JP6143930B1 - マーケティング支援方法、プログラム、コンピュータ記憶媒体及びマーケティング支援システム - Google Patents

Abstract

【課題】商品又はサービスの利用デーを用いたマーケティングにおいて、有用なマーケティングデータを提供する。【解決手段】商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する。その後、判定期間Ｔ２におけるアクション又は状態変化の有無により、顧客をセグメントに分類する。その後、アクション又は状態変化が有ると分類されたセグメントに対し、集計期間Ｔ３の利用データを集計して見込み値を算出する。なお、判定期間Ｔ２の始点は、集計期間Ｔ３の始点より前又は集計期間Ｔ３の始点と同じである。【選択図】図３

Description

本発明は、顧客の商品又はサービスの利用データを用いてコンピュータによって実行されるマーケティング支援方法、プログラム、コンピュータ記憶媒体及びマーケティング支援システムに関する。

一般に、商品の販売やサービスの提供にあたっては、適切なマーケティングを行うことが重要である。特に近年、消費社会は多様化、個性化、成熟化しており、このような社会において、効率的な商品の販売やサービスの提供を行うには、差別化したマーケティングが不可欠である。

従来、上述したマーケティングを行う方法として、種々の方法が提案されている。例えば顧客が商品を購入した購買データやサービスを利用した利用データを分析し、その分析結果を商品やサービスのマーケティングに活かすことが行われている。

特許文献１には、対象となる顧客の購買パターンの時系列変化を把握する顧客追跡分析（トレンド分析）を行うことが開示されている。顧客追跡分析では、顧客の氏名、性別、住所などの属性を示す顧客属性情報と、顧客が購入した商品を示す購買情報とを含むデータベースを用いて、データベースに登録された情報を分析する。この際、例えば期間や顧客セグメントを指定し、当該期間別、顧客セグメント別に分析を行う。そして、顧客の購買パターンの時系列変化に基づいて、アクション（利用促進活動）の対象となるべき顧客を絞り込み、適切なアクションプランを決定している。

特開２００４−１８５５９８号公報

しかしながら、特許文献１に開示された顧客追跡分析では、顧客の購買パターンの時系列変化を把握できるものの、何が要因で顧客の購買パターンに変化が生じたかを正確に把握することはできない。換言すれば、ある商品やサービスに対し、マーケティングを行う際に有用な情報となり得る変化要因を把握することができない。したがって、特許文献１の顧客追跡分析に基づくマーケティングは最適であるとは言い難く、改善の余地がある。

本発明は、かかる点に鑑みてなされたものであり、商品又はサービスの利用デーを用いたマーケティングにおいて、有用なマーケティングデータ（マーケティング情報）を提供することを目的とする。

前記の目的を達成するため、本発明は、顧客の商品又はサービスの利用データを用いてコンピュータによって実行されるマーケティング支援方法であって、商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する設定工程と、判定期間における前記アクション又は前記状態変化の有無により、顧客をセグメントに分類する分類工程と、前記セグメントごとに、集計期間の利用データに基づいて集計値を算出する算出工程と、を有し、前記判定期間の始点は、前記集計期間の始点より前又は前記集計期間の始点と同じであり、前記算出工程では、前記分類工程において前記アクション又は前記状態変化が有ると分類されたセグメントに対し、前記集計値である見込み値を算出し、前記集計値は、前記集計期間における利用データの累積値、又は前記集計期間における利用データと前記集計期間前であって当該集計期間と同じ長さの期間における利用データとの差分値若しくは上昇率であることを特徴としている。
別な観点による本発明は、顧客の商品又はサービスの利用データを用いてコンピュータによって実行されるマーケティング支援方法であって、商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する設定工程と、判定期間における前記アクション又は前記状態変化の有無により、顧客をセグメントに分類する分類工程と、前記セグメントごとに、集計期間の利用データに基づいて集計値を算出する算出工程と、を有し、前記判定期間の始点は、前記集計期間の始点より前又は前記集計期間の始点と同じであり、前記算出工程では、前記分類工程において前記アクション又は前記状態変化が有ると分類されたセグメントの前記集計値から、前記分類工程において前記アクション又は前記状態変化が無いと分類されたセグメントの前記集計値を差し引いて、押し上げ値を算出し、前記集計値は、前記集計期間における利用データの累積値、又は前記集計期間における利用データと前記集計期間前であって当該集計期間と同じ長さの期間における利用データとの差分値若しくは上昇率であることを特徴としている。

本発明によれば、判定期間における顧客のアクション又は顧客の状態変化の有無により、顧客をセグメントに分類し、集計期間の利用データに基づいて集計値を算出するので、この集計値に基づいて、どのアクション又は状態変化がマーケティングに有用であるかを把握することができる。例えば一のアクションに対する集計値が、他のアクションに対する集計値より高い場合、一のアクションが効果的であると判断され得る。このように本発明の集計値は、有用なマーケティングデータとなり得る。また、上述のように有用なアクション又は状態変化を把握することで、顧客に対して適切なレコメンデーション（商品やサービスなどの推薦）を行うことも可能となる。したがって、本発明はマーケティングを行う際に極めて顕著な効果を発揮する。

前記マーケティング支援方法において、前記算出工程では、前記分類工程において前記アクションが行われたと分類されたセグメントの前記集計値と、全顧客に対し、前記判定期間に前記アクションを行った顧客の割合を示すアクション率と、を算出し、前記集計値と前記アクション率に基づいて、期待値をさらに算出してもよい。

前記マーケティング支援方法において、前記算出工程では、前記分類工程において前記アクションが行われ且つ前記状態変化が生じたと分類されたセグメントの前記集計値と、全顧客に対し、前記判定期間に前記アクションを行った顧客の割合を示すアクション率と、前記判定期間に前記アクションを行った顧客に対し、前記状態変化が生じた顧客の割合を示す状態変化率と、を算出し、前記集計値、前記アクション率及び前記状態変化率に基づいて、期待値をさらに算出してもよい。

前記マーケティング支援方法において、前記分類工程では、前記判定期間に利用促進活動に反応した前記アクションの有無により、顧客をセグメントに分類し、前記算出工程では、前記分類工程において前記利用促進活動に反応して前記アクションが行われたと分類されたセグメントの前記集計値と、全顧客に対し、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客の割合を示す反応率と、を算出し、前記集計値と前記反応率に基づいて、期待値をさらに算出してもよい。

前記マーケティング支援方法において、前記分類工程では、前記判定期間に利用促進活動に反応した前記アクションの有無と前記状態変化の有無により、顧客をセグメントに分類し、前記算出工程では、前記分類工程において前記利用促進活動に反応して前記アクションが行われ且つ前記状態変化が生じたと分類されたセグメントの前記集計値と、全顧客に対し、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客の割合を示す反応率と、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客に対し、前記状態変化が生じた顧客の割合を示す状態変化率と、を算出し、前記集計値、前記反応率及び前記状態変化率に基づいて、期待値してもよい。

前記マーケティング支援方法において、前記算出工程では、前記集計値を、利用促進活動が直接的に起因となる直接集計値と、前記利用促進活動が波及した波及集計値とに分解して算出してもよい。

前記マーケティング支援方法において、前記集計期間は、前記分類工程において前記アクション又は前記状態変化が有ると分類されたセグメントにおいて、顧客ごとに設定される期間であって、前記アクション又は前記状態変化を起点とした所定長さの期間であってもよい。

別な観点による本発明によれば、前記マーケティング支援方法をマーケティング支援システムによって実行させるように、当該マーケティング支援システムを制御する、コンピュータ上で動作するプログラムが提供される。

また別な観点による本発明によれば、前記プログラムを格納した読み取り可能なコンピュータ記憶媒体が提供される。

さらに別な観点による本発明は、顧客の商品又はサービスの利用データを用いたマーケティング支援システムであって、商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する設定部と、判定期間における前記アクション又は前記状態変化の有無により、顧客をセグメントに分類する分類部と、前記セグメントごとに、集計期間の利用データに基づいて集計値を算出する算出部と、を有し、前記判定期間の始点は、前記集計期間の始点より前又は前記集計期間の始点と同じであり、前記算出部は、前記分類部において前記アクション又は前記状態変化が有ると分類されたセグメントに対し、前記集計値である見込み値を算出し、前記集計値は、前記集計期間における利用データの累積値、又は前記集計期間における利用データと前記集計期間前であって当該集計期間と同じ長さの期間における利用データとの差分値若しくは上昇率であることを特徴としている。
別な観点による本発明は、顧客の商品又はサービスの利用データを用いたマーケティング支援システムであって、商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する設定部と、判定期間における前記アクション又は前記状態変化の有無により、顧客をセグメントに分類する分類部と、前記セグメントごとに、集計期間の利用データに基づいて集計値を算出する算出部と、を有し、前記判定期間の始点は、前記集計期間の始点より前又は前記集計期間の始点と同じであり、前記算出部は、前記分類部において前記アクション又は前記状態変化が有ると分類されたセグメントの前記集計値から、前記分類部において前記アクション又は前記状態変化が無いと分類されたセグメントの前記集計値を差し引いて、押し上げ値を算出し、前記集計値は、前記集計期間における利用データの累積値、又は前記集計期間における利用データと前記集計期間前であって当該集計期間と同じ長さの期間における利用データとの差分値若しくは上昇率であることを特徴としている。

前記マーケティング支援システムにおいて、前記算出部は、前記分類部において前記アクションが行われたと分類されたセグメントの前記集計値と、全顧客に対し、前記判定期間に前記アクションを行った顧客の割合を示すアクション率と、を算出し、前記集計値と前記アクション率に基づいて、期待値をさらに算出してもよい。

前記マーケティング支援システムにおいて、前記算出部は、前記分類部において前記アクションが行われ且つ前記状態変化が生じたと分類されたセグメントの前記集計値と、全顧客に対し、前記判定期間に前記アクションを行った顧客の割合を示すアクション率と、前記判定期間に前記アクションを行った顧客に対し、前記状態変化が生じた顧客の割合を示す状態変化率と、を算出し、前記集計値、前記アクション率及び前記状態変化率に基づいて、期待値をさらに算出してもよい。

前記マーケティング支援システムにおいて、前記分類部は、前記判定期間に利用促進活動に反応した前記アクションの有無により、顧客をセグメントに分類し、前記算出部は、前記分類部において前記利用促進活動に反応して前記アクションが行われたと分類されたセグメントの前記集計値と、全顧客に対し、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客の割合を示す反応率と、を算出し、前記集計値と前記反応率に基づいて、期待値をさらに算出することを特徴してもよい。

前記マーケティング支援システムにおいて、前記分類部は、前記判定期間に利用促進活動に反応した前記アクションの有無と前記状態変化の有無により、顧客をセグメントに分類し、前記算出部では、前記分類部において前記利用促進活動に反応して前記アクションが行われ且つ前記状態変化が生じたと分類されたセグメントの前記集計値と、全顧客に対し、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客の割合を示す反応率と、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客に対し、前記状態変化が生じた顧客の割合を示す状態変化率と、を算出し、前記集計値、前記反応率及び前記状態変化率に基づいて、期待値をさらに算出してもよい。

前記マーケティング支援システムにおいて、前記算出部は、前記集計値を、利用促進活動が直接的に起因となる直接集計値と、前記利用促進活動が波及した波及集計値とに分解して算出してもよい。

前記マーケティング支援システムにおいて、前記集計期間は、前記分類部において前記アクション又は前記状態変化が有ると分類されたセグメントにおいて、顧客ごとに設定される期間であって、前記アクション又は前記状態変化を起点とした所定長さの期間であってもよい。

本発明によれば、商品又はサービスの利用データを用いたマーケティングにおいて、有用なマーケティングデータを提供することができる。

本実施の形態にかかるマーケティング支援システムの構成の概略を示す説明図である。 顧客をセグメントに分類する様子を示す説明図である。 見込み値の説明図であり、（ａ）は累計値を示し、（ｂ）は差分値・上昇率を示し、（ｃ）は到達確率を示す。 集計期間を示す説明図である。 第１の実施の形態におけるクレジットカードの利用データの一例を示す。 第１の実施の形態における見込み値と押し上げ値（利用額、利用回数）を示す。 第１の実施の形態における見込み値と押し上げ値（利用額、利用回数、絞り込みあり）を示す。 第１の実施の形態における見込み値と押し上げ値（利用上昇率）を示す。 第１の実施の形態における見込み値と押し上げ値（顧客残存率）を示す。 第２の実施の形態における百貨店の利用データの一例を示す。 第２の実施の形態における見込み期待値と押し上げ期待値（アクション率×集計値）を示す。 第２の実施の形態における見込み期待値と押し上げ期待値（アクション率×（直接集計値＋波及集計値））を示す。 第２の実施の形態における見込み期待値と押し上げ期待値（アクション率×状態変化率×集計値）を示す。 第２の実施の形態における見込み期待値と押し上げ期待値（アクション率×状態変化率×（直接集計値＋波及集計値））を示す。 第３の実施の形態における生鮮スーパーの利用データの一例を示す。 第３の実施の形態における見込み期待値と押し上げ期待値（反応率×集計値）を示す。 第３の実施の形態における見込み期待値と押し上げ期待値（反応率×（直接集計値＋波及集計値））を示す。 第３の実施の形態における見込み期待値と押し上げ期待値（反応率×状態変化率×集計値）を示す。 第３の実施の形態における見込み期待値と押し上げ期待値（反応率×状態変化率×（直接集計値＋波及集計値））を示す。

以下、本発明の実施の形態について図面を参照して説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

＜１．マーケティング支援システムの構成＞
図１は、本実施の形態にかかるマーケティング支援システム１の構成の概略を示している。マーケティング支援システム１は、ネットワークＮを介して、外部システム２に接続されている。なお、ネットワークＮは、マーケティング支援システム１と外部システム２との間の通信を行うことができるものであれば特に限定されるものではないが、例えばインターネットや有線ＬＡＮ、無線ＬＡＮなどにより構成される。

そして、マーケティング支援システム１では、外部システム２からマーケティング支援システム１に入力された利用データを処理して、マーケティング用のデータ（以下、マーケティングデータ）を生成する。なお、利用データとしては、種々のデータが用いられる。例えば小売や製造における商品の購買データ、金融機関におけるトランザクションデータ（例えば預け入れや引き出し、決済など）、飲食店における飲食データ、宿泊施設における宿泊データ、音楽・動画サービスやゲームの再生・プレイデータ、ポイントサイトにおけるポイント使用データなどが挙げられる。すなわち、本発明における利用は、これら商品の購買やサービスの利用を含む広い概念である。

マーケティング支援システム１は、通信部１０、設定部１１、分類部１２、算出部１３、記憶部１４、及び出力部１５を有している。

通信部１０は、ネットワークＮとの間の通信を媒介する通信インタフェースであり、外部システム２とデータ通信を行う。

設定部１１は、顧客のアクション又は顧客の状態変化を特定して設定する。このアクション又は状態変化は、分析者によって設定部１１から設定されてもよいし、或いはコンピュータによって設定部１１から自動的に設定されてもよい。設定部１１で設定されたアクション又は状態変化は、記憶部１４に記憶される。

顧客のアクションは、商品又はサービスの利用開始又は利用停止を行うアクションである。具体的には、
・商品やカテゴリの商品を購入すること、
・サービスの利用を開始すること、又はサービスの利用を停止すること、
などが挙げられる。なお、カテゴリは、同じ種類の複数の商品群である。アクションには、顧客が能動的にアクションを起こす場合と、利用促進活動によって顧客が受動的にアクションを起こす場合とが含まれる。なお、利用促進活動には、例えば商品に関するイベントや商品の宣伝広告などの販売促進活動、サービスに関するイベントや商品の宣伝広告などの利用促進活動などが含まれる。

顧客の状態変化は、商品又はサービスの利用に関する顧客の状態変化である。具体的には、
・商品やカテゴリの商品の購買が無い状態から有る状態へと変わること、又は商品やカテゴリの購買が有る状態から無い状態へ変化すること、
・サービスを利用していない状態から利用している状態へ変化すること、又はサービスを利用している状態から利用していない状態へ変化すること、
・利用金額や利用頻度、利用カテゴリ数などで分類した顧客のセグメントが変化すること、
などが挙げられる。状態変化には、顧客が能動的に状態変化を生じさせる場合と、顧客がアクションを起こした結果、受動的に状態変化が生じる場合とが含まれる。

また、設定部１１では、後述する算出部１３においてマーケティングデータとして何を算出するかが設定され、また当該マーケティングデータを算出するに際しての諸条件も設定される。

分類部１２は、所定の判定期間における顧客のアクション又は顧客の状態変化の有無により、利用データから、顧客をセグメントに分類する。分類部１２で分類された顧客のセグメントは、記憶部１４に記憶される。なお、判定期間は、アクション又は状態変化の有無を判定するための期間である。

算出部１３は、顧客のセグメントごとに、集計期間の利用データを集計してマーケティングデータを算出する。上述した判定期間は、この集計期間前又は集計期間内となる。また、マーケティングデータとしては、例えば見込み値（本発明の集計値）、押し上げ値（本発明の集計値）、見込み期待値（本発明の期待値）、押し上げ期待値（本発明の期待値）が挙げられる。算出部１３で算出されたマーケティングデータは、記憶部１４に記憶される。なお、上述したマーケティングデータの４つの内容については後述する。

記憶部１４は、マーケティング支援システム１で処理される各種データを記憶する。具体的には、マーケティング支援システム１に入力された利用データ、設定部１１で設定されたアクション又は状態変化に関するデータ、分類部１２で分類された顧客のセグメントに関するデータ、算出部１３で算出されたマーケティングデータが記憶される。また、記憶部１４には、マーケティングデータを算出するための各種プログラムが格納される。

出力部１５は、記憶部１４のデータベースに格納されたマーケティングデータをマーケティング支援システム１の外部に出力する。

なお、図１に示すマーケティング支援システム１の構成要素は、回路（ハードウェア）、又はＣＰＵなどの中央演算処理装置と、これらを機能させるためのプログラム（ソフトウェア）から構成することができる。そして、このプログラムは各部１０〜１５を制御して、後述するデータ処理を実行する。この場合において、上記プログラムは、例えば記憶部１４に格納されていてもよいし、或いはコンピュータ読み取り可能なハードディスク（ＨＤ）、フレキシブルディスク（ＦＤ）、コンパクトディスク（ＣＤ）、マグネットオプティカルデスク（ＭＯ）、各種メモリなどのコンピュータに読み取り可能な記憶媒体に格納されていてもよい。また、上記プログラムは、インターネットなどの通信回線網を介してダウンロードすることにより、上記記憶媒体などに格納することができる。

＜２．マーケティングデータ＞
次に、上述した算出部１３で算出されるマーケティングデータについて説明する。マーケティングデータとしては、下記（１）〜（４）が挙げられる。なお、算出部１３でマーケティングデータを算出するには、先だって、設定部１１において顧客のアクション又は顧客の状態変化を特定して設定し、さらに分類部１２で判定期間における顧客のアクション又は顧客の状態変化の有無により顧客をセグメントに分類する。
（１）見込み値
（２）押し上げ値
（３）見込み期待値
（４）押し上げ期待値

（１）見込み値
見込み値は、判定期間にアクションを起こした顧客のセグメント、又は判定期間に状態変化が生じた顧客のセグメントに対し、集計期間の利用データが集計されて算出される。なお、上述したように状態変化が生じた顧客のセグメントには、顧客がアクションを起こした結果、状態変化が生じた場合も含まれる。すなわち、見込み値を算出するに際してのセグメントには、顧客が能動的にアクションを起こした場合のセグメント、顧客の状態変化が能動的に生じた場合のセグメント、顧客がアクションを起こした結果、状態変化が受動的に生じた場合のセグメントの３パターンが含まれる。

図２は、顧客をセグメントに分類する様子を示す説明図である。図２中のグラフは、各顧客の利用データの経時的変化を示す。図２では、比較期間Ｔ１、判定期間Ｔ２、集計期間Ｔ３が連続している。比較期間Ｔ１は、後述する見込み値としての差分値・上昇率を算出するための期間であって、集計期間Ｔ３と同じ長さの期間である。判定期間Ｔ２は、分類部１２においてアクション又は状態変化の有無を判断するための期間である。集計期間Ｔ３は、算出部１３において見込み値を算出するための期間である。なお、本実施の形態においては、判定期間Ｔ２が集計期間Ｔ３前である場合について説明するが、判定期間Ｔ２は集計期間Ｔ３内であってもよく、すなわち判定期間Ｔ２と集計期間Ｔ３が一致していてもよい。換言すれば、判定期間Ｔ２の始点が、集計期間Ｔ３の始点より前又は集計期間Ｔ３の始点と同じであればよい。

そして、図２（ａ）に示すように利用データは複数の顧客のデータを含み、図２（ｂ）に示すように分類部１２において、判定期間Ｔ２におけるアクション又は状態変化の有無により、顧客をセグメントに分類する。図２（ｂ）中、太線は、判定期間Ｔ２にアクションを起こした顧客、又は判定期間Ｔ２に状態変化が生じた顧客を示す。点線は、判定期間Ｔ２にアクションを起こしていない顧客、又は判定期間Ｔ２に状態変化が生じていない顧客を示す。

算出部１３では、図２（ｂ）中の太線の顧客のセグメント（判定期間Ｔ２にアクションを起こした顧客のセグメント、又は判定期間Ｔ２に状態変化が生じた顧客のセグメント）に対し、集計期間Ｔ３の利用データを集計して見込み値を算出する。例えば利用データがＰＯＳデータの場合、集計期間Ｔ３のトランザクションデータを集計して見込み値を算出する。

見込み値は、「累積値」、「差分値・上昇率」、「到達確率」の３パターンに分けられる。図３は、見込み値の説明図である。

見込み値としての累積値は、図３（ａ）に示すように集計期間Ｔ３の利用データを累積した値Ｘである。累積値としては、例えば集計期間Ｔ３における利用金額、利用回数、利用商品数、利用カテゴリ数、利用店舗数、利益などが挙げられる。

見込み値としての差分値・上昇率は、図３（ｂ）に示すように集計期間Ｔ３の利用データと比較期間Ｔ１の利用データとの差分値Ｙであり、上昇率Ｙ（％）である。差分値としては、例えば比較期間Ｔ１から集計期間Ｔ３の利用金額の増加額、利用回数の増加数、利用商品数の増加数、利用カテゴリ数の増加数、利用店舗数の増加数、利益の増加額などが挙げられる。また、上昇率としては、例えば比較期間Ｔ１から集計期間Ｔ３の利用金額の伸び率、利用回数の伸び率、利用商品数の伸び率、利用カテゴリ数の伸び率、利用店舗数の伸び率、利益の伸び率などが挙げられる。

なお、比較期間Ｔ１は集計期間Ｔ３の前であればよく、比較期間Ｔ１と集計期間Ｔ３は連続していてもよい。

見込み値としての到達確率は、例えば図３（ｃ）に示すように集計期間Ｔ３後に特定条件に到達する確率Ｚ（％）である。特定条件としては、例えば集計期間Ｔ３後に優良顧客のカテゴリに到達する確率や、利用金額が所定額以上である確率、会員である（すなわち退会しない）確率、特定商品を購入している確率、特定用品を利用している確率などが挙げられる。なお、到達確率の判断時は集計期間Ｔ３後であればよく、集計期間Ｔ３の終時であってもよいし、集計期間Ｔ３後に所定期間をあけた時点であってもよい。

かかる見込み値によれば、判定期間に顧客がアクションを起こすことにより、又は判定期間に顧客の状態変化が生じることにより、当該アクション又は状態変化後の利用がどの程度になるかを見積ることができる。

（２）押し上げ値
押し上げ値は、判定期間にアクション又は状態変化が有った顧客のセグメントの利用データの集計値から、判定期間にアクション又は状態変化が無かった顧客のセグメントの利用データの集計値を差し引いて算出される。

押し上げ値の算出にあたり、前項の集計値、すなわち判定期間にアクション又は状態変化が有った顧客のセグメントの利用データの集計値は、上述した見込み値に相当する。前項の集計値は、図２（ｂ）中の太線の顧客のセグメント（判定期間Ｔ２にアクションを起こした顧客のセグメント、又は判定期間Ｔ２に状態変化が生じた顧客のセグメント）に対し、集計期間Ｔ３の利用データを集計して算出する。

後項の集計値（以下、比較値）、すなわち判定期間にアクション又は状態変化が無かった顧客のセグメントの利用データの集計値は、図２（ｂ）中の点線の顧客のセグメント（判定期間Ｔ２にアクションを起こしていない顧客のセグメント、又は判定期間Ｔ２に状態変化が生じていない顧客のセグメント）に対し、集計期間Ｔ３の利用データを集計して算出する。

なお、前項の集計値（見込み値）と後項の集計値（比較値）は、図３に示したように「累積値」、「差分値・上昇率」、「到達確率」の３パターンに分けられ、押し上げ値も「累積値」、「差分値・上昇率」、「到達確率」の３パターンに分けられる。

かかる押し上げ値によれば、判定期間に顧客がアクションを起こすことにより、又は判定期間に顧客の状態変化が生じることにより、当該アクション又は状態変化が生じなかった顧客に比べて、当該アクション又は状態変化後の利用がどの程度押し上げられるかを見積ることができる。

（３）見込み期待値
見込み期待値は、下記式の８パターンで算出される値である。
・見込み期待値＝アクション率×見込み値
・見込み期待値＝アクション率×状態変化率×見込み値
・見込み期待値＝アクション率×（直接見込み値+波及見込み値）
・見込み期待値＝アクション率×状態変化率×（直接見込み値+波及見込み値）
・見込み期待値＝反応率×見込み値
・見込み期待値＝反応率×状態変化率×見込み値
・見込み期待値＝反応率×（直接見込み値+波及見込み値）
・見込み期待値＝反応率×状態変化率×（直接見込み値+波及見込み値）

上記式において見込み値は、上記（１）の見込み値である。

アクション率は、全顧客に対し、判定期間にアクションを起こした顧客の割合を示す。上述したようにアクションには、顧客が能動的にアクションを起こす場合と、イベントや宣伝広告などの利用促進活動によって顧客が受動的にアクションを起こす場合とが含まれ、利用促進活動の有無に関わらない。

反応率は、全顧客に対し、判定期間に利用促進活動に反応してアクションを起こした顧客の割合を示す。すなわち、反応率を算出するにあたっては、顧客が能動的にアクションを起こす場合は含まれない。

状態変化率は、判定期間にアクションを起こした顧客に対し、判定期間に状態変化が生じた顧客の割合を示す。上述したように状態変化には、顧客が能動的に状態変化を生じさせる場合と、顧客がアクションを起こした結果、受動的に状態変化が生じた場合とが含まれる。

直接見込み値は、判定期間にアクションを起こした顧客のセグメントにおいて、利用促進活動の対象とアクションの対象が一致している顧客の見込み値である。例えば利用促進活動が牛乳の宣伝広告であって、アクションが牛乳を購入する場合、その顧客の見込み値は直接見込み値となる。

波及見込み値は、判定期間にアクションを起こした顧客のセグメントにおいて、利用促進活動の対象とアクションの対象が一致していない顧客の見込み値である。例えば利用促進活動が牛乳の宣伝広告であって、アクションが牛乳以外の商品を購入する場合、当該アクションは利用促進活動から波及したものとなり、その顧客の見込み値は波及見込み値となる。

なお、直接見込み値と波及見込み値を足し合わせたものが、上記（１）の見込み値となる。

かかる見込み期待値によれば、判定期間に顧客がアクションを起こすことにより、又は判定期間に顧客の状態変化が生じることにより、当該アクション又は状態変化後の利用がどの程度になるかの期待値を、アクション又は状態変化を起こす確率を考慮して見積もることができる。

（４）押し上げ期待値
押し上げ期待値は、下記式の８パターンで算出される値である。
・押し上げ期待値＝アクション率×押し上げ値
・押し上げ期待値＝アクション率×状態変化率×押し上げ値
・押し上げ期待値＝アクション率×（直接押し上げ値+波及押し上げ値）
・押し上げ期待値＝アクション率×状態変化率×（直接押し上げ値+波及押し上げ値）
・押し上げ期待値＝反応率×押し上げ値
・押し上げ期待値＝反応率×状態変化率×押し上げ値
・押し上げ期待値＝反応率×（直接押し上げ値+波及押し上げ値）
・押し上げ期待値＝反応率×状態変化率×（直接押し上げ値+波及押し上げ値）

押し上げ期待値は、上記（３）の見込み期待値における見込み値を、上記（２）の押し上げ値に差し替えたものである。上記式における各項の説明は、上述した通りであるので詳細な説明を省略する。

かかる押し上げ期待値によれば、判定期間に顧客がアクションを起こすことにより、又は判定期間に顧客の状態変化が生じることにより、当該アクション又は状態変化が生じなかった顧客に比べて、当該アクション又は状態変化後の利用がどの程度押し上げられるかの期待値を、アクション又は状態変化を起こす確率を考慮して見積もることができる。

なお、以上の説明では、見込み値、押し上げ値、見込み期待値、押し上げ期待値を算出する際の集計期間Ｔ３は、セグメントにおいて複数の顧客に共通の期間であった。これに対して、図４に示すように顧客ごとに集計期間Ｔ３が設定されていてもよい。

図４は、判定期間Ｔ２にアクションを起こした顧客のセグメント、又は判定期間Ｔ２に状態変化が生じた顧客のセグメントを示している。図４中の三角印は、各顧客がアクションを起こした時点、又は顧客の状態変化が生じた時点である。そして、集計期間Ｔ３は、かかるセグメントにおいて、顧客ごとに設定される期間であって、アクション又は状態変化を起点とした所定長さの期間である。また、比較期間Ｔ１は、アクション又は状態変化を終点とした期間であって、集計期間Ｔ３と同じ長さの期間である。

このように設定される集計期間Ｔ３、比較期間Ｔ１に対しても、上述した方法と同様の方法で、見込み値、押し上げ値、見込み期待値、押し上げ期待値を算出することができる。

＜３．マーケティング支援方法＞
次に、以上のように構成されたマーケティング支援システム１を用いて行われるデータ処理について説明する。本発明のマーケティング支援方法では、データ処理を行い、マーケティングデータを算出する。以下においては、３つの具体的な事例を含む実施の形態を用いて、本発明のデータ処理について説明する。

＜３−１．第１の実施の形態＞
第１の実施の形態では、クレジットカードの利用を例にとって説明する。具体的には、外部システム２は、例えばクレジットカード会社に設けられたデータベースシステムであって、マーケティング支援システム１では、当該データベースシステムから取得されたクレジットカードの利用データを処理する。そして、本実施の形態では、マーケティングデータとして、見込み値と押し上げ値を算出する。

図５は、クレジットカードの利用データの一例を示している。利用データは、外部システム２からマーケティング支援システム１に入力されたデータに基づき、設定部１１において、マーケティングデータを算出するために必要なデータを抽出したものである。２０１４年１２月〜２０１５年２月は比較期間Ｔ１であり、２０１５年３月は判定期間Ｔ２であり、２０１５年４月〜６月は集計期間Ｔ３である。

利用データには、比較期間Ｔ１と集計期間Ｔ３における、顧客Ａ〜顧客Ｗのメールマガジン（以下、メルマガ）の設定状況、カード利用額、カード利用回数が含まれる。また、利用データには、判定期間Ｔ２における、顧客Ａ〜顧客Ｗのメルマガの設定変更が含まれる。このメルマガの設定状況は顧客Ａ〜顧客Ｗの状態を示し、メルマガの設定変更は状態変化に相当する。さらに、利用データには、集計期間Ｔ３後の２０１６年３月時点でのカードの有効無効の状況が含まれる。

次に、図５に示したクレジットカードの利用データに基づき、算出部１３においてマーケティングデータ（見込み値、押し上げ値）を算出する例について説明する。上述したように見込み値と押し上げ値は、「累積値」、「差分値・上昇率」、「到達確率」の３パターンに分けられる。

図６は、見込み値、押し上げ値としての累積値を示す。見込み値ａを算出するにあたっては、先ず、判定期間Ｔ２にメルマガの設定状況が無しから有りに変更した顧客をセグメントに分類する。そして、見込み値ａとして、このセグメントの集計期間Ｔ３におけるカード利用額、カード利用回数を集計し、さらに集計した値を顧客数で除して、顧客１名あたりの平均値を算出する。

押し上げ値ｃを算出するにあたっては、先ず、判定期間Ｔ２にメルマガの設定状況が無しのままの顧客をセグメントに分類する。このセグメントの集計期間Ｔ３におけるカード利用額、カード利用回数を集計し、さらに集計した値を顧客数で除して、顧客１名あたりの平均値（以下、比較値ｂ）を算出する。そして、押し上げ値ｃは、見込み値ａから比較値ｂを差し引いて算出する。

図７は、絞り込み条件を付加して算出した、見込み値、押し上げ値としての累計値を示す。絞り込み条件として、比較期間Ｔ１の利用額が４０，０００円以上、１００，０００円以下の顧客を対象とする。そして、図６に示したように見込み値ａと押し上げ値ｃを算出する際、この絞り込み条件で対象となった顧客をセグメントに分類する。なお、見込み値ａと押し上げ値ｃの算出方法は、上記図６を用いて説明した算出方法と同様であるので説明を省略する。

図８は、見込み値、押し上げ値としての上昇率を示す。見込み値ａ、押し上げ値ｃを算出する際には、先ず、図８（ａ）に示すように各顧客の、比較期間Ｔ１から集計期間Ｔ３の利用額の上昇率（以下、利用額上昇率）を算出する。そして、図８（ｂ）に示すように見込み値ａとして、判定期間Ｔ２にメルマガの設定状況が無しから有りに変更した顧客のセグメントに対し、利用額上昇率を集計し、さらに集計した値を顧客数で除して、顧客１名あたりの平均値を算出する。

押し上げ値ｃを算出するにあたっては、先ず、判定期間Ｔ２にメルマガの設定状況が無しのままの顧客のセグメントに対し、利用額上昇率を集計し、さらに集計した値を顧客数で除して、顧客１名あたりの平均値（以下、比較値ｂ）を算出する。そして、押し上げ値ｃは、見込み値ａから比較値ｂを差し引いて算出する。

図９は、見込み値、押し上げ値としての到達確率を示す。到達確率の基準となる特定条件は、２０１６年３月時点のカード状況であり、当該時点においてカードが有効であれば特定条件に到達したと判断される。換言すれば、到達確率は、顧客の残存率である。そして、見込み値ａとして、判定期間Ｔ２にメルマガの設定状況が無しから有りに変更した顧客のセグメントにおいて、全顧客数に対する残存顧客数の割合を算出する。

押し上げ値ｃを算出するにあたっては、先ず、判定期間Ｔ２にメルマガの設定状況が無しのままの顧客のセグメントにおいて、全顧客数に対する残存顧客数の割合（以下、比較値ｂ）を算出する。そして、押し上げ値ｃは、見込み値ａから比較値ｂを差し引いて算出する。

本実施の形態によれば、メルマガ設定（状態変化）の効果を把握することができる。すなわち、見込み値を把握することにより、メルマガ設定後の利用がどの程度になるかを見積ることができる。また、押し上げ値を把握することにより、メルマガ設定を行う場合、メルマガ設定を行わない場合に比較して、メルマガ設定後の利用がどの程度押し上げられるかを見積ることができる。

また、このようにメルマガ設定の効果を把握することで、顧客に対して効果的なメルマガを配信することが可能となる。

＜３−２．第２の実施の形態＞
第２の実施の形態では、百貨店の利用を例にとって説明する。外部システム２は、例えば百貨店に設けられたデータベースシステムであって、マーケティング支援システム１では、当該データベースシステムから取得された顧客の利用データ（商品の購入データ）を処理する。そして、本実施の形態では、マーケティングデータとして、アクション率を用いた見込み期待値と押し上げ期待値を算出する。

図１０は、百貨店の利用データの一例を示している。利用データは、外部システム２からマーケティング支援システム１に入力されたデータに基づき、設定部１１において、マーケティングデータを算出するために必要なデータを抽出したものである。２０１５年１２月はアクションの有無の判定期間Ｔ２であり、２０１６年１月〜６月は集計期間Ｔ３である。なお、集計期間Ｔ３は、後述するように状態変化の有無の判定期間でもある。

利用データには、判定期間Ｔ２の前である２０１５年１１月までにおいて、顧客Ａ〜顧客Ｘが未購入の商品のカテゴリ（以下、対象カテゴリ）が含まれる。また、利用データには、判定期間Ｔ２における、顧客Ａ〜顧客Ｘの対象カテゴリの商品の新規購入の有無が含まれる。この対象カテゴリの商品の新規購入は、顧客のアクションに相当する。さらに、利用データには、集計期間Ｔ３における、顧客Ａ〜顧客Ｘの対象カテゴリの商品の再度購入の有無、対象カテゴリの商品の購入金額、対象カテゴリ以外の商品の購入金額、全カテゴリの商品の合計購入金額が含まれる。このうち、対象カテゴリの商品の再度購入の有無は、顧客の購入が定着したか否かを示し、すなわち状態変化の有無に相当する。

次に、図１０に示した百貨店の利用データに基づき、算出部１３においてマーケティングデータ（見込み期待値、押し上げ期待値）を算出する例について説明する。

図１１は、下記式で算出される見込み期待値と押し上げ値を示す。
・見込み期待値＝アクション率×見込み値
・押し上げ期待値＝アクション率×押し上げ値

先ず、対象カテゴリごとに、判定期間Ｔ２に対象カテゴリの商品を新規購入した顧客をセグメントに分類し、その顧客数ａを集計する。また、判定期間Ｔ２に対象カテゴリの商品を新規購入しなかった顧客をセグメントに分類し、その顧客数ｃを集計する。そうすると、判定期間Ｔ２にアクションを起こした顧客の割合を示すアクション率ｅが算出される。具体的には、アクション率ｅは、全顧客数（ａ＋ｃ）に対するアクションを起こした顧客数ａの割合である。

見込み期待値ｆを算出するにあたっては、判定期間Ｔ２に対象カテゴリの商品を新規購入した顧客のセグメントに対し、全カテゴリの商品の平均購入金額である見込み値ｂを算出する。この見込み値ｂの算出方法は、第１の実施の形態における見込み値の算出方法と同様であるので説明を省略する。そして、見込み期待値ｆは、アクション率ｅに見込み値ｂを掛けて算出する。

押し上げ期待値ｈを算出するにあたっては、判定期間Ｔ２に対象カテゴリの商品を新規購入しなかった顧客のセグメントに対し、全カテゴリの商品の平均購入金額である比較値ｄを算出し、さらに押し上げ値ｇ（＝見込み値ｂ−比較値ｄ）を算出する。この押し上げ値ｇの算出方法は、第１の実施の形態における押し上げ値の算出方法と同様であるので説明を省略する。そして、押し上げ期待値ｈは、アクション率ｅに押し上げ値ｇを掛けて算出する。

図１２は、下記式で算出される見込み期待値と押し上げ値を示す。
・見込み期待値＝アクション率×（直接見込み値+波及見込み値）
・押し上げ期待値＝アクション率×（直接押し上げ値+波及押し上げ値）

先ず、判定期間Ｔ２に対象カテゴリの商品を新規購入した顧客数ａ、判定期間Ｔ２に対象カテゴリの商品を新規購入しなかった顧客数ｄを集計し、アクション率ｇを算出する。

見込み期待値ｈを算出するにあたっては、判定期間Ｔ２に対象カテゴリの商品を新規購入した顧客のセグメントに対し、対象カテゴリの商品の平均購入金額である直接見込み値ｂを算出する。また、判定期間Ｔ２に対象カテゴリの商品を新規購入した顧客のセグメントに対し、対象カテゴリ以外の商品の平均購入金額である波及見込み値ｃを算出する。そして、見込み期待値ｈは、アクション率ｅに、直接見込み値ｂと波及見込み値ｃの和を掛けて算出する。

押し上げ期待値ｋを算出するにあたっては、判定期間Ｔ２に対象カテゴリの商品を新規購入しなかった顧客のセグメントに対し、対象カテゴリの商品の平均購入金額である直接比較値ｅを算出し、判定期間Ｔ２に対象カテゴリの商品を新規購入しなかった顧客のセグメントに対し、対象カテゴリ以外の商品の平均購入金額である波及比較値ｆを算出する。さらに、直接押し上げ値ｉ（直接見込み値ｂ−直接比較値ｅ）と波及押し上げ値ｊ（波及見込み値ｃ−波及比較値ｆ）を算出する。そして、押し上げ期待値ｋは、アクション率ｅに、直接押し上げ値ｉと波及押し上げ値ｊの和を掛けて算出する。

図１３は、下記式で算出される見込み期待値と押し上げ値を示す。
・見込み期待値＝アクション率×状態変化率×見込み値
・押し上げ期待値＝アクション率×状態変化率×押し上げ値

先ず、判定期間Ｔ２に対象カテゴリの商品を新規購入し、且つ集計期間Ｔ３に再度購入した顧客数ａを集計する。また、判定期間Ｔ２に対象カテゴリの商品を新規購入し、且つ集計期間Ｔ３に再度購入しなかった顧客数ｃを集計する。さらに、判定期間Ｔ２に対象カテゴリの商品を新規購入しなかった顧客数ｄを集計する。アクションは判定期間Ｔ２における対象カテゴリの商品の新規購入であり、アクション率ｆは、アクションを起こした顧客数（ａ＋ｃ）を全顧客数（ａ＋ｃ＋ｄ）で除して算出される。状態変化は、判定期間Ｔ２に対象カテゴリの商品を新規購入した顧客が集計期間Ｔ３に対象カテゴリの商品の再度購入することである。そして、状態変化率は、状態変化が生じた顧客数ｃを新規購入顧客数（ａ＋ｃ）で除して算出される。

見込み期待値ｈを算出するにあたっては、判定期間Ｔ２に対象カテゴリの商品を新規購入した顧客のセグメントに対し、全カテゴリの商品の平均購入金額である見込み値ｂを算出する。そして、見込み期待値ｈは、アクション率ｆ、状態変化率ｇ、見込み値ｂを掛け合わせて算出する。

押し上げ期待値ｊを算出するにあたっては、判定期間Ｔ２に対象カテゴリの商品を新規購入しなかった顧客のセグメントに対し、全カテゴリの商品の平均購入金額である比較値ｅを算出し、さらに押し上げ値ｉ（＝見込み値ｂ−比較値ｅ）を算出する。そして、押し上げ期待値ｈは、アクション率ｆ、状態変化率ｇ、押し上げ値ｉを掛け合わせて算出する。

図１４は、下記式で算出される見込み期待値と押し上げ値を示す。
・見込み期待値＝アクション率×状態変化率×（直接見込み値+波及見込み値）
・押し上げ期待値＝アクション率×状態変化率×（直接押し上げ値+波及押し上げ値）

見込み期待値ｊは、図１３の見込み期待値ｈにおける見込み値ｂを、直接見込み値ｂと波及見込み値ｃに分解したものである。この見込み値の分解方法は、図１２に示した見込み値の分解方法と同様であるので説明を省略する。

押し上げ期待値ｎは、図１３の押し上げ期待値ｊにおいて押し上げ値ｉを、直接押し上げ値ｋと波及押し上げ値ｍに分解したものである。この押し上げ値の分解方法も、図１２に示した押し上げ値の分解方法と同様であるので説明を省略する。

本実施の形態によれば、対象カテゴリの商品の新規購入（アクション）の効果と、対象カテゴリの商品の再度購入（状態変化）の効果を把握することができる。

すなわち、見込み期待値（アクション率×見込み値）を把握することにより、対象カテゴリの商品の新規購入後の利用がどの程度になるかを見積もることができる。また、見込み期待値（アクション率×状態変化率×見込み値）を把握することにより、対象カテゴリの商品の再度購入後の利用がどの程度になるかを見積もることができる。さらに、上記見込み値を直接見込み値と波及見込み値に分解することで、顧客が対象カテゴリの商品を購入する直接的効果を把握することができるし、或いは対象カテゴリ以外の商品を購入する波及的効果を把握することができる。

また、押し上げ期待値（アクション率×押し上げ値）を把握することにより、対象カテゴリの商品を新規購入した場合、当該商品を新規購入しない場合に比較して、当商品の新規購入後の利用がどの程度押し上げられるかを見積ることができる。また、押し上げ期待値（アクション率×状態変化率×押し上げ値）を把握することにより、対象カテゴリの商品を再度購入した場合、当該商品を再度購入しない場合に比較して、当該商品の再度購入後の利用がどの程度になるかを見積もることができる。さらに、上記押し上げ値を直接押し上げ値と波及押し上げ値に分解することで、顧客が対象カテゴリの商品を購入する直接的効果を把握することができるし、或いは対象カテゴリ以外の商品を購入する波及的効果を把握することができる。

そして、対象カテゴリの商品の新規購入（アクション）の効果と、対象カテゴリの商品の再度購入（状態変化）の効果を把握することで、百貨店がどのカテゴリの商品を強化すべきかを検討することができる。

＜３−３．第３の実施の形態＞
第３の実施の形態では、生鮮スーパーの利用を例にとって説明する。外部システム２は、例えば生鮮スーパーに設けられたデータベースシステムであって、マーケティング支援システム１では、当該データベースシステムから取得された顧客の利用データ（商品の購入データ）を処理する。そして、本実施の形態では、マーケティングデータとして、反応率を用いた見込み期待値と押し上げ期待値を算出する。

図１５は、生鮮スーパーの利用データの一例を示している。利用データは、外部システム２からマーケティング支援システム１に入力されたデータに基づき、設定部１１において、マーケティングデータを算出するために必要なデータを抽出したものである。２０１６年３月３１日はアクションの有無の判定期間Ｔ２であり、２０１６年４月〜６月は集計期間Ｔ３である。なお、集計期間Ｔ３は、後述するように状態変化の有無の判定期間でもある。

本実施の形態では、判定期間Ｔ２に顧客Ａ〜顧客Ｗに対してクーポンを配信している。顧客Ａ〜顧客Ｗには、顧客ごとに異なる商品のクーポンが配信される。なお、このクーポンの配信は、利用促進活動に相当する。

利用データには、判定期間Ｔ２における、顧客Ａ〜顧客Ｗに配信されるクーポンの商品（以下、クーポン配信商品）、クーポン配信商品の購入の有無が含まれる。このクーポン配信商品の購入は、顧客のアクションに相当する。また、利用データには、集計期間Ｔ３における、顧客Ａ〜顧客Ｗのクーポン配信商品の再度購入の有無、クーポン配信商品の購入金額、クーポン配信商品以外の商品の購入金額、全商品の合計購入金額が含まれる。このうち、クーポン配信商品の再度購入の有無は、顧客の購入が定着したか否かを示し、すなわち状態変化の有無に相当する。

次に、図１５に示した生鮮スーパーの利用データに基づき、算出部１３においてマーケティングデータ（見込み期待値、押し上げ期待値）を算出する例について説明する。

図１６は、下記式で算出される見込み期待値と押し上げ値を示す。
・見込み期待値＝反応率×見込み値
・押し上げ期待値＝反応率×押し上げ値

先ず、判定期間Ｔ２にクーポン配信商品を購入した顧客をセグメントに分類し、その顧客数ａを集計する。また、判定期間Ｔ２にクーポン配信商品を購入しなかった顧客をセグメントに分類し、その顧客数ｃを集計する。そうすると、判定期間Ｔ２に利用促進活動に反応してアクションを起こした顧客の割合を示す反応率ｅが算出される。具体的には、反応率ｅは、全顧客（ａ＋ｃ）に対する、利用促進活動に反応してアクションを起こした顧客数ａの割合である。

見込み期待値ｆは、図１１の見込み期待値ｆの算出方法と同様の方法で算出でき、図１１の見込み期待値ｆにおけるアクション率ｅを、反応率ｅに置換すればよい。また、押し上げ期待値ｈも、図１１の押し上げ期待値ｈの算出方法と同様の方法で算出でき、図１１の押し上げ期待値ｈにおけるアクション率ｅを、反応率ｅに置換すればよい。

図１７は、下記式で算出される見込み期待値と押し上げ値を示す。
・見込み期待値＝反応率×（直接見込み値+波及見込み値）
・押し上げ期待値＝反応率×（直接押し上げ値+波及押し上げ値）

見込み期待値ｈは、図１２の見込み期待値ｈの算出方法と同様の方法で算出でき、図１２の見込み期待値ｆにおけるアクション率ｇを、反応率ｇに置換すればよい。また、押し上げ期待値ｋも、図１２の押し上げ期待値ｋの算出方法と同様の方法で算出でき、図１２の押し上げ期待値ｋにおけるアクション率ｇを、反応率ｇに置換すればよい。

図１８は、下記式で算出される見込み期待値と押し上げ値を示す。
・見込み期待値＝反応率×状態変化率×見込み値
・押し上げ期待値＝反応率×状態変化率×押し上げ値

見込み期待値ｈは、図１３の見込み期待値ｈの算出方法と同様の方法で算出でき、図１３の見込み期待値ｈにおけるアクション率ｆを、反応率ｆに置換すればよい。また、押し上げ期待値ｊも、図１３の押し上げ期待値ｊの算出方法と同様の方法で算出でき、図１３の押し上げ期待値ｊにおけるアクション率ｆを、反応率ｆに置換すればよい。

図１９は、下記式で算出される見込み期待値と押し上げ値を示す。
・見込み期待値＝反応率×状態変化率×（直接見込み値+波及見込み値）
・押し上げ期待値＝反応率×状態変化率×（直接押し上げ値+波及押し上げ値）

見込み期待値ｊは、図１４の見込み期待値ｊの算出方法と同様の方法で算出でき、図１４の見込み期待値ｊにおけるアクション率ｈを、反応率ｈに置換すればよい。また、押し上げ期待値ｎも、図１４の押し上げ期待値ｎの算出方法と同様の方法で算出でき、図１４の押し上げ期待値ｎにおけるアクション率ｈを、反応率ｈに置換すればよい。

本実施の形態によれば、クーポン配信（利用促進活動）の効果を把握することができる。

すなわち、見込み期待値（反応率×見込み値）を把握することにより、クーポン配信商品の購入後の利用がどの程度になるかを見積もることができる。また、見込み期待値（反応率×状態変化率×見込み値）を把握することにより、クーポン配信商品の再度購入後の利用がどの程度になるかを見積もることができる。さらに、上記見込み値を直接見込み値と波及見込み値に分解することで、顧客がクーポン配信を購入する直接的効果を把握することができるし、或いはクーポン配信商品以外の商品を購入する波及的効果を把握することができる。

また、押し上げ期待値（反応率×押し上げ値）を把握することにより、クーポン配信商品を購入した場合、当該クーポン配信商品を購入しない場合に比較して、当クーポン配信商品の購入後の利用がどの程度押し上げられるかを見積ることができる。また、押し上げ期待値（反応率×状態変化率×押し上げ値）を把握することにより、クーポン配信商品を再度購入した場合、当該クーポン配信商品を再度購入しない場合に比較して、当該クーポン配信商品の再度購入後の利用がどの程度になるかを見積もることができる。さらに、上記押し上げ値を直接押し上げ値と波及押し上げ値に分解することで、顧客がクーポン配信を購入する直接的効果を把握することができるし、或いはクーポン配信商品以外の商品を購入する波及的効果を把握することができる。

そして、このようにクーポン配信の効果を把握することで、顧客に対して効果的なクーポンを配信することができる。

＜３−４．マーケティング支援方法の効果＞
以上、第１の実施の形態〜第３の実施の形態に示したように、本発明によれば、商品又はサービスの利用データを用いて、種々のマーケティングデータ（マーケティング情報）を算出することができる。特に商品又はサービスの利用データはいわゆるビッグデータであり、そこから算出されるマーケティングデータは良好な傾向を示す。したがって、本発明のマーケティングデータは、従来にない斬新なものであり、マーケティングに極めて有用である。

また、本発明では、種々のマーケティングデータを算出することができ、どのようなマーケティングを行うかに応じて、適宜マーケティングデータを選択することができる。そして、本発明のように有用なマーケティングデータを把握することで、顧客に対して適切なレコメンデーション（商品やサービスの推薦）を行うことも可能となる。具体的なレコメンデーションの方法は種々考えられるが、例えばマーケティングデータの高い順に、顧客に対して商品やサービスを推薦することができる。

以上、添付図面を参照しながら本発明の好適な実施の形態について説明したが、本発明はかかる例に限定されない。当業者であれば、特許請求の範囲に記載された思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

本発明は、例えば顧客の商品又はサービスの利用データを用いたマーケティングに有用である。

１ マーケティング支援システム
１０ 通信部
１１ 設定部
１２ 分類部
１３ 算出部
１４ 記憶部
１５ 出力部
Ｎ ネットワーク

Claims (18)

1. 顧客の商品又はサービスの利用データを用いてコンピュータによって実行されるマーケティング支援方法であって、
   商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する設定工程と、
   判定期間における前記アクション又は前記状態変化の有無により、顧客をセグメントに分類する分類工程と、
   前記セグメントごとに、集計期間の利用データに基づいて集計値を算出する算出工程と、を有し、
   前記判定期間の始点は、前記集計期間の始点より前又は前記集計期間の始点と同じであり、
   前記算出工程では、前記分類工程において前記アクション又は前記状態変化が有ると分類されたセグメントに対し、前記集計値である見込み値を算出し、
   前記集計値は、前記集計期間における利用データの累積値、又は前記集計期間における利用データと前記集計期間前であって当該集計期間と同じ長さの期間における利用データとの差分値若しくは上昇率であることを特徴とする、マーケティング支援方法。
2. 顧客の商品又はサービスの利用データを用いてコンピュータによって実行されるマーケティング支援方法であって、
   商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する設定工程と、
   判定期間における前記アクション又は前記状態変化の有無により、顧客をセグメントに分類する分類工程と、
   前記セグメントごとに、集計期間の利用データに基づいて集計値を算出する算出工程と、を有し、
   前記判定期間の始点は、前記集計期間の始点より前又は前記集計期間の始点と同じであり、
   前記算出工程では、前記分類工程において前記アクション又は前記状態変化が有ると分類されたセグメントの前記集計値から、前記分類工程において前記アクション又は前記状態変化が無いと分類されたセグメントの前記集計値を差し引いて、押し上げ値を算出し、
   前記集計値は、前記集計期間における利用データの累積値、又は前記集計期間における利用データと前記集計期間前であって当該集計期間と同じ長さの期間における利用データとの差分値若しくは上昇率であることを特徴とする、マーケティング支援方法。
3. 前記算出工程では、
   前記分類工程において前記アクションが行われたと分類されたセグメントの前記集計値と、
   全顧客に対し、前記判定期間に前記アクションを行った顧客の割合を示すアクション率と、を算出し、
   前記集計値と前記アクション率に基づいて、期待値をさらに算出することを特徴とする、請求項１又は２に記載のマーケティング支援方法。
4. 前記算出工程では、
   前記分類工程において前記アクションが行われ且つ前記状態変化が生じたと分類されたセグメントの前記集計値と、
   全顧客に対し、前記判定期間に前記アクションを行った顧客の割合を示すアクション率と、
   前記判定期間に前記アクションを行った顧客に対し、前記状態変化が生じた顧客の割合を示す状態変化率と、を算出し、
   前記集計値、前記アクション率及び前記状態変化率に基づいて、期待値をさらに算出することを特徴とする、請求項１又は２に記載のマーケティング支援方法。
5. 前記分類工程では、前記判定期間に利用促進活動に反応した前記アクションの有無により、顧客をセグメントに分類し、
   前記算出工程では、
   前記分類工程において前記利用促進活動に反応して前記アクションが行われたと分類されたセグメントの前記集計値と、
   全顧客に対し、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客の割合を示す反応率と、を算出し、
   前記集計値と前記反応率に基づいて、期待値をさらに算出することを特徴とする、請求項１又は２に記載のマーケティング支援方法。
6. 前記分類工程では、前記判定期間に利用促進活動に反応した前記アクションの有無と前記状態変化の有無により、顧客をセグメントに分類し、
   前記算出工程では、
   前記分類工程において前記利用促進活動に反応して前記アクションが行われ且つ前記状態変化が生じたと分類されたセグメントの前記集計値と、
   全顧客に対し、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客の割合を示す反応率と、
   前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客に対し、前記状態変化が生じた顧客の割合を示す状態変化率と、を算出し、
   前記集計値、前記反応率及び前記状態変化率に基づいて、期待値をさらに算出することを特徴とする、請求項１又は２に記載のマーケティング支援方法。
7. 前記算出工程では、前記集計値を、利用促進活動が直接的に起因となる直接集計値と、前記利用促進活動が波及した波及集計値とに分解して算出することを特徴とする、請求項１〜６のいずれか一項に記載のマーケティング支援方法。
8. 前記集計期間は、前記分類工程において前記アクション又は前記状態変化が有ると分類されたセグメントにおいて、顧客ごとに設定される期間であって、前記アクション又は前記状態変化を起点とした所定長さの期間であることを特徴とする、請求項１〜７のいずれか一項に記載のマーケティング支援方法。
9. 請求項１〜８のいずれか一項に記載のマーケティング支援方法をマーケティング支援システムによって実行させるように、当該マーケティング支援システムを制御する、コンピュータ上で動作するプログラム。
10. 請求項９に記載のプログラムを格納した読み取り可能なコンピュータ記憶媒体。
11. 顧客の商品又はサービスの利用データを用いたマーケティング支援システムであって、
    商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する設定部と、
    判定期間における前記アクション又は前記状態変化の有無により、顧客をセグメントに分類する分類部と、
    前記セグメントごとに、集計期間の利用データに基づいて集計値を算出する算出部と、を有し、
    前記判定期間の始点は、前記集計期間の始点より前又は前記集計期間の始点と同じであり、
    前記算出部は、前記分類部において前記アクション又は前記状態変化が有ると分類されたセグメントに対し、前記集計値である見込み値を算出し、
    前記集計値は、前記集計期間における利用データの累積値、又は前記集計期間における利用データと前記集計期間前であって当該集計期間と同じ長さの期間における利用データとの差分値若しくは上昇率であることを特徴とする、マーケティング支援システム。
12. 顧客の商品又はサービスの利用データを用いたマーケティング支援システムであって、
    商品若しくはサービスの利用開始若しくは利用停止を行う顧客のアクション、又は商品若しくはサービスの利用に関する顧客の状態変化を特定して設定する設定部と、
    判定期間における前記アクション又は前記状態変化の有無により、顧客をセグメントに分類する分類部と、
    前記セグメントごとに、集計期間の利用データに基づいて集計値を算出する算出部と、を有し、
    前記判定期間の始点は、前記集計期間の始点より前又は前記集計期間の始点と同じであり、
    前記算出部は、前記分類部において前記アクション又は前記状態変化が有ると分類されたセグメントの前記集計値から、前記分類部において前記アクション又は前記状態変化が無いと分類されたセグメントの前記集計値を差し引いて、押し上げ値を算出し、
    前記集計値は、前記集計期間における利用データの累積値、又は前記集計期間における利用データと前記集計期間前であって当該集計期間と同じ長さの期間における利用データとの差分値若しくは上昇率であることを特徴とする、マーケティング支援システム。
13. 前記算出部は、
    前記分類部において前記アクションが行われたと分類されたセグメントの前記集計値と、
    全顧客に対し、前記判定期間に前記アクションを行った顧客の割合を示すアクション率と、を算出し、
    前記集計値と前記アクション率に基づいて、期待値をさらに算出することを特徴とする、請求項１１又は１２に記載のマーケティング支援システム。
14. 前記算出部は、
    前記分類部において前記アクションが行われ且つ前記状態変化が生じたと分類されたセグメントの前記集計値と、
    全顧客に対し、前記判定期間に前記アクションを行った顧客の割合を示すアクション率と、
    前記判定期間に前記アクションを行った顧客に対し、前記状態変化が生じた顧客の割合を示す状態変化率と、を算出し、
    前記集計値、前記アクション率及び前記状態変化率に基づいて、期待値をさらに算出することを特徴とする、請求項１１又は１２に記載のマーケティング支援システム。
15. 前記分類部は、前記判定期間に利用促進活動に反応した前記アクションの有無により、顧客をセグメントに分類し、
    前記算出部は、
    前記分類部において前記利用促進活動に反応して前記アクションが行われたと分類されたセグメントの前記集計値と、
    全顧客に対し、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客の割合を示す反応率と、を算出し、
    前記集計値と前記反応率に基づいて、期待値をさらに算出することを特徴とする、請求項１１又は１２に記載のマーケティング支援システム。
16. 前記分類部は、前記判定期間に利用促進活動に反応した前記アクションの有無と前記状態変化の有無により、顧客をセグメントに分類し、
    前記算出部では、
    前記分類部において前記利用促進活動に反応して前記アクションが行われ且つ前記状態変化が生じたと分類されたセグメントの前記集計値と、
    全顧客に対し、前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客の割合を示す反応率と、
    前記判定期間に前記利用促進活動に反応して前記アクションを行った顧客に対し、前記状態変化が生じた顧客の割合を示す状態変化率と、を算出し、
    前記集計値、前記反応率及び前記状態変化率に基づいて、期待値をさらに算出することを特徴とする、請求項１１又は１２に記載のマーケティング支援システム。
17. 前記算出部は、前記集計値を、利用促進活動が直接的に起因となる直接集計値と、前記利用促進活動が波及した波及集計値とに分解して算出することを特徴とする、請求項１１〜１６のいずれか一項に記載のマーケティング支援システム。
18. 前記集計期間は、前記分類部において前記アクション又は前記状態変化が有ると分類されたセグメントにおいて、顧客ごとに設定される期間であって、前記アクション又は前記状態変化を起点とした所定長さの期間であることを特徴とする、請求項１１〜１７のいずれか一項に記載のマーケティング支援システム。
    

Images