eコマースの3レベル分析アプローチ：記述的、予測的、規範的

記述的、予測的、および規範的な分析データは、安定したeコマースビジネス開発の3つの柱です。 これらの特定の定義を使用しない場合もありますが、Webサイトの効率を向上させるために、このデータの少なくとも2つのタイプをすでに使用しています。

一言で言えば、記述的分析は、履歴データを分析するように、予測分析（将来のパフォーマンスを予測するため）、および予測的分析は、予測されたシナリオの戦略を開発するために設計されています。

各タイプの分析を詳しく見て、それらがどの特定の目的に使用されるかを定義しましょう。

カスタマーエクスペリエンスを向上させる方法としての分析データ

分析のグローバルな目標は次のとおりです。

• ビジネスの弱点を特定して改善する
• その強みを特定して強化する
• 新しい効果的なソリューションを特定し、それらを実装する方法についてのアイデアを見つけます。

eコマースでは、分析ツールで、運用プロセスからWebサイトでの顧客の行動まで、ビジネスのあらゆる側面を測定できるようになりました。 しかし、特に顧客体験に関しては、データ分析は今日最もエキサイティングな科学です。 まず第一に、ハーバードビジネスレビューによると、その理由は、小売企業が成功の最も重要な要素（経営陣よりも高い）としてランク付けされている顧客中心の文化にあります。

ほとんどの大企業は、デジタルエクスペリエンスのみに焦点を当てた別の部門を作成しています。 たとえば、ASOSのこのような部門には、製品管理、ユーザーエクスペリエンス、インサイトと分析、カスタマー戦略とインサイト、データサイエンスの5つのチームがあります。 推奨事項や顧客生涯価値データを特定するためのディープラーニングアルゴリズムは、本当に印象的です。

GDPR法にもかかわらず、顧客データはほぼすべてのeコマースWebサイトによって収集されます。 企業の40％は、エクスペリエンスのカスタマイズまたはパーソナライズに使用し、37％は、消費者のニーズを予測または予測するために使用し、企業の20％は、オムニチャネルエクスペリエンスを作成するために使用しています。 これらはすべて、記述的分析と予測的分析を常に含む処方的分析に関連しています。

記述的分析とは何ですか？

これは、「記述」という言葉に由来するという理由だけで、 「記述分析」という用語を簡単に定義できます。 基本的に、これは過去の特定の期間におけるパフォーマンスの統計です。 eコマースでは、これは、コンバージョン率、解約率、特定の広告キャンペーン内のCPC、平均注文額、リピート販売数など、Googleアナリティクスアカウントのすべての指標である可能性があります。 または、CRMデータ（2018年5月の収益または総売上高など）の場合もあります。

記述的分析を使用すると、どの実装がより効果的に機能し、より多くの収益を生み出し、どの実装が不十分な結果を示し、ビジネスを下向きにするかを監視できます。 したがって、このタイプの分析には2つの主要な段階が含まれます。

• データ集約;
• データマイニング。

記述的分析を使用できる目的のいくつか：

• 実際のオーディエンスを調べます。
• 消費者の行動パターンに関する洞察を得る。
• 製品の全体的な需要を理解し、特定のカテゴリ/セグメント/時間などの需要を分析します。
• マーケティングキャンペーンの効果を見積もる。
• 検索クエリの人気を介して製品の需要を確認します。
• 実際の配送コストと時間を評価します。
• 異なる期間などの間で指標を比較します。

最新の分析ソフトウェアは、主に記述的分析用に設計されています。 測定ツールを使用すると、Webサイトだけでなく、実店舗でも、ほぼすべての顧客の行動に関するレポートを受け取ることができます。 たとえば、製品ページと実際の店の棚の両方で、ほとんどの表示領域を含むヒートマップを追跡できます。 ただし、ファッションは変化しており、多くのツールが予測分析機能を使用してサービスを強化しようとしています。

記述的分析の成功は、KPIガバナンスに大きく依存します。 注意深く設定および配置された目標は、さらに効率的な予測および処方分析の確固たる基盤です。

予測分析とは何ですか？

すべての主要なeコマース企業は、意思決定プロセス、価格設定、出荷、マーケティング、およびパーソナライズの必須事項として予測戦術を強調しています。 定義として、予測分析は、現在および過去のWebサイトとマーケティングのパフォーマンス、消費者行動、および購入パターンを分析して、売上の傾向を予測し、リスクを排除します。

記述的分析が図やチャートを「読む」スキルを必要とする場合、予測分析はこれらの図を「何が起こるのか」という質問への答えに解釈するための深い知識を必要とします。

収集および処理した履歴データにより、次のことが可能になります。

• 市場で最高の価格を決定します。
• ウェブサイトのUXを改善します。
• プロモーションをパーソナライズします。
• 季節ごとにどの製品が需要になるかを予測します。
• ブラックフライデーに顧客をサポートするマネージャーの数を予測します。
• ベストセラーの関連製品を特定します。
• A/Bテストのアイデアを見つけます。
• 在庫を最適化します。
• セールスファネルの各段階でのアクションを強化します。

Dresner Advisory Servicesの最近の調査によると、予測分析を採用している企業は23％に過ぎず、26％の企業が予測分析を使用する予定さえありません。

この記事にも興味があるかもしれません：eコマースマーケティングの意思決定と販売を促進する9つのGoogleAnalyticsレポート

処方分析とは何ですか？

マーケティングの世界で流行語となった処方分析は、運用上の意思決定を簡素化し、将来のシームレスなショッピング体験を向上させるための統計的発見の自動化です。

ここにアルゴリズムがあります。 それらは次のようなeコマースのトリックを可能にします：

• 同様の行動パターンを持つ他の訪問者に興味を持った、Webサイトで最も適切な製品を訪問者に推奨します。
• 平均小切手が高い場合と低い場合で、訪問者に異なる価格を表示します。
• 在庫を管理し、何かがなくなったときに通知します。
• ユーザーが次に何を購入するかを決定します。

言い換えれば、ビジネス分析の第3フェーズでは、リアルタイムおよび履歴データ分析中に予測された、既存の問題に対する具体的な解決策を考え出すことができます。

あなたはこの記事にも興味があるかもしれません：あなたのウェブサイトでの買い物行動を分析する方法：5つの簡単なステップ

時間のかかるプロセスを自動化するには分析が必要です

eコマース分析の未来はAIテクノロジーと結びついています。 Transparency Market Researchによると、予測分析ソフトウェアは2019年に世界で65億ドルに達しました。

予測分析と処方分析の交差点で実行されるトップランクの多機能ソフトウェアの1つは、 Google Cloud ML（機械学習）エンジンです。 小売業者に次の5つのソリューションを提供します。

• ビジュアル商品検索により、オンラインストアはGoogleの長さタイプの機能をモバイルアプリに統合できます。 IKEA。 たとえば、ユーザーは家庭用品の写真を撮って、オンラインカタログでそれまたは類似のものを見つけることができました。

• レコメンデーションAIを使用すると、小売業者は、特定の顧客の好みや好みに基づいてパーソナライズされた製品を提供する製品レコメンダーシステムを使用してユーザーエクスペリエンスを向上させることができます。

• Contact Center AIは、Googleの音声認識および検索テクノロジーを使用して最新のケア体験を構築するように設計されています

• AutoMLテーブルは、顧客の需要を予測するのに役立ちます。

• リアルタイムの在庫管理と分析により、棚、通路、在庫室全体で製品の在庫状況を追跡できます。

予測分析のためのもう1つのツールは、トップランクの国際ソフトウェアMicrosoftROpenです。 高度な変更検出、コアアンドチップテクノロジーなどの追加の手法を活用できます。分析サービスは、顧客の感情分析、スパム検出、および顧客の要求のルーティングに使用されます。

Profitect処方分析プラットフォームは、7種類のデータを処理するアルゴリズムを使用します。

• 在庫移動;
• すべてのPOSでの活動。
• 配達と受け取り;
• ロジスティクスと倉庫;
• 計画と購入;
• マーケティングパフォーマンス;
• サーキュラーコマース。

このツールは、さまざまな状況で実行するアクションを独自のシナリオで作成します。 たとえば、在庫がなくなったSKUについて責任者に通知します。 シナリオは、必要に応じて変更できます。 同社は、処方分析ソフトウェアが小売業者のROIを300％向上させるのに役立つことを約束しています。

あなたもこの記事に興味があるかもしれません：2019年のオンラインストアのためのトップ6のeコマース分析ツール

小売業者が予測分析と処方分析をどのように使用するか

分析アルゴリズムを使用する最も一般的なケーススタディの1つは、Amazonの特許である「予測的出荷」モデルです。 以前の顧客の購入、注文頻度、カートの内容、検索履歴に関するデータを処理して、関連する製品が最寄りの消費者ハブに確実に出荷されるようにします。 このソフトウェアは、納期を改善し、輸送コストを最適化して、市場が売上と顧客体験を向上させるのに役立ちます。

ASOSは、データベースの価格設定ソフトウェアを使用する別の例を示しました。 このプログラムは、競合他社のWebサイトの価格やその他の市場データを追跡して、在庫する製品、選択する価格、および割引する時期と金額を会社のマネージャーに通知します。 ファッション小売業者は、このツールを使用して、1年間で33％の売り上げを伸ばすことができたと述べています。

結論

分析における3レベルの定性的アプローチは、eコマースビジネス開発において常に優れた結果を示します。

記述的分析には、ほとんどの時間がかかります—プロセス全体の60％〜75％ 。 このフェーズでは、収集するデータ、この情報を使用する方法と場所、およびWebサイトでのカスタマーエクスペリエンスを向上させるためにどのようなメリットをもたらすかについて、慎重に決定する必要があります。 主にレポートに使用される履歴データは、顧客のショッピングパターンと運用の生産性に関する洞察により、予測分析と処方分析の強固な基盤となります。

予測分析は、プロセスの20％〜30％を占めます。 調査結果によると、将来のイベントの予測とモデル化が可能になります。 このデータは、主要なオーディエンス内の平均支出、CPCコスト、価格変動、製品需要などを予測するための機械学習に使用されます。

最後に、プロセスの5〜20％を占める処方分析は、予測された問題の自動化されたソリューションを見つけるように設計されています。 現在、積極的に開発および改善されているBIアルゴリズムにより、eコマースの所有者は人為的なミスを回避し、多くの活動を委任することができます。 ロボットは現在、巨大なビジネスを制御し、すべての顧客にパーソナライズされたアプローチを保証することができます。 処方分析がなければ、消費者中心の文化のアイデアを広めるアマゾンやアリババグループがこの市場のトレンドセッターになることはできませんでした。