多くのデータアナリストは、「人、モノ、場所」分析モデルについて聞いたことがあるでしょう。しかし、多くの場合、名前は知っているものの、実際に目にする機会は少ないものです。では、これを実際の分析にどのように適用すればよいのでしょうか？今日は、体系的に解説します。 問題のシナリオ: 生鮮食品を扱うeコマースプラットフォームでは、顧客の再購入率が低く、60%の顧客が30日以内に2度目の購入を行っていません。オペレーションマネージャーは非常に懸念しており、データ分析を通じて再購入率を改善したいと考えています。データアナリストとして、あなたならどのような対応をしますか？ A. AI を活用した高精度推奨アルゴリズムを確立します (協調フィルタリングを 40%、関連性分析を 60% 使用)。 B. 過去 6 か月間の月初における買戻し率の折れ線グラフを作成し、次の 3 つの力強い文字を書きます。「これを高めなければなりません!」 C. 何を分析すればいいの？Eコマースってクーポン配布が全て！リピート購入しないユーザー全員にクーポンを配布すればいいだけ！さあ、やってみよう！ それとも別の方法がありますか? I. 貨物の属性分析まず簡単な質問から始めましょう。米、小麦粉、油の入ったバケツと、イチゴ、サクランボ、マンゴスチンの違いは何でしょうか？食料品を買ったことがない人でも、米、小麦粉、油は毎日食べるもので、特に季節感はありません。一方、イチゴ、サクランボ、マンゴスチンは毎日食べるものではなく、季節感も強いものです。 農産物直売所やスーパーマーケットに行くと、米、小麦粉、油は通常、袋やバケツで購入でき、1バケツで長期間保存できます。また、小分け用の米バケツ、米びつ、油差しなども販売されています。イチゴやマンゴスチンは通常、1個ずつ販売されており、保存性が低く、すぐに食べないと数日で腐ってしまいます。 一見ありふれた製品知識のこれらのポイントは、総称して「製品属性」と呼ばれます。製品属性は消費者の購買行動に直接影響を与えます。
購入チャネル：物流と配送が可能な場合は、米、小麦粉、油などの大型で必需品はオンラインで購入する方が便利です。小型の商品はオフラインで購入し、失敗を避けるために実際に試食してみるのが最善です。 これらの商品特性は常識であり、自然法則でもあります。データ指標の計算方法によって変化するものではありません。したがって、生鮮食品分野では、ユーザーの行動は過去の購入履歴に直接影響されます。ユーザーがある日に10キログラムの米を購入し、数日後にまた10キログラムを購入することは期待できません。言い換えれば、ユーザーが繰り返し米を購入している場合、提供している米が市場価格よりも大幅に安くなっていないか、誰かがその状況を利用しようとしていないかを確認する必要があります。 生鮮食品の再購入戦略を説明できるシンプルなマトリックスモデルがあり、その核となるのは商品の購入頻度と商品の相関関係です。購入頻度については既に説明しましたが、商品の相関関係とは、特定の商品を一緒に購入する傾向を指します。特に生鮮食品分野では、例えば冷凍の手羽先と竹串を購入すると、炭、ミートボール、バーベキューソースも購入する可能性が高いです。したがって、これら2つの次元の交点は、以下のマトリックスとなります（下図参照）。 しかし、商品の属性だけを考慮するだけでは不十分であることに注意することが重要です。食料品の購入方法はたくさんあります。なぜユーザーはアプリ内でクリックすることにこだわるのでしょうか？従来の生鮮市場は魅力的ではないのでしょうか？アプリやミニストアの魅力は何でしょうか？これは「場所」の問題に関わってきます。 II. 店舗属性の分析ちょっと質問です。今日のお昼は何を食べようと思っていますか？考えずに、すぐに答えてください！ 10人中10人、答えられないですよね？実際、Ele.meアプリで確認するように言われても、事前準備どころか10分も20分も苦労するでしょう。 食料品の買い物にも同じ原理が当てはまります。高齢者がファーマーズマーケットを訪れることを好む重要な理由の一つは、料理自体にそれほど目的がなく、目に留まったものを買うだけだからです。第二に、価格を比較して、最も新鮮で安い選択肢を見つけることができるからです。スーパーマーケットの生鮮食品売り場を含むファーマーズマーケットの視覚的なインパクトは、オンラインショッピングよりもはるかに強力です。これが、小売環境がリピート購入に影響を与える理由です。 以下を含むストア属性:
従来の実店舗では、店舗の立地に関してマトリックスモデルが採用されています。（下図参照） オンラインチャネルで使用される指標は、オフラインチャネルの指標と似ています。違いは、実店舗への近接性の代わりに、ユーザーのログインシナリオ、ログイン頻度、ログイン後にアクセスしたコンテンツが使用される点です。オンラインチャネルでは、特にコンテンツとナビゲーションパスに関して、オフラインチャネルよりもはるかに広範な分析が可能です。 興味深いことに、衣料品、スナック菓子、玩具といった日用消費財とは異なり、生鮮食品分野ではオンラインでの体験はオフラインでの体験よりも劣っています。そのため、オンラインでの生鮮食品のメリットは、雨の日、パンデミック中の交通規制、通勤中に市場に行く時間がないなど、外出できない状況において発揮されます。 しかし、これは3つ目の問題を引き起こします。一部のユーザーは単に安い価格を求めているかもしれませんが、他のユーザーはオンラインで購入することに真のニーズを持っている可能性があります。したがって、人的要因を考慮する必要があります。 III. ユーザー属性分析従来の産業では、人、商品、場所について議論しますが、「人」は消費者ではなく営業担当者を指します。「人的効率」とは、営業担当者が生み出す平均的な経済効果を指します。しかし、インターネットアプリケーションは、販売という概念を持たず、ユーザーと直接やり取りするアプリケーションです。そのため、営業担当者はユーザーに置き換えられ、「人」の分析はユーザー属性の分析になります。 ユーザー属性というと、多くの人が本能的に性別、年齢、地域を思い浮かべます。しかし、本当にそこまでリアルなユーザー情報を収集できるのでしょうか？さらに、これらの項目から得られる情報は必ずしも何を意味するわけではありません。最も典型的な例は性別です。男女比の差はわずか数パーセントの場合が多く、これは何の意味も持ちません。 インタラクションや消費者行動に基づいたタグ付けは、より効果的です。例えば、生鮮食品EC分野では、登録時に20元の米、小麦粉、油のクーポン、初回注文の送料無料、輸入さくらんぼ4斤が25元といったプロモーションに惹かれた顧客はどれくらいいるでしょうか？これらはプロモーションに敏感なユーザーと呼ばれます。同様に、「必需品を購入する顧客」「異常気象時に購入する顧客」「流行地域の顧客」といったタグを使用することで、より差別化を図ることができます（下図参照）。 IV. 人・物・場所モデルの構築これら3つの側面を基本的に理解することで、問題を包括的に説明することができます。最初の質問「生鮮食品のEコマースにおけるリピート率の低さ」に戻りましょう。まずは、人、商品、場所という視点から分析仮説を立ててみましょう。 人間の視点:
商品の観点から見ると：
視野角:
各仮説が確立された後、全体的なアプローチを開発する方法は 2 つあります。
（下の画像を参照） 最後に、さまざまな分析次元を組み合わせて全体的な分析ロジックを形成し、大まかな結論から具体的な結論まで導き出すことができます (下の図を参照)。 V. 要約人、モノ、場所という3つの次元は、ユーザー行動に直接関連し、商品属性、店舗属性、ユーザーの習慣に固有のパターンが存在するため、頻繁に利用されます。そのため、これらは詳細かつ詳細な分析の基盤として最適です。ビジネスをより明確に理解できる一方で、より複雑なモデルを構築するための手がかりも提供します。 しかし、現在業界でよくある問題として、ビジネス初心者はクーポンの発行方法しか知らず、暗黙の問題を解決するためにクーポンを使い、「インターネット思考は無料サービスだ！」というスローガンで正当化してしまうことが挙げられます。データ初心者はRFMとアソシエーション分析しか知らず、モデルと言えばすぐに協調フィルタリングを思い浮かべます。皆さん、あなたのプラットフォームのユーザー定着率を考えると、ユーザーの60～70%は一度しかログインせず、基本的にクーポンを使って購入しています。モデルを学習するための実データはどれくらいあるのですか？ 生鮮食品のeコマース業界と同じように、実際にファーマーズマーケットに何度か足を運び、食料品を購入する主な層（高齢者や主婦など）と話をしてみることは、Ele.meを毎日使っている同僚とAARRRについて議論するよりもはるかに有益です。ぜひ試してみてください！ 著者：地に足のついた教師チェン 出典：WeChat公式アカウント：地味な陳先生（ID：773891） |
