Insight for Retail ブログ

  「なんとなく来客が増えた」で終わっていませんか

「キャンペーン中は売上が伸びていたので成功だと思う」「クーポンを配信した週は来客が多かった気がする」。

このように、集客施策の振り返りが体感ベースになっている店舗は少なくありません。この状態が続くと効果の薄い施策を「成功」と誤認したまま、販促予算の配分を感覚で決め続けることになります。

振り返りが感覚に頼ってしまう原因は、「結果」のみを見ているから

実店舗の売上は、次のように分解できます。

売上 ＝ 店前通行量 × 入店率 × 買上率 × 客単価

このうちPOSデータから分かるのは、客単価と結果としての売上です。

一方、集客施策が働きかけているのは店前通行量や入店率。評価したい対象と、手元にある数字がずれているため、「売上が伸びたから成功だと思う」という結果論でしか語れなくなります。

集客施策を評価するには、施策が実際に働きかけている段階の数値そのものを、来店までのプロセスに分解して取得する必要があります。

AIカメラで来店までのプロセスを数値化

ただし、店前通行量や入店率はPOSデータからは取得できません。

店の前を何人が通り、そのうち何人が入店したかを継続的に数値化する手段として用いられるのがAIカメラです。

取得できる来客関連の数値と、そこから見えるようになることは次のとおりです。

重要なのは、この4つを個別に見るのではなく、組み合わせて読むことです。

 たとえば「SNSキャンペーン期間中、店前通行量はいつもどおりだが、来客人数と入店率だけが伸びていた」という状態であれば、通りがかりではなく店舗を目的に来た人が増えた＝SNS施策が実店舗への誘導につながった、という判断材料になります。 

  施策の成果は「通常との差分」で評価する

効果測定でよく使われる前月比は、月ごとに営業日数も祝休日の数も季節要因も異なるため、それだけでは施策を評価できません。

よって、「施策を実施しなかった場合、集客予想は何人だったか」を先に見積もり、実績との差を見る必要があります。

 必要な数値は下記の2つです。

見落とされやすいのが振れ幅です。平日の来客人数が通常1,200人前後で日によって100人ほど上下する店舗なら、施策実施日が1,250人でも通常の範囲内であり効果とは判断できません。 1,450人であれば、通常では説明できない増加が起きています。「増えたかどうか」ではなく「いつもの振れ幅を超えて増えたかどうか」が判断基準です。

  集客施策の効果を検証する4つのステップ

ステップ1：現在の「通常傾向」を把握する

施策を実施していない期間のデータから、その時期の通常傾向を把握します。比較軸は主に下記の3つです。

いずれも曜日を揃えて比較します。

 平日と休日では水準が大きく異なるため、まとめて平均すると通常傾向がぼやけてしまう点に注意です。

ステップ2：「振れ幅」を把握する

同じ期間の日次データが平均からどのくらい上下しているかを確認します。平日の平均が1,200人で1,100〜1,300人の間で推移しているなら、この店舗の平日の振れ幅は±100人程度です。

ステップ3：施策を実行し、通常予測との差を見る

実績が通常傾向からどれだけ変動し、それが振れ幅を超えているかを確認します。SNSでキャンペーンを告知した場合、次のように読み取れます。

「効果が確認できなかった」という結果も、価値を持つ判断材料です。 効果の薄い施策を早く見極めるほど、リソースを別の施策に回せます。

ステップ4：属性別に「誰に効いたのか」を見る

全体では変化が見えなかった施策でも、属性別に分解すると影響が確認できることがあります。逆に、全体では伸びていても狙った層には届いていなかった、というケースもあります。

AIカメラを活用すると、来店者の映像をAIが解析し、匿名化されたデータとして性別・年代を統計的に取得できます。「ABEJA Insight for Retail」では年代を5歳刻みで取得できるため、欲しているターゲット層と実際の来店客層とのギャップを精緻に捉えることが可能です。

  【事例】複数施策の中から、効いた施策や要因を分析した例

複数の施策が同じ月に重なり、さらに祝休日の影響が加わる場合は、通常傾向との比較だけでは判断が難しくなります。

こうしたケースでは、祝休日などの要因を差し引いたうえで各施策の寄与を確認する統計的な手法を用います。

多店舗を展開するある施設様は、クーポン配信、プレゼント、リーフレット配布、季節イベント等の施策を年間を通じて実施しており、「何が要因で集客が伸びたのか分からない」状態にありました。日次データと施策の実施履歴をもとに検証したところ、3つの事実が明らかになりました。

• ① 全店規模のキャンペーンは、来客増に寄与している可能性。 属性別に見ると、ボリュームゾーンである50代以上の層で特に効果が確認できた

• ② 一部の施策は、来客増に結びついていなかった。 実施日の来客自体は伸びていたものの、その伸びは祝休日の影響で説明できる範囲にとどまっていた

• ③ 全体傾向からは見えなかったが、属性別に効果があった施策。 子育て世代向けのリーフレット配布は全体では効果が見えませんでしたが、年代別にみると若年層の来客割合の増加が確認でき、「配布後、親と一緒に来店する」という流れが読み取れました

この結果を踏まえ、同施設様はすでに来店が定着している50代以上男性を「維持層」、若年層男女とその母親世代を「伸ばすべき層」と定義し、注力ターゲットを再設定しました。

上記のように、「ABEJA Insight for Retail」では分析をするデータや検証したい内容に応じて、カスタマーサクセスチームがデータの見かたや分析の支援を行い、データの取得と活用という2軸でお客様をサクセスまでサポートします。

  効果測定を「一度きり」で終わらせないために

効果測定は1回実施すれば終わりというものではありません。通常傾向は季節や競合環境によって変わり続けるため、効果測定は継続することでより価値を発揮します。

一方で、多くの店舗で効果測定が継続できず、止まってしまうケースが見受けられます。原因は分析手法の難しさではなく、継続するための条件が整っていないことにあります。

継続に必要な3つの条件

見落とされがちなのが3つ目です。データを取得できるようになった店舗が次に直面するのは、「数字は出たが、具体的に何をすればいいのか」という壁だからです。

「ABEJA Insight for Retail」が3つの条件をどう支えるか

① データを自動で取得する。 店舗入口や店内の計測対象エリアに目的に応じたAIカメラを設置することで、店前通行量、来客人数、来客属性、店内の立ち寄り状況を自動で取得します。社内検証では、マスク着用時でも性別の推定精度90%以上、年代の推定精度80%以上を確認しています。POSデータを連携すれば、買上率や客単価と組み合わせた分析も可能です。

② 施策を記録する「PDCA機能」。 予算の予実確認と、実施する施策の登録・管理ができます。過去の施策と実績データが紐づいた状態で蓄積されるため後から振り返りやすく、店舗ごとにバラバラだった施策情報が集約されることで、成功した施策の他店舗への横展開にもつながります。

③ カスタマーサクセスによる伴走型サポート。 データの提供にとどまらず、専任チームが継続的に伴走します。導入後は活用状況に応じて定例会議を実施し、データの見方の共有、数値の振り返りと課題整理、次の打ち手のディスカッションを支援します。人による伴走とツールの両面から、データドリブンな店舗運営の定着を図ります。

定着すると、店舗マーケティングはこう変わる

• オンライン施策の「実店舗への誘導」効果が測れる。 SNSやWeb広告の効果は従来、売上という結果でしか測れませんでした。来客人数と入店率により、来店の段階で捉えられるようになります

• 効果のある施策とない施策を見極められる。 評価が「担当者の感覚」から「共通の数値」に変わり、リソースを配分し直す判断ができます

• 施策の評価が属人化しない。 本部と店舗が同じ事実をもとに議論でき、担当者が代わっても基準が引き継がれます

  

  
  

  よくあるご質問（FAQ）

Q1. 効果測定を始めるには、どのくらいのデータ蓄積が必要ですか？

A1. 単発の施策について通常傾向との差を見るだけであれば、数週間分のデータでも判断できるケースがございます。祝休日や季節の影響を切り分けた検証や、注力すべき属性の定義には一定期間の蓄積データが必要です。現在のデータ量で何が検証できるかは、カスタマーサクセスチームが整理してご提案します。

Q2. 高度な分析には、専門的なIT知識が必要ですか？

A2. 専門的なデータ分析の知識がなくても、直感的に現状を把握できるダッシュボードをご用意しています。あわせてカスタマーサクセスチームが操作方法やデータの見方を支援しますので、無理なく改善のサイクルを回していくことができます。

Q3. 取得した映像データはどのように扱われますか？プライバシーが心配です。

A3. 来店者の映像をAIが解析し、匿名化されたデータとして抽出します。元の映像自体は最大30日間保持した後、破棄するなど、プライバシーに配慮したセキュアな運用を行っています。

  本記事のまとめ

集客施策の効果は、実施日の数値が多かったかどうかでは測れません。その店舗の「いつもの数字」と比べて、通常の振れ幅を超える変動が起きたかどうかが判断基準になります。

1. 通常傾向を把握する — 前年同月・前月・直近4週間平均から、施策がない場合の水準を見積もる。曜日は揃える

2. 振れ幅を把握する — 日々の自然な上下の幅を知る。偶然と効果を区別する基準になる

3. 通常予測との差を見る — 店前通行量・来客人数・入店率の動き方から、実店舗への誘導につながったかを読み取る

4. 属性別に深掘りする — 全体では見えない効果が、属性別に見ると現れる

「自社の店舗でも施策の効果を数字で確かめられるのか知りたい」「まず何から始めればよいのか相談したい」とお考えの店舗運営責任者様・マーケティングご担当者様は、ぜひ一度ご相談ください。現在のデータ環境で何が測れるのかの整理から、お手伝いいたします。

店舗データの可視化から、施策立案・効果検証までをデータドリブンに行うなら、「ABEJA Insight for Retail」をご活用ください。

AIカメラによる正確なデータの自動取得に加え、店舗運営を成功に導くカスタマーサクセスチームが、データの見方、示唆出し、施策立案・実行、振り返りまでのPDCA定着を支援します。

店舗改善の次の一手にお悩みのご担当者様は、ぜひ一度お気軽にご相談ください。

「AIカメラ活用×徹底伴走」の店舗分析ソリューション ABEJA Insight for Retail の詳細資料請求・個別無料相談はこちらから

＞＞ サービス詳細・無料相談を申し込む（公式ページへ遷移します）

▼サービス詳細はこちら

https://abejainc.com/insight-retail-main

▼お問い合わせはこちら

https://www.abejainc.com/insight-retail-contact