分析の質は「どのデータを揃えるか」で決まる

　本連載では、ドラッグストアチェーン（X社）の優良顧客の離反をテーマに、次の仮説を検証するための分析設計（仮説を検証可能な作業手順に翻訳する工程）まで進めてきました。

　続いてのステップがデータ収集です。

　分析設計をどのデータで実行すると良いでしょうか？ 多くの現場では、まず自社の会員購買データ（ID-POS）が候補に挙がります。しかし仮説を要素に分けると、ID-POSでは検証しきれないことがわかります。

　ID-POSで見えるのは「自社に来なくなった」ところまでで、どこへ行ったかは記録されません。つまり、自社のデータだけでは、この仮説を検証しきれないのです。

　データ収集とは、手元にあるデータを集める作業ではなく、仮説が要求するデータを特定し、揃える作業です。

購買データの種類と見える範囲

　では、具体的にどのデータを揃えればよいのでしょうか。購買データは、取得の仕組みによって見える範囲が異なります。代表的なものを見てみましょう。

　POSとID-POSは自社のレジで蓄積されるデータで、記録されるのは自社の店舗で起きたことに限られます。自社の外での購買を見るには、外部の事業者が集めたデータを使う必要があります。

　レシート投稿型データと購買パネルデータは、どちらも店舗を問わず買い物を記録するため、同じ人が自社と競合の両方で何を買ったかを追えます。本連載では、例としてマクロミルの消費者購買履歴データ「QPR」を使います。

購買データの構造を理解する

　ここで、実際の購買データがどのような形をしているかを見てみましょう。購買データは、買った商品1点ごとに1行で記録されます。以下は、あるモニター1人分の記録を、説明用に簡略化したダミーデータです。

　このモニターは、2025年3月にはドラッグストアXで化粧水や日焼け止めも買っていましたが、2026年3月のXでの購買は日用品と飲料だけです。同じ化粧水と日焼け止めは、競合のドラッグストアAで買っています。仮説どおりの行動であり、Aでの購買が見えるのは、店舗を問わず買い物を記録する外部データだからこそです。

設計書の言葉を、データで計算できる形に変える

　前回、設計書では、優良顧客や来店間隔といった言葉をビジネスの言葉で定義しました。しかしデータ側にあるのは、「金額」「購買日」「チェーン名」といった項目だけです。両者をつなぐには、設計書の定義をどの項目でどう計算するかを、一つずつ対応づける必要があります。この作業をすると、項目名だけでは判断できない点が必ず出てきます。

　たとえば「金額」が値引きやポイント利用の前か後か、税抜か税込かによって、同じ買い物でも記録される金額は変わります。優良顧客を「購入金額の上位20%」と定義している以上、金額の定義が変われば、上位20%の境界付近にいる顧客が入れ替わります。

　来店間隔も同様です。来店間隔は購買日から計算しますが、この「購買日」が実際に店で買った日なのか、モニターが帰宅後に商品を登録した日なのかは、項目名からはわかりません。数日分の買い物をまとめて登録するモニターがいれば、来店間隔は実際とずれて計算されます。

　カテゴリーについては、提供データの分類は提供元が独自に定めたもので、自社が普段使っている分類と一致するとは限りません。分析結果を社内で説明するなら、自社の管理カテゴリーで語るほうが伝わりやすいでしょう。その場合は最初に、自社の「健康・美容」に提供データのどの分類が該当するのかを対応づけておく必要があります。たとえば一般用医薬品やサプリメントを含めるかどうかで、購入減少の大きさは変わってきます。

　競合チェーンも、第2回で触れた健康・美容に注力している競合A社に絞るのか、X社以外のドラッグストアすべてとするのかで、見える結果が異なります。

　金額や購買日の定義を確かめる時には、まずは「データ定義書」を探しましょう。データ定義書とは、データの提供元が提供・作成している、データの仕様についてまとめたものです。各項目が何を表しているのか、どのような形式で、どんなルールで記録されているのかがまとめられています。たとえば、次のような形式です。

　定義書を読めば、「金額」が税込み、かつ値引き適用後であるといったことがわかります。分析者だけでなく、誰しもがデータを受け取ったら最初に目を通しておきたい資料です。データ定義書に記載がない点は、提供元に直接問い合わせします。

　一方、カテゴリーや競合チェーンの範囲は、データを見て確かめるものではなく、分析結果を使う関係者と合意をしておくものです。いずれも、分析設計書の定義を、手元のデータで計算できる形まで具体化する作業であり、データ収集段階で人間が担うべき役割です。