■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
実践データベースマーケティング（第８号）
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
『実践データベースマーケティング』第８号をお届けします。
発行者の岩瀬です。毎号お付き合いいただきまして、本当にありがとう
ございます。
ここでご了承いただきたいことがあります。私のご紹介している内容
は、この１０年程独学で研究してきたものです。私自身、マーケティン
グや経済学・統計学・コンピューティングなどの教育を受けたことは
ありません。学生時代は地質学を専攻していました。社会人になって
事業を立ち上げるために、必要に迫られてやって来たことです。
ですから学術的なスタンダードとは言えない部分があります。例えば、
サービスの品質管理やＲＦＭにしても米国のＤＭＡの種本には則してい
ません。実際に自分でやって来たことをご報告しています。損益分岐点
到達時間や収穫逓減の法則・ＰＰＭ・ＰＥＲＴさえ知りませんでした。
すでに昔からある理論だと分かったのは実はかなり後のことなのです。
不勉強で申し訳ありませんが、当時は独創だと思い込んで天狗になって
いました。
ご了承いただきたいのは、このメールマガジン自体が私見であるという
ことです。片手落ちの部分も多々あると思いますし、世間にはもっと素
晴らしい方法論が沢山あるだろうと思います。ですからスタンダードな
ものとは考えないでいただきたいのです。
●○ 目次 ●○●○●○●○●○●○●○●○●○●○●○●○●○
１．分析手法の研究
１．１．顧客に関するもの
１．２．商品に関するもの
１．３．販売ルートに関するもの
２．受注予測の実務
２．０．予測の手順
２．１．予測活動の全体設計
２．２．多面的な予測値の作成
２．３．残差分析
２．４．知恵の融合
２．５．リスク分析
２．６．予測の活用
【今週のキーワード】：ビジネスへの活用
【今週のお勧め書籍】：危機管理のノウハウPART1（佐々淳行氏）
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○
さて先週、『興味のある分野を教えてください』というお願いをしまし
た。何人かの方からメールをいただきました。本当にありがとうござい
ました。その結果は、
●分析手法の紹介
●事例の紹介
の２分野でした。事例につきましては公表できない部分もありますの
で、確認を取りながら追い追いご紹介させてください。すでに公表され
ている部分につきましては折り混ぜて行きたいと思います。
そこで今週は分析手法の考え方と、特に受注予測手法についてご紹介し
たいと思います。
１．分析手法の研究
＝＝＝＝＝＝＝＝＝
ＤＢＭでは明細データの分析を行ないます。分析手法自体は一般的な
ものとそんなに違いはないと思っているのですが、活用のしかたは偏っ
ているかも知れません。あらかじめご了承ください。
１．１．顧客に関するもの
＝＝＝＝＝＝＝＝＝＝＝＝
顧客に関するものとは言っても顧客マスタだけで分析をすることは出来
ません。顧客の行動のルールや次の行動を予測するのが目的ですから、
行動の事実データを使う場合が圧倒的に多いものです。そして変化を
読み取ることが大切だと思います。例として
●受注予測（需要・受注など織り交ぜて）
●継続注文分析（継続率・ＬＴＶ）
●キャシュフロー分析（注文時期）
●購買と属性や過去の行動の関係（ビジネスルールの発見）
●地域メッシュでのシェア率（限界効用や強み弱み分析）
●顧客シェア率（戦略顧客の特定や競合戦略）
●重要度−満足度分析（資源配分の指標作り）
●顧客のクラスター分析（判別要因の抽出や育成モデルの作成）
●購入に至るディシジョンツリー（いわゆるマイニングの世界）
●イベント−購入の影響度分析（個別対応のトリガー抽出）
●前回対応と次回購入の影響度分析（サービスの効果測定）
などがあります。受注予測は顧客側からも商品側からもアプローチが
あります。今回は受注予測について少しお話ししたいと思います。
さて、顧客側から見た予測としては階層別予測が一番ベーシックでしょ
う。お客様を購買特性からいくつかのグループに分割します。例えば、
−−−−−−−−−−−−−−−−−−−−−−−−−−−
計算式： 該当人数 × 予測注文発生率 × 予測単価
−−−−−−−−−−−−−−−−−−−−−−−−−−−
●優良顧客 ：２００人×３０％×４万円＝２４０万円
●継続顧客 ： 千人×１５％×３万円＝４５０万円
●新規取り引き客：２００人×１０％×２万円＝ ４０万円
●見込み客 ： ２千人× ５％×１万円＝１００万円
−−−−−−−−−−−−−−−−−−−−−−−−−−−
合計 ：３，４００人 ８３０万円
というようなグループです。あるいは法人・個人などの区別かも知れま
せん。人数×予測注文率×予測単価で金額を予測します。これも持論で
すが、まずは理想的な構造を考えてデータで検証しながら修正していく
必要があると思います。理想のモデルがあれば、必要な代替データの
収集やデータ変換の生産性が高いからです。このようなグループ毎に
購買実績の平均がほぼ予測できるようであれば、グループ毎の予測を
積み上げる訳です。予測が安定し易いグループ分けを見つけることが
大切です。
この他には個人別に受注金額と注文をいただける確率を計算して、積み
上げる方法もあります。個人別データで注文の判別分析をしたり、金額
の予測をします。細かくすれば当たるという訳でもありませんが、安定
し易い部分に分けて考えるところから始めるべきでしょう。実はあまり
細かくすると誤差の積み重ねを生んでしまいます。そうかと言って大括
りではデータ分布が一定しません。総合的な判断が求められるのだと
思います。
１．２．商品に関するもの
＝＝＝＝＝＝＝＝＝＝＝＝
商品に関するものも明細データから観察する場合の方が多くなります。
ただし顧客とは違って品ぞろえなど単体で分析出来るものも沢山ありま
す。例として、
●受注予測・需要予測
●ＰＰＭ分析（金額貢献と関係作りの貢献度）
●交差主義比率（何が儲かる商品なのか）
●ＡＢＣＺ分析（成長率とシェア率で対処法をルール化）
●併買分析（一緒に買われるものにはどんな特徴があるか）
●商品と顧客の主成分分析（位置関係の把握）
●回遊分析（前回購入商品との相関調査）
●ベイジアンアプローチ（選択要因の重み付け調査）
●商品拡大の限界点分析（限界効用の把握と最適化計画）
●価格弾性力調査（価格の可変範囲や商品群と個別商品の関係）
商品側からの場合も予測を見てみましょう。売り出す前の予測もあれ
ば、実際に売り始めてからの予測もあります。今回は初期の反応で予測
する場合を考えてみましょう。受注曲線の予測ということになります。
受注曲線の予測にも色々なものがありますが、まずは全体の進捗率から
考える場合があります。店舗や媒体としての総額予測から商品別に落と
す場合です。
−−−−−−−−−−−−−−−−−−−−−−−
計算式： 実績 ÷ 進捗率 × 増減率
−−−−−−−−−−−−−−−−−−−−−−−
●商品Ａ： ６万円÷５％×１２０％＝１４４万円
●商品Ｂ：１２万円÷５％× ８０％＝１９２万円
●商品Ｃ： ４万円÷５％×１５０％＝１２０万円
●商品Ｄ：２０万円÷５％× ９５％＝３８０万円
−−−−−−−−−−−−−−−−−−−−−−−
合計 ：４２万円 ８３６万円
進捗が５％時点での金額というのを考えてみます。５％の進捗というの
が確立している訳ではありませんが、一つの方法として全体予測からの
割り返しを考えてみましょう。他の予測から考えて現在が進捗５％だと
します。実は進捗率を考えるための方法も別途あるのですが、また別の
機会にご紹介します。この時に商品毎の実績を進捗で割り返せば、個別
の予測が出来ます。
ただし商品によって先に波の来るものと、後から注文が噴くものがあり
ます。これは受注曲線のパターンになります。流行物は早めに波が来ま
すし、ベーシックな商品は最後まで平均的に注文が来ます。季節性や
ライバル商品との比較もあります。波を特定するのはパターン認識の
ようなものです。平均よりも後半の比重が大きければ、１２０％、
３００％などというパターンを代入します。これには過去の似た商品を
探す技術が必要になります。
あるいは進捗率まで含めて受注カーブ自体を予測することも出来ます。
クラスター化分析で受注カーブのグループを特定する方法もあります。
フラクタル（相似系）を使ったＮＮ法も使えます。あるいはＡＢＣＺ分
析のように成長率を使って分類する方法もあるでしょう。成長率はそれ
だけで大きな分野ですので、また回を改めてご紹介したいと思います。
１．３．販売ルートに関するもの
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
販売ルートに関する分析も色々な分野で行われています。店舗などの
エリア分析やレスポンス広告での媒体分析がそれです。
●受注予測
●広告の影響力調査（自己回帰による影響期間の調査なども）
●外部要因調査（気温・競合情報などの影響力調査）
●成長曲線の調査（非線形方程式での限界効用調査）
●特殊傾向の抽出（成功事例・失敗事例の追求）
●エリア別強み弱みの抽出（戦略地域や戦略時期・競合対策の特定）
●商圏シェア率分析（同上）
ここでも受注予測があります。販売ルート（あるいは媒体）の過去の
実績があれば、時系列で波を予測する方法があります。まったくの
ダミーデータですが、例としては次のような推移を見てみましょう。
−−−−−−−−−−−−−−−−−−−−−−−−−−−
時期 ｜実績 ｜物価指数｜物価調整｜季節調整｜調整後
−−−−−−−−−−−−−−−−−−−−−−−−−−−
９６春夏｜８６９｜１００％｜ ８６９｜１０８％｜８０５
９６秋冬｜７２４｜ ９８％｜ ７３９｜ ９２％｜８０３
９７春夏｜８８１｜１０２％｜ ８６４｜１０８％｜８００
９７秋冬｜７０３｜ ９６％｜ ７３２｜ ９２％｜７９６
９８春夏｜８４６｜ ９９％｜ ８５５｜１０８％｜７９２
９８秋冬｜７２４｜１００％｜ ７２４｜ ９２％｜７８７
−−−−−−−−−−−−−−−−−−−−−−−−−−−
９９春夏｜８３６｜ ９９％｜ ８４５｜１０８％｜７８２
今までの推移から９９年春夏の予測をするとしましょう。時系列で見る
場合には元データを調整することから始まります。調整の方法には色々
なものがあります。分析前に単位の意味をなくすとか、理屈に合うよう
に対数や逆数を使うということがあります。今回は時系列に注目するこ
とにします。時系列で考えられるのは、
●物価指数
●季節調整
●業界の成長曲線
●イベント影響
などです。大きな変化の中で、更に企業独特のトレンドがあると考えれ
ば良いと思います。まずは企業の特徴ではない変化を差し引いて、企業
独特のトレンドを見てみましょう。
普通に業績を量る場合には金額で量りますが、物価による変動を差し
引いてみます。物価指数についても公的なものを使うのか自前のものを
作るのかという問題はあります。まず物価指数で割り返しておきます。
表では９６春夏を１００％として考えています。（これはまったくの
ダミーデータです。）その上で季節調整をします。季節によって強い
弱いの特性があります。季節平均と全体平均を比較して、強弱を量って
みる訳です。季節による平均の変化で更に割り返しておきます。こうし
て見ると最初のデータに比べて一定の法則性を見つけることが出来る
場合があります。これが純粋な企業特徴になって来る訳です。
調整したデータを予測するのであれば、市販の本に出ている方法が使え
ると思います。重回帰でも良いし、自己回帰・指数平滑・ＮＮ法・数量
化１類・移動平均などなど。ここで作った予測を調整と逆のステップで
現在の金額基準に戻す訳です。
まずはこんな方法を試してみるべきだと思います。その上でシェア率を
予測するモデルや複数の波の合計として求めるモデルなど幅を広げると
良いのではないでしょうか。
２．受注予測の実務
＝＝＝＝＝＝＝＝＝
分析手法を羅列しながら、予測手法を簡単にご紹介しました。私はここ
までのことは予測の準備でしかないと思っています。いくつかの予測手
法で基礎数値を出した後、まだ段階を踏む必要があります。理論だけで
なく、予測実務についても少しご紹介しておきたいと思います。
２．０．予測の手順
＝＝＝＝＝＝＝＝＝
予測というのは算術的なものです。しかし私たちが予測をするのは、的
中率を競うためではない筈です。あくまでも無駄なコストを発生させな
い、ひいてはお客様に負担をかけないということだと思います。最終的
に予測が当たったとしても生産ロットが小さくなり過ぎては割高になっ
てしまいます。トータルで生産性をあげることが目的であって、そのた
めの手段の一つが予測である訳です。これは重要なことだと思います。
予測は目的でなく手段なのです。
その予測にしても実用には手順があると思っています。
●予測活動の全体設計
●多面的な予測値の作成
●残差分析
●知恵の融合
●リスク分析
●予測の活用
以上のような段取りが必要になると思っています。もっと細かいことを
言えば、目標値の設定や評価の方法・モチベーションを持ってもらうた
めの施策・当事者意識の醸成など話しが大きくなりすぎてしまいます。
ただ実際の人と人との共働の場には必要不可決なことです。また回を
改めて、お話しさせてください。それでは一つずつ意味だけお話しさせ
ていただきます。
２．１．予測活動の全体設計
＝＝＝＝＝＝＝＝＝＝＝＝＝
業界や企業によって強み弱みがあります。強みは徹底的に生かすべきで
すし、それが永続的なものかどうか検証していく必要があります。商品
の手配を考えてみれば、生産をするのか・在庫を持つのか・受発注なの
かによって考え方はまるで違います。また仕掛かりのリスクは大きいの
か・生産期間はどの程度か・保管のコストはどうか・陳腐化などの程度
によって、また判断が変わります。それ以上に余った場合の処分方法が
あるかどうかとか、受注時期は集中するのかどうかということが判断の
大きな要因です。
大きく判断して、どの時点で予測を当てなければいけないのか・どの
程度当てなければいけないのかということを明確にします。また予測に
ついての条件などを考えます。ミニマムが分かれば良いのか・誤差範囲
が分かれば良いのか・どの位の期間は売り抜けられるかというようなこ
とです。あるいは他の製品と抱き合わせで、生産ラインをコントロール
出来るかということも考えます。代替商品まで考慮に入れる必要がある
でしょう。
こういった考え方の上で予測の位置付けが決まってくる訳です。結果と
して予測が当たっても本当に利益になるとは限りません。時間や契約条
件がついて回るからです。まずは予測精度の前に、どう使うかという
グランドデザインが必要だと思います。
２．２．多面的な予測値の作成
＝＝＝＝＝＝＝＝＝＝＝＝＝＝
予測は当たりません。もしもほとんど当たるようになれば、すでに予測
とは呼ばれなくなります。あきらめましょうと言っている訳ではないの
です。元々当たらないと覚悟した上で、どう使うかに知恵を使う必要が
あると思うのです。
予測手法を予測にしか使わないのはもったいないことです。予測の段階
では原因−結果や相似系など副産物が生まれます。副産物まで使わない
のは贅沢というものです。こんな商品が売れるらしいとか、このジャン
ルはまだ伸びるらしいとかです。予測は予測値算出で終わるのではな
く、そこから始まるものなのです。
まずはいくつもの予測手法で調べてみて、色々な角度から理解を深める
ことだと思います。色々なものを比較検討することで本当の実力が作ら
れます。そういう意味では初めに精度を高めてしまうと、研究分野が
狭められてチャンスを逃がしているような気もします。
２．３．残差分析
＝＝＝＝＝＝＝＝
予測するには予測式を作ります。ここからが醍醐味です。予測式を過去
の事例に当てはめて誤差を調べてみます。誤差に何か特性がないかどう
か調べていくのです。時間とともに誤差が大きくなるようならば、トレ
ンド（時系列の）要因が足りないと考えます。あるいは大きな誤差のあ
る時期には特別なビジネスルールが隠れている可能性が大きいと考えま
す。そのルールを解き明かせば、売れる方法や無駄なコストが分かる訳
です。また特売などで元々データにフィルタがかかっていることを疑っ
てみます。これだけでも大きな価値があると思いませんか？当たらない
予測にも大きな価値が隠れているかも知れないのです。
勿論、残差分析の結果を使って再度予測式を変更していきます。あるい
はデータ収集にまで遡る必要があるかも知れません。
２．４．知恵の融合
＝＝＝＝＝＝＝＝＝
いくつかの予測モデルが出来たら比較をしてみます。奇麗なモデルで
予測をする必要はないのです。複数の予測から最終的に使える予測を
作り出せば良いのです。ミニマムを重視したり、誤差範囲を考えたり、
予測の時期を考えたりと、組み合わせて使えば良い訳です。ミニマム
で商品を確保して、最短で欠品が出る時期を予測する方法もあります。
ミニマムで商品を確保した上で、それを超えた場合の特別な契約をして
おくこともあるでしょう。予測手法によって重み付けをして、加重平均
をする場合もあります。
方法に囚われずに、目的達成のために道具を自由に使いこなさねばなり
ません。それこそが知恵になって行きます。私たちが欲しいのは知識で
はなく、知恵です。実際に使えるものが一番大事なのだと思います。
２．５．リスク分析
＝＝＝＝＝＝＝＝＝
私はビジネスは一戦で決まるとは思っていません。戦闘に負けても戦争
に勝てば良いのです。再起不能な負けや、負けがこんでいく勝負をして
はいけないと思います。常に再起をかけられる状態におくこと、ある
スパンでは勝っていることが重要だと思います。
そのためにはリスクを分析して、致命的なダメージを被らないようにす
る必要があります。予測には、予測値と一緒に誤差範囲や的中率・損害
の試算が必要です。初めから当たらないものだと思えば、使い方こそ
重要なノウハウになっていくのです。
２．６．予測の活用
＝＝＝＝＝＝＝＝＝
実際の活用シーンでは、予測以外にリスクの把握やそれを使った場合の
シミュレーションが必要になります。具体的には最悪外れた場合の措置
とか、外れるかどうかをどの時点でチェック出来るかなどの問題です。
予測・誤差範囲・修正可能時期・最悪の場合の措置などを考慮して、
実際の対応を決めて行きます。こういう意味で予測の目的は当てること
ではないと言うことが出来るのです。予測値自体と的中確率、そして
誤差範囲などを考えなければならないのです。更にどの時点になれば、
予測の精度が上がるのかとか、次回に使えるようにデータを残す工夫も
必要になります。
予測が外れた場合の意思決定や指示の出し方も、あらかじめ設計してお
かなければならないでしょう。とるべき手段や意思決定が必要になる
時期なども考慮されていれば素晴らしいと思います。
今回は予測に着目していくつかのお話しをしました。これはあくまで私
の考え方であって、一つの立論に過ぎません。急ぎ足でのご紹介でした
ので内容に飛躍もあると思います。また機会を見て補足させて下さい。
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○
【今週のキーワード】：ビジネスへの活用
情報を知識にし知恵に変えてビジネスに活用できるようになります。
そのためには、
●情報収集の技術（データの扱い方やコンピューティング・人脈など）
●分析の技術（目標設定や解析技法・問題解決技法など）
●解釈の技術（未来を土俵にした考え方・変化の捉え方など）
●計画立案の技術（シミュレーションやリスク分析など）
●情報のやり取りの技術（情報伝達やプレゼンテーション技術など）
●共働のための技術（モチベーションや評価方法など）
が必要になると思います。これらがバランス良く行なわれて、ビジネス
が動いていくのだと思うのです。そんなグランドデザインの中で自分が
注力すべき部分は何なのかを考えたいと思っています。
【今週のお勧め書籍】：危機管理のノウハウPART1（佐々淳行氏）
内閣安全保障室の初代室長をされた佐々氏の著書です。シミュレーショ
ンや計画遂行には不可欠の内容だと思います。データベースマーケティ
ングでも考え方は全く同じでしょう。悲観的に準備し、楽観的に実施せ
よという教訓は頭を離れません。『八甲田山死の彷徨』（新田次郎氏）
は事例としてお勧めです。
ホームページでは、このように併読や比較のお勧めをしています。是非
一度ご覧ください。あなたのお勧めも教えてくださいね。
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○
さて、分析手法ということで予測について私の考えをご紹介しました。
分析手法自体のお話しと、実際にビジネスに活用するお話しがあったと
思います。あと何回か分析手法のお話しをさせていただきたいと思いま
すが、どちらに重点を置くのがご参考になるでしょうか。
●分析手法自体のご紹介
●分析結果をビジネスに活用する方法のご紹介
あなたのご意見・ご感想をお聞かせください。お問い合わせなどは
今後、メーリングリストでお寄せいただければ幸いです。よろしく
お願い申し上げます。
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
発行人／編集人：岩瀬 理（Osamu Iwase）