PresidentにローソンのPONTAの記事があったので更新。
昨年の記事ですが、気になったので紹介。
ローソンのPOSデータ分析の記事ですが、私はローソンの店員の対応がひどかったのでもう4年行っていません。
POSデータでは店員の接客態度はわかりませんが、売れ行きの予想はできるそうです。
記事によると
- 発売初日の数字を見ただけで、その商品がヒットするかどうかが分かる
- データ
- Pontaカード使用者データ
- 使用者は約1700万人/月
- 月平均6回来店
- Pontaカード
- 性別
- 年代
- お店の特徴を客層で10パターンに分けている
- 例
- 会社員が多いお店
- 大学生が多いお店
- POSデータ
- 販売データ
- 時間帯
- POSデータだけの場合の問題点
- 年齢層の上限が50代以上だった
- 高齢者の客層が増え、この層の数が大きくなり、分析しづらくなった
- リピート率が分からなかった
- 分析例
- 焼パスタ ラザーニャ ボロネーゼ
(ローソンの歴代パスタの中で、最速19日で100万食達成) - 縦軸はトライアル率、横軸はリピート率
- 20～30代の女性がランチタイムに購入している事が判明
- 合わせてカルボナーラとからあげクンを買っている人が多い
- トライアル率とリピート率を分析 (縦軸にトライアル率,横軸にリピート率)
- トライアル率とは
- 特定の商品を1回だけ購買した人の比率
- リピート率とは
- 特定の商品を2回以上購買した人の比率
- 発売初日からラザーニャ ボロネーゼのリピート率は0.5％
- 焼パスタ ミートソースは0.3％
- 2日目はさらにリピート率が上昇
- 売れると判断
- ミートソースとの0.2％の差は「0.2ポイントも差がある」と受け止めなければいけない
- 誤差ではなく"ズレ"
- ズレを見極めなければいけない
- キリン メッツコーラ
- 縦軸はトライアル率、横軸はリピート率
- NB商品は3日目で判断する
- PBは2日目で判断
- 把握していない、よく分からない部分がある為
- リピート率が高い
- 早めに追加発注
- こうした商品は2週間で売り切ろうとする
- 店頭からなくなることはなかった
- 競合他社では3～4週目に品切れ状態
- プレミアムロールケーキ
- 縦軸はトライアル率、横軸はリピート率
- 発売当初はトライアル率、リピート率共に高かった
- 現在はトライアル率は高いが、リピート率は低くなった
- 店頭に並んでいることが多いので、お客さまも安心感を覚えた
- 1週間に何度も買う人は少ないのでリピート率は低い
- 食べ慣れた人が増えてきた
- たまには食べたいという人が多い
- 飽きられないようにする
- 商品のバリエーションは増やす
- パッケージを変える
- エッグタルト
- 縦軸はトライアル率、横軸はリピート率
- リピート率が高く、トライアル率が低い
- 購入数だけでは売れていないと判断されてしまう商品
- 固定客がいる為、定番から外さない
- 2～3回商品が無いとなると「もうローソンに行くのは止めよう」となる
- こしあんブラン
- 縦軸はリピート率、横軸は性別年齢層別
- 売れ筋では54位
- 30代後半から売れ行きがグッと伸びている
- 小麦ふすま（ブラン）を使用していて低カロリー
- お腹周りが気になりだした人たちが購入している
- リピート率が高い
- 期間限定商品なので終売
- 再販売を検討
- ろーそん亭(チルド弁当)
- 男性は5個常温弁当を買ってた人が4個常温、1個チルドとなった
- 女性は4個常温弁当を買ってた人が3個常温、3個チルドとなった
- 女性をターゲットにチルド弁当をブラッシュアップ
- 「辛いもの」「汁もの」「彩り」を意識
- 併売した商品から想像
- ヨード卵を使用した商品
- 購入層は60歳以上の人が多い
- 東八郎さんのテレビCMが昔あった
- 若い層にアピールするためにメーカーと一緒に商品開発
- バウムクーヘンやおでんなどに使用
- ロゴマークも貼ってアピール
- 雑誌
- 超有名な雑誌のリピート率は13％
- 3カ月連続で同じ雑誌を購入している人はかなり少ない
- 付録で買うか決めていると思われるため
- 1割のヘビーユーザーが6割の売り上げを占めている
- ほろにがショコラブラン
- 菓子パンの売り上げ順位では31位
- 通常なら発注停止
- 一部の女性から頻繁にリピート購入
- 棚落ちさせられない
- フランチャイズへの指導体制
- PB商品
- 火曜日に新商品を発売
- 水曜日にデータを確認
- 木曜日または金曜日にスーパーバイザーからお店のオーナーさんへの連絡
- ローソンではFC店向けに発注の目安となる「商品力指数」を示している
- リピート率を基準
- 他の要素は不明
データには傾向が現れるかもしれないが、それを読み取るのは結局、人間。
いかにシナリオを描き、それをデータで確かめるかが重要になってくる。
また、データは全て同じ条件のデータではない。
あるデータは近くで工事があって、工事の人が期間限定で購入しているのかもしれないし、なぜか旅行者がまとめ買いしたのかもしれない。
また、近所のお店が特定の商品の価格を上げた為に相対的に自社の価格の方が安くなり、売れたのかもしれない。
マスのデータで見れば、そういったノイズは見えにくくなるが全国のデータが全ての地域で当てはまるとは限らない。
この分野の学問は遅れているので、未だに経験と勘がものをいう。
ソフトという道具に頼るのではなく、社内の人材を鍛えた方が効果的ではないだろうか。
記事
なぜ発売初日で分かるの？ ヒット商品を見分けることができる理由 Business Media 誠
ローソン「31位の菓子パンを売り続ける理由」 －人知を超えるビッグデータの底力【6】 President
0 件のコメント:
コメントを投稿