第 3 部 外部の企業 / 消費者情報を活 した 顧客 / エリア分析 法 株式会社ランドスケイプ
ランドスケイプ 会社概要 本最 級のデータベースを活 したデータベースマーケティング 援会社 商号 : 株式会社ランドスケイプ 設 :1990 年 9 10 資本 :466,335,500 円 従業員数 :120 名 本 社 : 東京都新宿区 新宿 3-20-2 東京オペラシティ 15 階 事業内容 加盟団体 : データベースマーケティングの 援事業独 構築した 本最 級のデータベース ( 消費者 9,500 万件 企業情報 750 万件 ) を元にしたデータベースマーケティング 援と CRM 戦略 案 : 国ダイレクトマーケティング協会 (DMA) ( 社 ) 本ダイレクトメール協会 (JDMA) 般社団法 本コールセンター協会 (CCAJ) ( 社 ) 本通信販売協会 (JADMA)
データベースマーケティングとは データベースマーケティングは 効率の良い 営業を実現する為の手法 営業プロセスの標準化定量評価 ターゲットの明確化 スーパー営業マンに頼らない 営業プロセスを可視化し共有する 自社のターゲット市場を定義 顧客 / 見込客 / 未アプローチを整理 確度の高いターゲットに質の高い営業を 仕掛けること
データベースコンテンツ 日本最大級のデータベース 企業情報データベース 消費者データベース 750 万事業所 ( 過去累計 900 万件 ) 約 9,500 万人
法 データ特徴 1 数の網羅性が高い ターゲット市場の母数として考える事ができる 自社の浸透率を把握する事ができる
分析イメージ:地域別の 込み企業数 取引企業シェア 分析イメージ②:地域別の 込み企業数 取引企業シェア ALSHIPOL 狭山市 by "見込企業件数" & "取引先件数" 朝霞市 さいたま市桜区 志木市 さいたま市南区 清瀬市 朝霞市 所沢市 和光市 清瀬市 西多摩郡瑞穂町 足立区 東久留米市 板橋区 羽村市 武蔵村山市 東村山市 東大和市 北区 東久留米市 葛飾区 練馬区 西東京市 福生市 荒川区 豊島区 小平市 立川市 中野区 昭島市 国分寺市 2 9.7 18.4 27.1 "取引先件数"日野市 杉並区 小金井市 中央区 浦安市 世田谷区 目黒区 狛江市 川崎市多摩区 川崎市麻生区 川崎市宮前区 板橋区 品川区 中央自動車道 大田区 首都高速川口線 練馬区 首都高速板橋足立線 川越街道 荒川区 豊島区 首都高速五号線 愛甲郡愛川町 環状六号線 中野区 青梅街道 横浜市緑区 見込企業数と取引先企業数のクロス 営業所テリトリー単位の集計表 首都高速一号線 首都高速五号線 首都高速七号線 五日市街道 営業所01 千代田区 江東区 渋谷区 甲州街道 営業所03 中央区 港区 荒玉水道道路 営業所04 稲城市 川崎市川崎区 20 km 首都高速九号線 首都高速三号線 営業所07 相模原市南区 環状四号線 台東区 営業所02 新宿区 杉並区 荒玉水道道路 川崎市幸区 横浜市港北区 墨田区 文京区 環状五号線 調布市 横浜市青葉区 横浜市都筑区 北区 首都高速板橋足立線 環状八号線 相模原市中央区 環状七号線 首都高速四号線 中央自動車道 川崎市高津区 川崎市中原区 首都高速五号線 川越街道 営業所08 港区 首都高速六号線 足立区 東京外環自動車道 環状八号線 江東区 調布市 33.3 < 41.7 41.7 < 48.1 48.1 < 50 50 < 50 西東京市 50 < 51.2 51.2 < 53.1 武蔵野市 53.1 < 55.6 55.6 <= 66.7 三鷹市 首都高速川口線 中山道 青梅街道 江戸川区 渋谷区 町田市 墨田区 千代田区 三鷹市 稲城市 台東区 新宿区 府中市 多摩市 市川市 文京区 武蔵野市 小金井市 国立市 八王子市 三郷市 八潮市 戸田市 新座市 1 草加市 鳩ケ谷市 蕨市 "見込企業件数" 56 20 川口市 入間郡三芳町 入間市 38 市区町村色塗り by "取引企業数シェア" 新座市 和光市 ふじみ野市 首都高速一号線 世田谷区 首都高速十二号線 東京湾岸道路 目黒区 狛江市 東名高速道路 川崎市多摩区 市区町村毎の取引シェア 営業所06 営業所05 10 km
法 データ特徴 2 1 多様なセグメントが可能 仮説モデルから導き出したリアルな情報でのターゲットデータの構築が可能に
法 データ特徴 3 企業グループの視覚化が可能 ターゲット企業グループの浸透率把握 新規営業先として攻略しやすいリストの構築が可能に
紐付け階層を活 した攻略企業設定例 統合フロー 御社指定顧客データ 弊社 LBC 1 2 戦略企業データベース ( 資本階層データ ) 1: 御社指定顧客データに弊社 LBC コードを付与する = 紐付け階層化される 2: 御社未保有企業データを弊社 LBC より付与 3: 紐付け階層データより 企業攻略に於ける 要企業 を抽出 3 ( 株 ) 日立製作所 攻略企業 日本電気 ( 株 ) 要企業群 ( 株 ) 日立東日本ソリューションズ 日立建機 ( 株 ) ( 株 ) 日立国際電気 エルピーダメモリ ( 株 ) ( 株 )NEC 情報システムズ 鉱研工業 ( 株 ) 既存顧客 TCM( 株 ) 日立建機ファインテック ( 株 ) 広島エルピーダメモリ ( 株 ) ( 株 ) テラプローブ 東関東 TCM( 株 ) 北海道運搬機 ( 株 ) 日立造船ハンドリングシステム ( 株 )
地図へのデータ取り込み まとめ GIS内でLBCと顧客データを統合 企業データ 新規 既存 営業所データ 代理店データ 清瀬市 西多摩郡瑞穂町 地図オー バー レイ 営業所 羽村市 武蔵村山市 東村山市 東大和市 北区 東久留米市 西東京市 王子市 荒川区 豊島区 小平市 市川市 中野区 昭島市 国分寺市 小金井市 武蔵野市 新宿区 杉並区 三鷹市 営業所01 日野市 営業所02 江戸川区 千代田区 江東区 渋谷区 府中市 墨田区 文京区 営業所08 営業所09 0 1 葛飾区 練馬区 福生市 立川市 企業デ ー タ( ホ ゚ イ ン ト グルー フ ゚ ) by "取引先フ ラ グ" 足立区 板橋区 営業所03 港区 調布市 営業所04 多摩市 稲城市 狛江市 営業所06 川崎市多摩区 川崎市麻生区 川崎市宮前区 営業所と企業分布 取引先 青 見込企業 ピンク 浦安市 営業所07 川崎市高津区 営業所05
まとめ :GIS+LBC( 法 データコンテンツ ) で実現できること 市場規模の把握 市場シェアの把握 未開拓市場の把握 込客テ ータ 営業情報 込テ ータ項 込先テ ータ項 GIS 内で統合 攻略 企業テ ータ抽出 顧客テ ータ 実績情報 取引テ ータ項 保守テ ータ項 込客情報の共有 競合情報の共有
Geo-Scope 地域特性データベースとは ランドスケイプ 消費者データベース 9,500万件 国勢調査 等 個人単位での属性を把握 柏市 公的統計調査データ 基本的な統計情報 印旛郡栄町 成田市 白井市 松戸市 印西市 鎌ケ谷市 香取郡多古町 八千代市 印旛郡酒々井町 富里市 船橋市 山武郡芝山町 佐倉市 分析地デモ 習志野市 千葉市花見川区 四街道市 千葉市稲毛区 山武郡横芝光町 八街市 千葉市美浜区 山武市 千葉市若葉区 千葉市中央区 東金市 20 km 地域 町丁目 の詳細な特徴を把握
Geo-Scope 地域特性データベースについて 地域特性に着目した顧客分析を行うためのデータコンテンツ 柏市 印旛郡栄町 成田市 白井市 松戸市 印西市 鎌ケ谷市 香取郡多古町 八千代市 印旛郡酒々井町 富里市 船橋市 山武郡芝山町 佐倉市 分析地デモ 習志野市 千葉市花見川区 四街道市 千葉市稲毛区 山武郡横芝光町 八街市 千葉市美浜区 山武市 千葉市若葉区 千葉市中央区 東金市 20 km
Geo-Scope から読める地域特性 Geo Scope から読み取れる地域特性の主な項目は以下のようになっています 世帯富裕性 住宅の形態 世帯構成 近隣環境 年齢帯 購買チャネル特性 職業 志向 趣味嗜好 教育水準 メンバーシップ これら生活の背景となる項目を 町 丁目 更には 番地 単位に捕らえられますので 消費者をほぼ 個 に近い単位の地域特性でとらえることが可能となり いかなる業態 商品サービスに対しても顧客の特定が可能となります
Geo-Scope 町 丁 単位 55 分類の例 日本全国約 17 万の大字 丁目は公的調査データ項目によって 55 種類に分類され それぞれその地域の特徴を持ちます 下表はその特徴の一例を表したものです 更に この 55 分類の中がランドスケイプ社の消費者データベースが保有する属性で細分化されます
Geo-Scope のみが保有する地域特性の例 ランドスケイプ社のオリジナルとして他社類似ツールには無い地域特性項目の例は以下のようになっています 富裕性 経営者社長の居住 公的資格専門職の居住 資産家と思われる人の居住 高収入と思われる人の居住 住宅 家族 一戸建て住宅 / 集合住宅 高齢者の家族 家族人数 年齢帯 趣味嗜好 アウトドア スポーツ ペット 自己啓発 美容 健康 ファッション 財テク ゴルフ
Geo-Scope を活 した顧客浸透率レポート例 ( 地域特性 1) 既存顧客の浸透率 ( 人口に占める顧客数の割合 ) を Geo-Scope コードで集計することによって優良地域が明確になります この地域に販売促進の施策を行ったり 類似する地域に対して新規顧客獲得のキャンペーンを実施することにより効果的なマーケティングが可能となります Geo-Scope コード地域概要顧客浸透率指数 A110 リッチなアーバン リタイアー夫婦 A120 自宅で事業を営むベテラン裕福家族 A210 都会派円熟ファミリー A220 豊かなシニア A310 第一線活躍ファミリー 1 A320 第一線活躍ファミリー 2 A410 独身貴族 A420 社会人スターター独身リッチ A510 都会派家族 A520 平均的裕福生活者 B110 リタイアー シングル B120 事業家高齢者ファミリー B210 団塊サラリーマン B220 団塊事業者 B310 ホワイトカラー B320 企業戦士 B410 裕福な社会人スターター B420 社会人ビギナー B511 平均的中流の上家族都心派 B512 平均的中流の上家族郊外派 C110 シティーリタイアー C120 地方派シニア家族 C210 熟年ブルーカラー C220 地方派自営者 C310 ワーキングファミリー C320 平均的サラリーマン C410 都心で独り暮らし C420 シティスターター C511 生活便利派 C520 肉体労働自活者 D110 都市型年金生活者 D120 農村生活ビッグファミリー D210 団塊サラリーマン D220 団塊ワーカー D310 都市型給与生活親子 D320 田園生活三世代家族 D520 典型的田舎型生活大家族 顧客浸透率が全国平均の 3 倍以上高い地域 顧客浸透率が全国平均の半分程度の地域 0 50 100( 平均 ) 200(2 倍 ) 300(3 倍 )
Geo-Scope を活 した顧客浸透率レポート例 ( 地域特性 2) 属性 カテゴリー スコア 重要度 1.20 歳 -29 歳 2.8958 2.30 歳 -49 歳 3.3125 a. 年齢帯 3.50 歳 -64 歳 2.4792 17.11 4.65 歳以上 1.2562 5. 混在 0.0000 1. 高 7.2145 2. 中高 8.2543 b. 収入 3. 中 18.0000 48.65 4. 中低 9.0000 5. 低 6.2154 1. 住宅地域 5.0000 2. 商業地域 10.0000 3. 事務所地域 3.3333 c. 近隣環境 4. 工業 その他地域 7.1458 34.24 5. 田園 脳漁村 山間地域 5.1547 6. その他住宅地以外 3.1248 20.0 18.0 16.0 14.0 12.0 10.0 8.0 6.0 4.0 2.0 0.0 17.11 2.8958 3.3125 1.20 歳 - 29 歳 2.30 歳 - 49 歳 2.4792 3.50 歳 - 64 歳 1.2562 4.65 歳以上 0.0000 48.65 7.2145 8.2543 18.0000 9.0000 6.2154 34.24 5.0000 5. 混在 1. 高 2. 中高 3. 中 4. 中低 5. 低 1. 住宅 地域 10.0000 2. 商業地域 3.3333 3. 事務所地域 a. 年齢帯 b. 収入 c. 近隣環境 浸透率スコア Geo-Scope コード 55 分類の付加によって割り出された浸透率ランクをもとに 1 浸透率への影響の高い属性 ( 重要度 ) および 2 浸透率の高いカテゴリー ( スコア ) を把握することが可能になります 重要度 7.1458 5.1547 4. 工業 そ 5. 田園 の他地域脳漁村 山間地域 3.1248 6. その他住宅地以外 60 50 40 30 20 10 0
Geo-Scope を活 した顧客浸透率レポート例 ( 地域特性 3) 分析対象の顧客の属性傾向を分析し 自社顧客のモデルを構築する
参考 富裕層データベース ( ビリオネア ) 分布図 推計資産 10 億円以上を保有している消費者の分布 ( 東京都 ) 都 部に多い傾向があるが 分散している
顧客分析事例 ラグジュアリーブランド企業様より 自社顧客モデル化分析 + 活用事例 目的 来店回数アップ + 休眠顧客の掘り起こし 課題 POS 情報に基づいた RFM 分析のみで顧客をセグメント化しており セグメント指標が常に同じであることが課題となっていた 施策 Geo-scope より 富裕層 年齢 性別 趣味 嗜好などの属性情報を付与し 優良顧客と類似属性を保有する顧客 ( 潜在的優良顧客 ) を特定 再来店を促すプロモーションを展開 ( 顧客満足度調査やハイシーズン時の DM に併せて ) 効果ターゲット顧客群の来店回数 20%UP( 前年当月比 ) * 事例は過去の実績に基づいておりますが 同様の成果を保証するものではありません
顧客分析事例 プライベートバンキング部門様より 自社富裕層データ分析 Business Case: ラグジュアリブランド 目的 自行で把握していない富裕層を特定 エリアマーケティングに活かしたい 課題 預金残高を中心に 顧客セグメント行っていた 他行で預金残高の高い ( 潜在優良見込み顧客 ) 方は 特定する事がしづらい為 機会損失が生じているのでは? 弊社消費者データベースより 富裕層属性を付与し 以下の 3 顧客群を構築 施策 自社顧客であり かつ富裕層である方 自社顧客であり 潜在優良顧客である方 ( 弊社にて富裕層と特定できた方 ) 自社未保有富裕層である方 ( 訪問 ダイレクトポスティング展開 ) 効果 金融セミナー来場 預金残高向上 投資信託への展開 * 事例は過去の実績に基づいておりますが 同様の成果を保証するものではありません
顧客分析事例 大手ケーブルテレビ会社による 各エリア局のユーザー地域属性分析 目的 好調 / 不調局のエリア特性を把握 営業戦略に活かしたい 課題 好調 / 不調局の違いは 営業が頑張っているか どうか という結論になっており 不調局では好調局の営業戦略トレースを行っていたが 成果に結びついていなかった 営業の頑張り以外に要因があるのでは? 施策 契約者データに Geo-Scope コードを付与し 顧客が多く存在するエリアの属性を分析 各局のエリア属性に合わせた営業戦略を構築する 効果 局をユーザー存在エリア特性を可視化 比較することで よりきめ細やかな営業戦略を立案する事ができた
参考 較分析イメージ Discovery! 好調局が比較的決まったエリアに顧客が集中している 一方 不調局は顧客がエリア特性と関係なく分散している 不調エリアでは エリア特性に合わせた営業戦略が必要なのでは?
まとめ GIS を用いて実績データを的確に把握 空間的な集計機能を用いて エリア実績を作成し 客観的事実を共通事項として認識する 市場規模 投入戦力との比較 市場状況を的確に把握し 戦略策定の材料とする 戦力を投入し 取る エリアを選定 自社戦力に見合った地域への集中と選択