協調フィルタリングで陳列棚の割り振りを最適化

――どのような実証実験を行われたのでしょうか？

衛藤：当社では、協調フィルタリングを用いて、エリアごとに陳列棚の割り振りを最適化するための実験を行いました。協調フィルタリングとは、対象顧客と属性の近いユーザーの購買傾向を分析し、商品をレコメンドする技術のことです。トライアルさんでは既に協調フィルタリングを導入しており、店舗を回遊する顧客に対し、購買履歴や属性をもとに店内サイネージなどでおすすめの商品を提示しています。

衛藤：その協調フィルタリングで得られたデータを分析して、購入ポテンシャルの高い（購入される見込みが高いのに、購入に至らなかった顧客が多い）商品を抽出し、棚割りを最適化できないかと考えたのです。今までは、地域によって消費傾向が大きく違う商品があることは把握できていたものの、エリアごとに厳密には把握できていませんでした。北九州エリアでは何が消費されやすいのか、西九州エリアでは何が人気なのかなど、断定できるだけのデータがなかったのです。

――POSデータの売上データだけでは不十分だったということでしょうか。

衛藤：はい。POSデータは購入ポテンシャルまでは把握できないので、根拠に乏しいかなと。本来売れるはずの商品が、たとえば陳列棚が見つけにくい、陳列量が少ないなどの原因で売上が落ちている可能性はないのか。そこを見つけにいくことが目的でした。

――すべて衛藤さんご自身で実行されたのでしょうか。

衛藤：いえ、未経験だったこともあり、基本的な骨組みは今村さんに用意していただきました。私は対象エリアを選定し、必要なデータを選択して分析にかけました。実際、分析を進めてみると、エリアごとに購入ポテンシャルの高い商品がまったく異なることがわかりました。今回の実験では海産乾物を対象にしてみたのですが、たとえば北九州エリアではわかめひじきが、西九州では昆布が、購入ポテンシャルの高い商品だと確認できました。

　これに加えて、購入ポテンシャルの高い商品（＝購入に至らなかった顧客が多い商品）がなぜ買われなかったのか仮説を立てて要因を特定し、欠品の監視や陳列場所の見直し、商品入れ替えなど店頭の改善を進めています。

「顧客軸」の分析で欠品率を減少

――協調フィルタリング分析により顧客の潜在ニーズをあぶり出し、店頭を改善するヒントを得られたということですね。ユニ・チャームではどのような実証実験を行ったのでしょうか。

石井：私たちは、生理用品のSKU数を絞り込むことによって、選びやすい売場づくりを行うと共に、欠品を回避する施策を行いました。現在、生理用品コーナーには非常に多くの商品が置かれています。多様なニーズに対応できる状況ではある反面、選びにくい売場になっている事もわかっていました。

　また、商品が欠品してしまうと、お客様は買いたいものが買えません。それならば、SKU数を絞り込む事によって選びやすい売場にするとともに、数を減らした分は、売れ筋商品のフェイス数を増やす事により欠品を回避し売場効率を高める事ができるのではないかと考えました。

　従来、絞り込みを行う際にはPOSによるABC分析が一般的でした。つまり、商品の売上ランクに基づいて、絞込商品を選定するという方法です。これはどちらかというと「商品」を軸とした絞り込みですよね。実証実験では、ID-POSの併買分析で顧客の併買状況を踏まえて代替可能商品を選定する「顧客軸」の分析によって絞り込みを行ったのです。

石井：定点カメラを設置し、1ヵ月間、1時間毎に定点撮影して欠品率を可視化しました。その結果、売上、利益ともに向上させつつ、欠品率は2.3%から0.35%まで減少しました。これまでは、できるかぎり多数の商品を並べるべきという固定観念に囚われていましたが、そこから脱することができる検証結果を得られたのは、パラダイム・シフトに向けた前進だと考えています。