IoT technology for e-commerce customer information segmentation

オンラインショッピングの喧騒の中で、ある商人が古くからある商業の課題に直面しています。それは、正気を失うことなく、いかにしてすべての顧客を一人ひとりの個人として扱うかという課題です。かつては、店主は常連客の名前や顔を知っていました。今日では、デジタルストアは何百万人もの人々にサービスを提供しているかもしれませんが、そのほとんどはユーザー名と配送先住所に過ぎません。生き残るために、これらの企業は顧客をグループに分類し、誰が最も利益をもたらし、誰に特別な注意が必要かを理解しなければなりません。これが顧客セグメンテーションの技術です。伝統的に、企業は買い物客の価値を判断するために、3つの単純な要素を見てきました。それは、最後にいつ購入したか（最新性）、どのくらいの頻度で購入するか（頻度）、そしていくらお金を使うか（支出額）です。これら3つの事実の組み合わせは、顧客の習慣を示す基本的な地図となります。しかし、単にこれらの数値を足し合わせるだけでは、実際の行動のニュアンスを見逃してしまうことがよくあります。多額の支出をするもののめったに訪れない顧客は、毎日訪れるが支出が少ない顧客とは異なるかもしれません。問題は、これらの方策をどのように公平に重み付けすれば、買い物客の真の価値を見極めることができるのか、ということです。

河南理工学院のある研究者は、オンライン商人がデータを分析する方法を洗練させることで、この問いに答えるべく取り組みました。研究者は、最新性、頻度、支出の3つの要素のうちどれが最も重要かを推測する代わりに、「エントロピー・ウェイト法」と呼ばれる数学的手法を用いて、データ自身に語らせることにしました。この手法は、データの変動量に基づいて各要素の重要性を算出するため、最終的なスコアが、あらかじめ設定された意見ではなく、実際の売上記録におけるパターンを反映するようにします。この研究は、Pinduoduoプラットフォームでクッキーやケーキを販売している特定の業者に焦点を当て、2019年8月から2020年1月までの3万2,000件以上の購入記録を調査しました。無効な注文を除去するためにデータをクリーニングし、配送先住所によって顧客を特定した後、研究者はこの新しいスコアリングシステムを適用して、すべての買い手に対して評価を行いました。

顧客のスコア化が終わると、研究者はクラスタリング・ツールを使用して彼らをグループ化しました。混ざり合った石の山を、単に色や大きさだけで分けるのではなく、似たような重さと質感を持つ石が自然に集まる場所を見つけるように分類することを想像してみてください。コンピュータは2つから8つのグループという異なる数のグループをテストし、最も明確で際立ったカテゴリーを生み出す構成を選択しました。その結果、4つの明確なタイプの買い物客のマップが作成されました。第1のグループは、顧客全体の約27パーセントを占める低価値の買い物客でした。彼らは最近何も購入しておらず、購入頻度が低く、支出も非常に少ない層です。第2のグループは、全体の約23パーセントを占め、過去にかなりの金額を使い、頻繁に購入していたものの、最近は静かになった顧客、つまり商人が呼び戻す必要がある層です。第3のグループは、別の27パーセントを占める最近の購入者であり、まだ店舗を探索している段階ですが、高い支出や頻繁な訪問には至っていない層です。最後に、第4のグループは、全体の約22.5パーセントを占める高価値の顧客であり、最近購入しており、頻繁に購入し、最も多くのお金を使っている層でした。

研究者がこの新しい手法を従来の顧客スコアリングと比較したとき、その違いは明白でした。専門家によって決定された固定の重みに依存しがちな従来のアプローチでは、最も価値のある買い物客を極めて小さな割合、わずか0.8パーセントとして特定してしまう傾向がありました。対照的に、データに重みを決定させた新しい手法は、より大きく現実的な高価値顧客のグループを特定しており、これは「少数の顧客が利益の大部分を生み出す」というよく知られたビジネス上の観察結果とも密接に一致していました。新しいモデルは、グループ間の差異がより明確であることを示しており、これは、商人が顧客間の違いをより高い明晰さで把握できるようになったことを意味します。このことは、最新性、頻度、支出にどれだけの重みを与えるかをデータに決定させることで、オンラインビジネスがより正確な顧客プロファイルを作成できることを示唆しています。研究は、このアプローチが顧客をセグメント化するためのより優れた方法を提供し、商人が顧客の真の姿に基づいたより明確なイメージを持って、最高の顧客を満足させ続け、他の顧客を穏やかに呼び戻すための戦略をカスタマイズできるようにすると結論付けています。