処理を終えた後、他の同僚が読み取るコストは非常に高くなります。時間が経つにつれて、ラベル付けを担当する同僚は「歩く辞書」のようになり、情報伝達の効率は極めて低くなります。

しかし、現在、業界にはより優れたソリューションが存在します。つまり、 BI ツールの「条件付きラベル列」機能を通じて、メンバーのグループ化シナリオを迅速に調整し、さまざまなメンバーディメンションに基づいて顧客ベースをすばやく分類することができます。 「and」や「or」の分析シナリオに対応しており、複数の分類ロジックを繰り返し追加することで、顧客ポートレートの指標グループを素早く構築できます。

例えば、次の図を例にとると、顧客に基づいて素早く分類し、過去および最近の協力データに基づいてラベルを分割し、将来的に操作または再アクティブ化する必要がある顧客を分類したいと考えています。この時点で、上記の機能を使用して次のように設定し、顧客をすばやく分類して異なるラベルを付けることができます。

上記の操作を基に、分析要件に応じて自社のニーズに合った顧客セグメンテーションポートレートを迅速に設計できます。参考までに、私が過去に調査した消費財企業の分析チャートを以下に示します。

中心的な質問 2:「彼らには何が必要ですか?」 – 必要な製品を見つける

会員の基本消費情報に基づいて、会員の分布と構造構成を予備的に分類することができます。次のステップは、さまざまな顧客グループに適合する製品を見つけることです。そこで私たちがやらなければならないのは、会員のデータから本当に必要な商品を見つけ出すことです。そのため、会員の消費行動分析は、RFMモデルなどに基づく完全なマルチレベル分析システムを導き出すことになります。著者はこれを「マルチレベル会員分析チェーン」と呼んでいます。つまり、「消費前」から「消費中」、そして「消費後」までのショッピングプロセス全体から、消費者行動データシステムを確立するのです。

参考までに、著者がまとめたロジックの 1 つを以下に示します。分析チェーン全体では、さまざまなビジネス エンティティの特性に基づいて、さまざまな価値体系が導き出されます。

システムチェーン全体の中で、最も重要なコンテンツは明らかに「消費中」です。会員の消費カテゴリー、商品、消費期間などを監視することで、正確なマーケティングカテゴリーやブランドポジショニングの基礎として活用できます。

ここで、会員分析ビジネスにおける最も重要な「飛躍」、すなわち「会員分析」から「ヒト・モノのマッチング」が完成します。

消費者の嗜好を分析することで、一連の商品のターゲットプールを構築することができます。分析の初期の粒度では、このタイプのターゲット プールは、商品項目の最下位レベルの SKU に到達できないことが多く、通常はレジャー食品のスナックや乳製品など、いくつかの中間カテゴリのみをリストできます。 SKU 分析まで進むと、マーケティング スキルもテストされます。以下は私が担当した小売企業のマーケティング分析ロジックです。

このタイプの分析では、「メンバーシップ管理」ディメンションと「製品管理」ディメンションのデータ間の高頻度のリンクが必要です。これらのディメンションは、探索的分析プロセス中に因果関係があることがよくあります。

しかし、著者が企業の実務を詳しく調べたところ、ほとんどの企業が依然として探索的分析を行う際に Excel ツールに大きく依存していることがわかりました。年間収益が 100 億ドルを超える消費財大手企業でさえ、データの処理と表示に従来の Excel オフライン方式を使用しており、データのバージョンが不正確であったり、Excel に数百万のデータが山積みになっているなどの問題に直面することがよくあります。月次会員分析レポートや製品選択レポートを完成させるには、データの処理に数晩、あるいは 1 週間を費やす必要があります。

Excel は消費者企業のデータ管理および分析能力を制限していることがわかります。 BI ができることとは、消費者企業が従来のデータ分析を基盤としてさらに一歩進んで、データ プラットフォームに基づくデータ処理と連携分析を解決できるように支援することです。

その中で、FineBIは国産BIとして、データ連携分析・探索に特化した研究を行ってきました。 Excelのようなデータ編集と探索ロジックにより、分析操作構成を直接リンクできるため、消費者企業の人財マッチング側での高頻度データリンクの分析ニーズを迅速に解決できます。

すべてのデータ ツールは効率を向上させるように設計されており、すべての分析の目的はビジネスのブレークスルーを見つけ、それによって企業の効率を向上させることです。私たちはすでに顧客が誰であるかを把握し、彼らが何を必要としているのかを大まかに特定しています。最後のステップは、どうやって彼らをやる気にさせるかです。

中心的な質問 3:「どのように機能しますか?」 - 一致するアイテムとフォーカスポイントを見つける

「運用」の本質は、会員の運用分析に基づいた差別化されたマーケティングアクションです。マーケティングチェーンでは、会員のライフサイクル全体を「新規会員の誘致」→「活性化」→「維持」→「コンバージョン」→「分裂」に分けることができます。上記のメンバーライフサイクルに基づいて、さまざまな段階でメンバーのマーケティング活動を導き出し、さまざまなマーケティングアクションを割り当てます。

前回の記事では、メンバーのポートレートについての調査と考察を完了しました。これまでのメンバー選択と製品選択に基づいて、新しい分析指標が設定されます。著者はこれを「プル指標」と呼んでいます。つまり、各タイプの活動にはプル目的があり、多くの場合、消費者向け小売企業の成長に直接関係しています。プル指標は、多くの場合、一連の「サポート指標」に対応しており、そのような指標は、一連の特定のマーケティング アクションに関連している必要があります。必ずしも1対1に対応するわけではありません。 N:N 関係と同様に、複数の指標が複数のマーケティング アクションのデータに対応している可能性があります。次の図に示すようにまとめることができます。

このタイプの N:N 関係は、ビジネス分析では複雑になることがよくあります。複数の「牽引指標」と「支援指標」の関係を同時に解決し、マーケティングデータに基づいてマーケティングアクションを動的に調整するという課題も解決する必要があります。データを集約することが難しいだけでなく、分析して詳細に調べることも困難です。

たとえば、ほとんどの消費者企業のデータ調整プロセスは、多くの場合、次のようになります。IT 部門の同僚がビジネス活動の大規模な Excel テーブルを準備し、その後、ビジネス部門が分析を実行します。しかし、業務は IT によって作成された実際の幅広いテーブルに基づいているため、業務は固定されたアクティビティディメンションに基づいた分析しか実行できません。複数の活動を相互比較したり、複数のサポート指標を比較して分析したりする必要がある場合、このような分析モデルやツールは不十分になることがよくあります。

そこで、ITビジネスデータ連携モデルを最適化し、N:Nなどの複数種類のデータを機動的に構成できるツールが、上記課題を解決するための「画期的」なものとなりました。

そして、BI はこの「ブレークスルー」です。 BI プラットフォームでは、IT はデータを完全に統合し、能力を統一し、IT とビジネス間のデータ ロジックの通信時間を短縮できます。同時に、企業はIT開発スケジュールだけに頼ることなく、必要な分析プロセスを自主的に完了し、BIを通じて必要なデータを迅速に取得できるようになります。特定のビジネスに特化したり、関連する課題を探ったりしたい場合には、プラットフォームデータを基に多次元のクロス分析を行うこともできます。

当社の消費者向け小売業で最も一般的に使用される「クーポン発行活動」を例にとると、データ分析レポートを通じて消費者クーポンの使用状況を監視し、さまざまなタイプの会員のクーポン使用率と傾向の変化を分析し、異常なクーポン使用を迅速に発見し、クーポン使用傾向の変化を通じてマーケティング戦略をリアルタイムで調整してマーケティング効果を向上させる必要があります。私の以前の調査によると、このプロセスでは、データ側で実際に次のような典型的なビジネス シナリオがあります。

• まず、消費者企業は、イベント期間中のさまざまな消費者クーポンの消費状況をチェックして、発行されたクーポンの数と使用されたクーポンの数、そしてイベントが実際に実施されているかどうかを確認する必要があります。
• 第二に、これらのクーポンが本当にマーケティングを必要としている人々に送られているかどうかを確認する必要があります。これには、クーポンを受け取った人が予想される会員数と一致しているかどうかを確認し、クーポンを受け取った会員の詳細なリストを確認する必要があります。
• 最後に、消費バウチャー活動が本当に所得を増加させたかどうか、また増加したとすれば所得増加が消費バウチャーとどの程度関連しているかを調査します。

これらのプロセスは、メンバーシップ マーケティングのプロセスで頻繁に発生します。これまでコミュニケーションをとってきた多くのビジネス講師は、第一線から大量のクーポンコード発行データを収集し、それをオフラインで会員情報と相関させて比較し、ビジネスデータシートをエクスポートして、全体をPPTにして、活動内容を整理して報告することが多いと話していました。全体のプロセスは時間がかかり、手間がかかります。

しかし、よく見てみると、これらはビジネス分析に関して BI 製品が支援できる主要なシナリオとして要約できることがわかります。

1. 業務実行後のデータ結果をすぐに確認: この分析コンテンツは、企業自身で作成することも、IT チームの支援を受けて開発することもできますが、実際の状況をすぐに確認できるように全体的に視覚化する必要があります。
2. 必要なデータをすばやく見つける: エンタープライズ レベルのプラットフォームを通じて、標準化され、タイムリーに更新されたビジネス運営データを簡単に取得できます。
3. 事業推進中に遭遇する問題を迅速に調査し、データを通じて答えを見つけ、再び事業推進を支援します。

現時点では、完全なメンバーシップ操作が完了に近づいています。プロセスの最後には、要約とレビューがあります。イベントで設計された「牽引指標」と「サポート指標」を通じて、イベントの価値を通じてメンバーのポートレートを何度もフィードバックし、失われたメンバーとアクティブなメンバーの変化を確認し、メンバー構造を最適化し、徐々に反復して閉ループのメンバー操作分析を完了することができます。

3まとめ: メンバーオペレーションが企業にもたらす価値

会員運営全体の体験ロジックとリンクを振り返ると、会員運営分析は消費者価値を原動力とした内部ビジネス変革であることがわかります。それは、「ヒト・モノのマッチング」と「マーケティングの引き込み」を通じて企業の毛細血管に埋め込まれたビジネスアクションです。最終的には、消費者企業のビジネス管理システム全体に反応し、消費者企業の再成長を促す内生的なエンジンになります。

エンジンの轟音が、消費者に対してより良く、より正確なサービスを提供する同社の能力を前進させ、一方で同社に残されるのは、より現実的でより純粋な会員資産です。

このエンジンが消費者向け小売企業のさらなる発展をサポートしてくれることを願っています。