週末に「ブレイキング・バッド」などの動画配信シリーズを一気見したことがある人なら、そうした人は自分だけではないと安心できるだろう。人口のかなりの部分が、デジタル製品やサービスを「かたまり」のようなパターンで消費している。長い休止期間の後に、短期間の集中的な購入が続くパターンだ。
マーケターがこのことに気づけば――それを追跡するデータはすでに手元にある――新たなデジタル行動の豊かな鉱脈を掘り当てられるかもしれない、とウォートン校のマーケティング教授エリック・ブラッドローは言う。顧客価値を測る基本指標として、何十年もの間、RFMセグメンテーション（直近性、頻度、金銭的価値）が使われてきたと指摘する。「私の研究は……それだけでは顧客を完全には特徴づけられないと言っています」と彼は付け加える。もう1文字が必要だ。「それを『C』と呼んでいます。clumpiness（かたまり度）を表します」。ブラッドローは、クレディ・スイスのアソシエイト、ヤオ・チャン、ウォートン校の統計学教授、ディラン・スモールと共著した研究論文「発生データにおけるかたまり度の新たな測定法」に基づき、この概念をKnowledge@Whartonのインタビューで説明している。
顧客データにおける「かたまり度」とは何か、そしてなぜ重要なのか：
マーケティングや顧客価値評価の分野で最も確立された手法の一つは、RFMセグメンテーション、つまり直近性、頻度、金銭的価値を使って顧客を要約することです。顧客について知っていることをすべて使い、3つの簡単な数値だけを算出します。最後に購入したのはいつか。どのくらいの頻度で購入するか。そして購入時にいくら使うか……。ほとんどの企業が、誰が価値のある顧客で誰がそうでないかを判断する基礎になっています。
私の研究は……それだけでは顧客を完全には特徴づけられないと言っています。RFMにもう1文字を加える必要があり、それを「C」と呼んでいます。clumpiness（かたまり度）です。Twitter かたまり度とは、顧客の中には規則的なパターンで購入する人もいる、ということです。歴史的には、オレンジジュースやおむつなどを規則的なパターンで購入していました。しかし、かたまり度が指すのは、人々が集中して購入するという事実です。そうした集中期間は、顧客についてまったく異なる何かを示しており、その顧客は非常に価値が高い可能性があります。
重要なポイント：
私の研究の重要なポイントは、とてもシンプルです。将来、誰が価値のある顧客になるかを予測したいとしましょう。その予測に使えるものが4つあります。先ほど述べた直近性、頻度、金銭的価値、そして顧客へのマーケティング支出です。企業がスコアリングモデルと呼ばれるものを構築する際の従来の方法です。私が主張しているのは、もう1つ数値を加える必要があるということです。それがC、つまり顧客のかたまり度です。R、F、Mを算出するより難しいことはありません。Excelでできます。算出はとても迅速です。文字どおり1億人の顧客について、1秒で算出できます。
集中期間は、顧客についてまったく異なる何かを示しており、その顧客は非常に価値が高い可能性があります。
また、私の研究結果は、かたまり度の高い顧客は、標本外、つまり将来の価値においても、RFMとマーケティング支出を統制した後でなお価値が高いことを示唆しています。つまり、企業が顧客について追跡し、将来の価値を予測するために使うべき別の変数を見つけたのです。
最も意外だった結論：
結論について意外だったことは2つあります。1つ目は、長い間存在し、多くの企業に使われてきたこのRFMベースのセグメンテーションが、顧客価値の説明に役立つ、ほかの単純な指標はないという意味で検証済みなのだと思い込んでいたことです。高度なウェブスクレイピングや、さまざまな変数の構築はできますが、かたまり度はとてもシンプルです。
まず、これが見落とされていたことに驚きました。つまり、活発な時期と低調な時期が顧客について何かを示すということです。2つ目に驚いたのは、少なくとも私が分析したデータセットでは、デジタルやオンラインの消費財には当てはまる一方、一般的な消費財には当てはまらないことです。言い換えると、従来のモデルがうまく適合していた理由は理解できます。トイレットペーパーは規則的なパターンで買い、オレンジジュースも規則的なパターンで買います。しかし、Huluを規則的なパターンで視聴するわけではありません。eBayで規則的なパターンで入札するわけでも、Amazonで規則的なパターンで本を買うわけでもありません。
従来から購入されている商品を見ると、かたまり度は実際には見られません。しかし、新しい波、新しい経済を見ると、私が分析したすべてのデータセットにかたまり度が広く存在します。
実務的な意味合い：
私が……20年のキャリアで行ってきた研究の中で、これはおそらく最も実務的なものです。私の仕事は、私が「高度で複雑な統計モデリング」と呼ぶものになりがちです。しかし、これは統計モデリングの話ではありません。企業が今日実際に算出できる、かたまり度という数値の話です。追加のデータを集める必要はありません。R、F、Mや顧客生涯価値の算出に使っているのと同じデータです。そして、顧客価値の予測にどれだけ役立つかを把握できます。顧客の順位付けは変わるでしょう。再獲得する価値のある顧客についての判断も変わります。顧客が離反したとしましょう。再獲得する価値があるのは誰でしょうか。
私の主張は、離反していても、かたまり度の高い顧客こそ再獲得すべきだということです。再獲得すれば戻ってきて、再びかたまり度の高い行動を取り、将来さまざまなことをたくさん行うでしょう。ですから、実務的価値は非常に大きいと思います。そして、素晴らしいのは、私のウェブサイトに行けば、例を解いたExcelシートがあることです。ダウンロードして、今日からかたまり度を使い始められるExcelシートを実際に用意しています。
研究を踏まえ、どのような新しい規則、手続きの変更、または戦略を提案しますか。
今日、多くの人がビッグデータについて話しています。ビッグデータは好きですが、それ以上に好きなのはデータ圧縮です。データ圧縮とは、人々について何千もの変数を集められるようになったということです。居場所を追跡し、何を買ったか、どのウェブページを見たかを追跡できます。しかし、それは科学ではありません。データ収集です。問題は、その情報のうち、目の前のビジネス課題に実際に役立つのはどれかということです。それを私はデータ圧縮と呼んでいます。
ですから、かたまり度は、RFMやマーケティング活動などの従来の変数に加わるもの、いわばデータ圧縮の強化だと捉えています。もう少し多くのデータを保持する必要がある、と言っているだけです。3つの数値にまで圧縮することはできません。4つに圧縮する必要があります。
私はかたまり度について多くの研究をしてきており、業界を超えて存在することを知っています。予測に役立つことも分かっています。分からないのは、その原因です……。マーケティング活動とかたまり度の関連性は調べました。企業はメールを送ったり、カタログを送ったり、ターゲティングをしたりして、人々の行動をかたまり状にしようと試みることができます。
しかし、かたまり度が存在すると分かったうえで、企業がどのようにターゲティングすべきか、その最適な方法はまだ研究していません。たとえば、シリーズ作品なら、よりかたまり状にコンテンツを消費するのでしょうか。「ブレイキング・バッド」や「マッドメン」などを見ることを想像してみてください。あるいは、企業として、フェイシャルケア製品や保湿製品など一連の商品を売ろうとしていると想像してください。商品をまとめて、人々が目標に向かって進んでいるように見せるべきでしょうか。
従来から購入されている商品を見ると、かたまり度は実際には見られません。しかし、新しい波、新しい経済を見ると、私が分析したすべてのデータセットにかたまり度が広く存在します。
つまり……数学的にどう算出するかは分かっています。企業が簡単に実行できることも分かっています。予測力があることも分かっています。しかし、まだ分からないのは、なぜそうなるのかという心理です。そのため今、消費者心理を専門とする同僚たちと協力しています。人々がなぜかたまり状に行動するのか、その根底にある心理を明らかにするため、研究室で行動実験をたくさん始める予定です。
「かたまり状」と「一気に消費する」
私は「かたまり度」という言葉が好きです。「一気に消費する」という言葉を好む人もいます。かたまり度が好きな理由は、その反対、つまり非かたまり状という概念を指せるからです。これは到着や購入がほぼ等間隔で起きる状態です。かたまり度についての記事を見た記憶はありませんが、人々がコンテンツを一気見したり、何かを一気に消費したりする話――「学生が18時間起きてこれを見続けた」など――を見れば、どれも当てはまります。この概念は非常に広く見られます。経営者、学生、研究者に話すたび、誰もがそれは存在すると考えています。
誤解を解く：
私の研究は、ある意味で、顧客は単純な数値の組み合わせだけで分類できるという考えを払拭します。それを少し超える必要があります。人々の行動について、私が単純な理論と呼ぶものも少し超える必要があります。直近性、頻度、金銭的価値という、消費者行動の歴史的な基礎を見ると、いわゆる到着間隔を基本的に無視しています。すべてのデータ――たとえば2日間隔、その次に4日間隔、その次に3日間隔、さらに6日間隔――を捨てて、最後に来たのはいつか、何回来たかだけ分かればよい、という考え方です。」
この研究が払拭するのは、人々の到着パターンは情報を持たないという考えです。実際には、多くの情報を含んでいます。集中して来て、しばらく離れ、また集中して来て、再び離れる人々……そうした人々は根本的に異なります。私自身、かたまり状の人と、そうでない人がいると考えています。
また、商品カテゴリーによって違いがあることも示しました。たとえば、女性は男性よりかたまり度が高い傾向にあることが分かりました。若い人は年配の人より、消費におけるかたまり度が高い傾向にあることも分かりました。ですから、払拭する神話の一つは、人々は皆平等に生まれているだけでなく、すべての人を単純な方法で特定のタイプに分類できるという考えだと思います。
この研究の独自性：
「隠れマルコフモデル」と呼ばれる数学的モデルの一群があります。50年前から存在しますが、過去10年間で広く知られるようになりました……。世界には2つの状態があると想像してください。好調な状態と低調な状態があり、交互に移り変わります。この数学モデルが、かたまり度です。好調なときは多くのことを行い、低調なときは行いません。好調、低調、好調、低調……。私が目指したのは、実務家が簡単な数値を算出できる方法を提供することでした。統計量です。これは統計学の論文ではありません。数値、つまり私たちが統計量と呼ぶものについての論文です。
数値を算出して、あとは好きなように使えばよいのです。顧客価値の予測に使うこともできます。男性と女性のどちらがかたまり度が高いかを調べるのにも使えます。人々をセグメント化するのにも使えます。この研究を特徴づけ、独自のものにしているのは、実務家が使えるシンプルな指標ベースの手法だという点です。高度なモデルベースの手法ではありません。ただし、どちらも同じ問題に取り組んでいます。
私が行っているのは、象牙の塔の数学ではありません。誰でも算出できる単純な数値です。
「かたまり度」の活用例：
これまで、かたまり度の高い顧客に働きかける方法として、メール、カタログ、さまざまなマーケティングチャネルの効果を調べてきました。予想どおり、メールは短期的な効果がより大きく、カタログはより長期的な効果があることが分かりました。
まだ本当に理解できていないのは、メールやカタログ、動画キャンペーンの中に、人々を引きつけ、あるいは人々の行動をよりかたまり状にする言葉があるのかどうかです。よりかたまり度の高い話題や、必然的にかたまり度が高くなる商品カテゴリーはあるのでしょうか。これまでに行ったのは、この現象が存在すると示すことだけです。多くの業界に存在することは分かっています。特定のタイプの人々は、よりかたまり度が高い傾向にあることも分かっています。
まだ行っていないのは、そのマーケティング上の意味合いについて語ることです。マーケティングの教授である私にとって、驚くべきことです。マーケティングキャンペーンと人々のかたまり状の行動を結びつけられる、より大規模で新しいデータセットが必要になります。方法は分かっています。実行するには、より豊富で優れたデータが必要なだけです。
今後の予定は？
この研究を発展させるため、3つほどの方向性を考えています。まず、さらに多くのデータセットを分析し、かたまり度という指標がいかに広く見られるかを示せれば嬉しいです。Amazon、CDNow、eBay、Hulu、YouTubeのデータセットに加え、従来型の消費財企業のデータセットも分析しました。今は新しいデータセットに適用したいだけです。
2つ目は、心理的なプロセスを理解することです。なぜ人々はかたまり状に行動するのでしょうか。3つ目で最後の課題は、マーケティング活動とかたまり度を関連づけることです。そのために必要なのは、人々の行動――何をしたのか、どのウェブサイトを訪れたのか、何を購入したのか――だけではありません。マーケティングキャンペーン自体についての情報、おそらくキャンペーンの文面や配信チャネルも必要になります。それによって、かたまり度を引き起こすよう企業がマーケティングキャンペーンを最適化する方法を導き出せるでしょう。
許可を得て再掲載。 Knowledge@Wharton は、ペンシルベニア大学ウォートン校のオンライン研究・ビジネス分析誌です。」
Forum:Agendaの最新情報を受け取るには、 週刊ニュースレターに登録してください。
著者：エリック・ブラッドローは、ウォートン校のマーケティング教授です。
画像：2013年11月27日、ウィーンで、オンラインショップ向けボタンのクリップアートを販売するウェブサイトを表示したコンピューターモニターを拡大撮影。REUTERS/Heinz-Peter Bader。
