顧客を知るため、より精緻な分析に取り組むライトオン

　マーケティング活動において、消費者の気分や市場のニーズを探るリサーチ業務は重要な役割をもつ。小売店やメーカーなどでは、そこで得られた分析結果が事業活動の大きな指針として活用される。

　多くの企業が実施する代表的なリサーチの手法としては、アンケート調査が挙げられる。しかし、パネル数や質問項目が増えれば増えるほど、得られるデータは膨大になる。特にフリーアンサーを利用した場合、選択形式の質問項目よりも濃い消費者の声がつまっているはずであるにも関わらず、その中から有用な情報を抽出して意味を見いだしていくことは困難だ。そのため、少人数の中から目立った声を拾う、結果を眺めるだけ、など十分な分析ができていないことが少なくない。外部の調査会社に依頼する方法もあるが、費用や時間がかかってしまう。

　ジーンズやカジュアルウェアの専門店として、全国に487の店舗を展開するライトオンも、長年こうした課題を抱えていた企業の一つだ。同社では、顧客の意見やニーズをつかむため、テキストマイニングツール「見える化エンジン」を導入して、自社でより精緻な分析に取り組み始めている。同社のマーケティング部 梅田祐貴子 氏に話を伺った。

ターゲット別の属性・嗜好性を捉えるために「見える化エンジン」を導入

　梅田氏の所属するマーケティング部は、商品の広告宣伝やPRなどの戦略策定から販売促進のためのチラシやカタログ、メールマガジンの発行までを全社を横断して行っている。同社では長年、新商品の打ちだし方などを決定するための指針の1つとして、メンバーズカードの会員データやPOSデータをもとにした分析に加え、一般的な消費者の声を聞くために定期的に外部の企業に依頼してインターネット調査を利用していた。しかし、次のような課題を抱えていたと言う。

「インターネット調査では、ブランドイメージや消費者の嗜好性の変化などを伺っています。直近のパネル数で1200人ほどです。しかし、調査対象数がこれだけの規模になると、例えば『ライトオンの好きなところは？』といったフリーアンサー項目を盛り込んでいると、分析というよりも、なんとなくこんな意見が多いかな、といった感覚的な情報しか掴めていないのが実情でした。

また、施策を打つ上で、誰をターゲットにするのかは重要になってきますが、ユーザー属性ごとの傾向を調べるということができていませんでした。ライトオンを良く使ってくださっているお客様はどういう方なのか、たまに使ってくださるのはどういう方なのか、全く使ったことがない方はどういう方なのかをより正確に把握する必要があると考えていました」

　意見の大きな固まりは見えるものの、他の質問との関連性や顧客属性ごとの傾向などを分析するには至らず、最も多い意見を全体の意見として意味付けるほかなかったという。

　先に梅田氏が語った課題は、主に次の3つ。

• インターネット調査でのアンケートフリーフォーム欄が形骸化し、感覚的な知見しか得られない
• 顧客属性別の傾向や嗜好性の分析ができない
• 上記の理由から具体的なターゲット別のマーケティング施策に落とし込めない

　こうした課題を抱える中、より分析の精度を上げて商品展開や広告宣伝、サービスに活かそうと、ライトオンでは前述の「見える化エンジン」を導入。「自分たちが知りたいこと」を「知りたいタイミング」で分析できる体制を整え、下記のような改善を実現したという。

• 分析の質が向上し、会員ランクや属性別の嗜好性・ブランドイメージを把握
• 分析結果をもとに顧客属性別に合わせた内容のメルマガ配信が可能に
• 積極的にアンケート調査を実施する体制を構築
• ソーシャルメディアにおける評判分析を実現

　なかでも属性別の嗜好分析やソーシャルメディアにおける評判分析については、注力して施策に取り組んでいる。

「競合と思っていた企業が競合ではなかった」　分析を始めて見えてきた実態

　属性別の嗜好を分析する試みに関しては、自社のメンバーズカード会員に対するアンケート調査を中心に、次のような分析を行っているという。

• 会員ランク別に見ると、どのような傾向があるのか
• 顧客の属性別に見ると、どのような傾向があるのか
• 一般消費者へのアンケート結果との比較

　まだまだ本格的な分析は始めたばかりだというが、既にいくつかの知見も得られてきている。例えば、同社の主な出店場所であるショッピングセンター内における競合企業もその1つだ。同社では、アンケート調査内で「ライトオンが好きかどうか」と「他に好きなブランドは？」という質問項目の結果を、見える化エンジンを利用して掛け合わせて分析。すると「ライトオンが好きだ」と答えたユーザーの回答からは、ショッピングセンター系の出店ブランドでライバルの1つとして想定していたブランド名がほとんど出てこなかったという。自社内では競合だと考えていた企業が、顧客から実は競合ではなかったというわけだ。

　その他にも、「見える化エンジン」導入の効果として、梅田氏は次のような点を挙げる。

「『好きなブランド』と『その理由』に関する質問を顧客属性別に調べたところ、ライトオンを使ったことのない方は『上品さ』などのイメージで、ライトオンを使ってくださっているお客様は『着心地』などの感覚を理由として挙げていることが分かりました。感覚的には理解できていた部分ではありますが、あらためて『やっぱりそうだったんだ』という気づきがあったことは大きいですね」

　データ分析の効果としては、データから思わぬ知見が得られるという点もある。しかし、仮説を持ってデータを集め、検証していくことで、感覚的だったものを数値的にしっかり把握できるようになるというのも見逃せないポイントだ。予想どおりであれば深掘りし、反していれば、新たな仮説を立てPDCAを回していく。そうした体制が取れるようになるのもツール導入の効能と言えるだろう。

　こうした知見の獲得に一役買っているのが、見える化エンジンの特徴である感覚的に分かるビジュアルだ。分析は明確な答えがあるものではないため、“使う人が結果をもとに『気づき』を得て、さらに深く探れるようにする”、という同ツールのコンセプトを「数字の羅列や一覧で見えるだけでは分かり辛いが、単純に丸の大きさなどでパッと判断でき、使いやすい」と梅田氏は高く評価する。

　見える化エンジンで得た様々な知見をもとに、ライトオンでは販促用のチラシや会員に向けたメールマガジンなどで、徐々に改善施策に取り組んでいる。メールマガジンでは、男性社会人向けと男子学生向けといった顧客属性別にクリエイティブを変えるなど、よりきめ細やかな対応を行なったことで、少しずつ成果につながりつつある。今後、Webサイトにアンケートフォームを設け、より調査の頻度を上げる計画もあるという。

ソーシャルメディア上の顧客の声を把握し、アクティブサポートを実現したい

　最近では、見える化エンジンの「ブログ・口コミ分析」機能を使って、Twitterなどソーシャルメディア上での評判調査なども開始。現状、新着情報や更新情報のみを発信している、各種ソーシャルメディアアカウントの有効活用の道を探っているという。

「今はまだ、ブランド名やライトオンの核となる『ジーンズ』といった商品カテゴリ名で検索して、どのような意見があるのかを調査している段階です。検討中ですが、例えば『ジーンズを選ぶ時にこういうことに困りました』といった意見を見つけたら、『探すときはこういう感じで、こういう感じに見つけるといいですよ』といった情報を発信するなど、アクティブサポートを行っていければと考えています」

　企業側で想定した質問に対する答えを探すアンケート調査などだけではなく、ソーシャルメディア上の声から気づかなかった新しい価値を見出し、ネット／リアルを含めたサービスの改善につなげるという。

今後はカスタマーセンターへも分析範囲を拡大

　見える化エンジンによるテキストマイニングで、次々と新しい施策や分析に取り組んでいるライトオンだが、梅田氏はさらに活用範囲を広げたいと考えている。

「カスタマーセンターへの問合せの分析にも力を入れたいですね。1ヶ月に数千件単位でお問い合わせをいただくのですが、疑問や要望を当社に直接ぶつけていただいものなので、この意見を使わない手はないと考えています。改善できればお客様にも喜んでいただけると思うので。今まで以上に、具体的な改善策が出せるまでしっかり分析していきたいですね。

また、分析した結果を各部署と共有するということが、今後必要になってくると思っています。今まではお客様の意見を明確な形として伝える手段がありませんでしたが、こういう分析結果が得られるようになったので、商品の開発部門や店舗とも共有し、指針の1つにしなければと。ファッションの流行だけを見ていても、お客様に受け入れられるかどうかは分からないので。まだまだ、やりきれていない部分ですね」

　企業の規模が大きくなればなるほど、商品を購入してくれる顧客との距離は離れてしまう。見える化エンジンは、そのかい離に気づき、歩み寄るための足掛かりとしてライトオンに欠かせないツールとなっているようだ。