【第3部】 外部の企業/消費者情報を活用した 顧客/エリア分析手法 株式会社ランドスケイプ Copyright 2012 Giken Shoji International Co., Ltd. All Rights Reserved. 2012.5.18 「限りある顧客を獲得するための実践セミナー」 1 ランドスケイプ 会社概要 日本最大級のデータベースを活用した データベースマーケティング支援会社 商号 設立 資本金 従業員数 本 社 ：株式会社ランドスケイプ ：1990年9月10日 ：466,335,500円 ：120名 ：東京都新宿区西新宿3-20-2 事業内容 ：データベースマーケティングの支援事業 独自構築した日本最大級のデータベース （消費者9,500万件・企業情報750万件）を元にした データベースマーケティング支援とCRM戦略立案 加盟団体 ：米国ダイレクトマーケティング協会（ＤＭＡ） （社）日本ダイレクトメール協会（ＪＤＭＡ） （社）日本テレマーケティング協会（ＪＴＡ） （社）日本通信販売協会（ＪＡＤＭＡ） 東京オペラシティ 15階 2 データベースマーケティングとは データベースマーケティングは、効率の良い 営業を実現する為の手法 営業プロセスの標準化 定量評価 ■スーパー営業マンに頼らない ■営業プロセスを可視化し共有する ターゲットの明確化 ■自社のターゲット市場を定義 ■顧客/見込客/未アプローチを整理 確度の高いターゲットに質の高い営業を 仕掛けること 3 データベースコンテンツ 日本最大級のデータベース 企業情報データベース 消費者データベース ７５０万事業所 約9,500万人 （過去累計９００万件） 4 法人データ特徴① 数の網羅性が高い。 ターゲット市場の母数として考える事ができる 自社の浸透率を把握する事ができる 5 分析イメージ:地域別の見込み企業数、取引企業シェア 分析イメージ②:地域別の見込み企業数、取引企業シェア A LSHIPOL 狭山市 by "見込企業件数" & "取引先件数" 朝霞市 ふじみ野市 さいたま市桜区 八潮市 和光市 清瀬市 足立区 板橋区 武蔵村山市 東村山市 東大和市 北区 東久留米市 葛飾区 練馬区 西東京市 福生市 荒川区 豊島区 小平市 立川市 中野区 昭島市 国分寺市 2 国立市 9.7 18.4 27.1 "取引先件数"日野市 台東区 墨田区 江戸川区 江東区 渋谷区 中央区 環状七号線 首都高速川口線 首都高速板橋足立線 川越街道 荒川区 豊島区 首都高速五号線 環状六号線 中野区 世田谷区 多摩市 目黒区 狛江市 稲城市 川崎市多摩区 川崎市麻生区 川崎市宮前区 町田市 環状五号線 川崎市高津区 中央自動車道 青梅街道 愛甲郡愛川町 大田区 首都高速七号線 営業所01 【見込企業数と取引先企業数のクロス】 江東区 営業所03 中央区 港区 調布市 営業所04 稲城市 川崎市川崎区 20 km 首都高速九号線 首都高速三号線 営業所07 横浜市緑区 千代田区 渋谷区 甲州街道 荒玉水道道路 川崎市幸区 横浜市港北区 相模原市南区 首都高速一号線 首都高速五号線 荒玉水道道路 横浜市青葉区 横浜市都筑区 営業所02 新宿区 環状八号線 相模原市中央区 環状四号線 台東区 首都高速四号線 中央自動車道 品川区 川崎市中原区 墨田区 文京区 五日市街道 浦安市 北区 首都高速板橋足立線 営業所08 港区 調布市 川越街道 環状八号線 千代田区 三鷹市 府中市 足立区 首都高速五号線 青梅街道 新宿区 杉並区 首都高速六号線 板橋区 市川市 文京区 武蔵野市 小金井市 首都高速川口線 中山道 東京外環自動車道 朝霞市 所沢市 羽村市 八王子市 三郷市 鳩ケ谷市 蕨市 新座市 1 草加市 戸田市 西多摩郡瑞穂町 20 川口市 入間郡三芳町 入間市 "見込企業件数" 56 38 さいたま市南区 志木市 市区町村色塗り by "取引企業数シェア" 新座市 和光市 清瀬市 33.3 < 41.7 41.7 < 48.1 東久留米市 48.1 < 50 練馬区 50 < 50 西東京市 50 < 51.2 51.2 < 53.1 武蔵野市 小金井市 53.1 < 55.6 杉並区 55.6 <= 66.7 三鷹市 首都高速一号線 世田谷区 目黒区 狛江市 東名高速道路 川崎市多摩区 営業所06 首都高速十二号線 営業所05 東京湾岸道路 10 km 【市区町村毎の取引シェア】 【営業所テリトリー単位の集計表】 6 法人データ特徴① 法人データ特徴② 多様なセグメントが可能 仮説モデルから導き出したリアルな情報での ターゲットデータの構築が可能に。 7 法人データ特徴③ 企業グループの視覚化が可能 ターゲット企業グループの浸透率把握 新規営業先として攻略しやすいリストの構築が可能に 8 紐付け階層を活用した攻略企業設定例 【統合フロー】 御社指定 顧客データ ① ② 戦略企業 データベース （資本階層 データ） ①：御社指定顧客データに弊社LBCコードを 付与する。＝紐付け階層化される。 ②：御社未保有企業データを弊社LBCより付与 ③：紐付け階層データより、企業攻略に於ける 弊社LBC 【要企業】を抽出。 攻略企業 ③ 日本電気（株） （株）日立製作所 要企業群 （株）日立 東日本 ソリューションズ 鉱研工業（株） 東関東ＴＣＭ（株） 日立建機（株） 既存顧 客 ＴＣＭ（株） 北海道運搬機（株） （株）日立国際電気 日立建機 ファインテック（株） エルピーダメモリ（株） 広島エルピーダ メモリ（株） （株）ＮＥＣ情報 システムズ （株）テラプローブ 日立造船 ハンドリング システム（株） 9 まとめ：GIS内でLBCと顧客データを統合 地図へのデータ取り込み 企業データ （新規・既存） 営業所データ 代理店データ ふじみ野市 狭山市 さいたま市桜区 志木市 さいたま市南区 川口市 草加市 入間郡三芳町 蕨市 入間市 朝霞市 新座市 足立区 板橋区 羽村市 武蔵村山市 東村山市 東大和市 北区 東久留米市 葛飾区 練馬区 西東京市 福生市 荒川区 豊島区 小平市 立川市 八王子市 松戸市 和光市 清瀬市 西多摩郡瑞穂町 企業デ ー タ( ﾎ ﾟ ｲ ﾝ ﾄ ｸﾞﾙｰ ﾌ ﾟ ) by "取引先フ ラ グ" 0 1 八潮市 戸田市 所沢市 地図オー バー レイ 営業所 三郷市 鳩ケ谷市 市川市 中野区 昭島市 国分寺市 武蔵野市 小金井市 新宿区 杉並区 営業所08 営業所09 三鷹市 営業所01 営業所02 江戸川区 千代田区 江東区 渋谷区 府中市 日野市 墨田区 文京区 営業所03 港区 調布市 営業所04 多摩市 営業所06 川崎市多摩区 川崎市麻生区 町田市 川崎市宮前区 横浜市青葉区 営業所05 川崎市高津区 【営業所と企業分布（取引先（青）、見込企業（ピンク）】 相模原市中央区 浦安市 営業所07 狛江市 稲城市 川崎市中原区 大田区 10 まとめ：GIS〒LBC（法人データコンテンツ）で実現できること 市場規模の把握 市場シェアの把握 見込客 ﾃﾞｰﾀ 顧客 ﾃﾞｰﾀ 《営業情報》 見込ﾃﾞｰﾀ項目 見込先ﾃﾞｰﾀ項目 《実績情報》 取引ﾃﾞｰﾀ項目 保守ﾃﾞｰﾀ項目 GIS 内で 統合 未開拓市場の把握 攻略用企業ﾃﾞｰﾀ抽出 見込客情報の共有 競合情報の共有 11 「Geo-Scope」地域特性データベースとは ランドスケイプ 消費者データベース 9,500万件 公的統計調査データ （国勢調査 等） × 個人単位での属性を把握 基本的な統計情報 地域（町丁目）の詳細な特徴を把握 12 「Geo-Scope」地域特性データベースについて 地域特性に着目した顧客分析を行うためのデータコンテンツ 13 “Geo-Scope”から読める地域特性 “Geo-Scope”から読み取れる地域特性の主な項目は以下のようになっています ・ ・ ・ ・ ・ 世帯富裕性 世帯構成 年齢帯 職業 教育水準 ・ ・ ・ ・ ・ 住宅の形態 近隣環境 購買チャネル特性 志向、趣味嗜好 メンバーシップ これら生活の背景となる項目を「町・丁目」、更には「番地」単位に捕らえ られますので、消費者をほぼ“個”に近い単位の地域特性でとらえること が可能となり、いかなる業態・商品サービスに対しても顧客の特定が可 能となります。 14 “Geo-Scope” 町・丁目単位55分類の例 日本全国約17万の大字・丁目は公的調査データ項目によって55種類に分類され、 それぞれその地域の特徴を持ちます。下表はその特徴の一例を表したものです。 更に、この55分類の中がランドスケイプ社の消費者 データベースが保有する属性で細分化されます。 15 “Geo-Scope”のみが保有する地域特性の例 ランドスケイプ社のオリジナルとして他社類似ツールには無い地域特性項目 の例は以下のようになっています。 富裕性 ・ ・ ・ ・ 経営者社長の居住 公的資格専門職の居住 資産家と思われる人の居住 高収入と思われる人の居住 住宅、家族 ・ 一戸建て住宅／集合住 宅 ・ 高齢者の家族 ・ 家族人数 ・ 年齢帯 趣味嗜好 ・ ・ ・ ・ ・ ・ ・ アウトドア・スポーツ ペット 自己啓発 美容・健康 ファッション 財テク ゴルフ 16 Geo-Scopeを活用した顧客浸透率レポート例（地域特性1） 既存顧客の浸透 率（人口に占め る顧客数の割 合）を、GeoScopeコードで集 計することによっ て優良地域が明 確になります。こ の地域に販売促 進の施策を行っ たり、類似する地 域に対して新規 顧客獲得のキャ ンペーンを実施 することにより効 果的なマーケ ティングが可能と なります。 Geo-Scope コード A110 A120 A210 A220 A310 A320 A410 A420 A510 A520 B110 B120 B210 B220 B310 B320 B410 B420 B511 B512 C110 C120 C210 C220 C310 C320 C410 C420 C511 C520 D110 D120 D210 D220 D310 D320 D520 顧客浸透率指数 地域概要 リッチなアーバン・リタイアー夫婦 自宅で事業を営むベテラン裕福家族 都会派円熟ファミリー 豊かなシニア 第一線活躍ファミリー１ 第一線活躍ファミリー２ 独身貴族 社会人スターター独身リッチ 都会派家族 平均的裕福生活者 リタイアー・シングル 事業家高齢者ファミリー 団塊サラリーマン 団塊事業者 ホワイトカラー 企業戦士 裕福な社会人スターター 社会人ビギナー 平均的中流の上家族都心派 平均的中流の上家族郊外派 シティーリタイアー 地方派シニア家族 熟年ブルーカラー 地方派自営者 ワーキングファミリー 平均的サラリーマン 都心で独り暮らし シティスターター 生活便利派 肉体労働自活者 都市型年金生活者 農村生活ビッグファミリー 団塊サラリーマン 団塊ワーカー 都市型給与生活親子 田園生活三世代家族 典型的田舎型生活大家族 顧客浸透率が全国平 均の3倍以上高い地域 顧客浸透率が全国平 均の半分程度の地域 0 50 100（ 平均） 200（ 2 倍） 300（ 3 倍） 17 Geo-Scopeを活用した顧客浸透率レポート例（地域特性２） 属性 カテゴリー 1.20歳-29歳 2.30歳-49歳 a.年齢帯 3.50歳-64歳 4.65歳以上 5.混在 1.高 2.中高 b.収入 3.中 4.中低 5.低 1.住宅地域 2.商業地域 3.事務所地域 c.近隣環境 4.工業・その他地域 5.田園・脳漁村・山間地域 6.その他住宅地以外 20.0 18.0 16.0 14.0 12.0 10.0 8.0 6.0 4.0 2.0 0.0 スコア 2.8958 3.3125 2.4792 1.2562 0.0000 7.2145 8.2543 18.0000 9.0000 6.2154 5.0000 10.0000 3.3333 7.1458 5.1547 3.1248 重要度 Geo-Scopeコード55分類の付加によって 割り出された浸透率ランクをもとに、①浸 透率への影響の高い属性（重要度）およ び、②浸透率の高いカテゴリー（スコア）を 把握することが可能になります。 17.11 48.65 34.24 60 18.0000 48.65 50 40 34.24 7.2145 17.11 2.8958 30 7.1458 6.2154 3.3125 2.30歳49歳 3.3333 2.4792 3.50歳64歳 a.年齢帯 4.65歳 以上 20 5.1547 5.0000 1.2562 1.20歳29歳 10.0000 9.0000 8.2543 3.1248 0.0000 5.混在 10 0 1.高 2.中高 3.中 4.中低 b.収入 浸透率スコア 5.低 1.住宅 地域 2.商業 地域 3.事務所 4.工業・そ 5.田園・ 6.その他 地域 の他地域 脳漁村・ 住宅地 山間地域 以外 c.近隣環境 重要度 18 Geo-Scopeを活用した顧客浸透率レポート例（地域特性３） 分析対象の顧客の属性傾向を分析し、自社顧客のモデルを構築 19 参考 富裕層データベース（ビリオネア）分布図 推計資産10億円以上を保有している消費者の分布(東京都） 都心部に多い傾向があるが、分散している 顧客分析事例 ラグジュアリーブランド企業様より、自社顧客モデル化分析＋活用事例 目的 来店回数アップ＋休眠顧客の掘り起こし 課題 POS情報に基づいたRFM分析のみで顧客をセグメント化して おり、セグメント指標が常に同じであることが課題となってい た。 施策 Geo-scopeより、富裕層、年齢、性別、趣味・嗜好などの属 性情報を付与し、優良顧客と類似属性を保有する顧客（潜在 的優良顧客）を特定。再来店を促すプロモーションを展開。 （顧客満足度調査やハイシーズン時のDMに併せて。） 効果 ターゲット顧客群の来店回数20％UP（前年当月比） * 事例は過去の実績に基づいておりますが、同様の成果を保証するものではありません。 21 顧客分析事例 プライベートバンキング部門様より、自社富裕層データ分析 Business Case：ラグジュアリブランド 目的 自行で把握していない富裕層を特定、エリアマーケティングに活かしたい 課題 預金残高を中心に、顧客セグメント行っていた。他行で預金残高 の高い（潜在優良見込み顧客）方は、特定する事がしづらい為、 機会損失が生じているのでは？ 弊社消費者データベースより、富裕層属性を付与し、以下の３顧客群を構築。 ・自社顧客であり、かつ富裕層である方。 施策 ・自社顧客であり、潜在優良顧客である方（弊社にて富裕層と特定できた 方。） ・自社未保有富裕層である方。（訪問、ダイレクトポスティング展開。） 効果 金融セミナー来場、預金残高向上、投資信託への展開 * 事例は過去の実績に基づいておりますが、同様の成果を保証するものではありません。 22 顧客分析事例 航空関連会社による自社会員組織を活用した ビジネス収益向上の為の顧客分析 目的 自社会員組織データの活用 課題 自社会員組織に対して、他社商品の案内や通販などを展開 していたが、自社会員である為に、セグメント項目が少ない。 DMのレスポンスが芳しくなく、クライアントからももっとピンポ イントに案内ができないかと要望されている。 施策 Geo-scopeより、富裕層、年齢、性別、趣味・嗜好などの属 性情報を付与し、ターゲットを選ぶときのセグメントを１０項目 以上追加。 効果 前年より、自社データ活用企業が１２％増加した。 * 事例は過去の実績に基づいておりますが、同様の成果を保証するものではありません。 23 まとめ ■ ＧＩＳを用いて実績データを的確に把握 –空間的な集計機能を用いて、エリア実績を作成し、 客観的事実を共通事項として認識する。 ■ 市場規模、投入戦力との比較 –市場状況を的確に把握し、戦略策定の材料とする。 ■ 戦力を投入し、「取る」エリアを選定 –自社戦力に見合った地域への集中と選択 24 データは企業の命運を握る 戦略の根源である ご清聴ありがとうございました 25 25
© Copyright 2024 Paperzz
