顧客満足度向上のためのデータ分析の方法を徹底解説
多くの企業では顧客満足度向上のために、顧客満足度調査を行うことが一般的です。しかし、それ以上に重要なのは、自社・顧客の利益につながるようなデータ分析を行うことです。データ分析を適切に行うことで、これまで気づかなかった顧客の不満・潜在ニーズに気づき、離れてしまう可能性があった顧客の心をつなぎ止めることができたり、新商品の開発につながったりすることが期待できます。
本記事では、顧客満足度調査についての基本事項、顧客満足向上のためのデータ分析方法・ポイントを解説します。
データ分析が重要な顧客満足向上について、3つの観点で解説します。
- 顧客満足度向上のための顧客満足度調査（CS調査）とは
- 顧客満足度調査が重要な理由
- 顧客満足度の指標NPSとは
1つずつ、解説します。
顧客満足度向上のための顧客満足度調査（CS調査）とは
顧客満足度向上のための顧客満足度調査とは、顧客が自社の商品・サービス・ブランドに対してどれだけ満足をしているか調査することで、Customer Satisfactionの頭文字を取った略語で、CS調査とも呼ばれています。
顧客満足度調査（CS調査）の背景にあるのは、顧客は自社の「商品」を購入しているのではなく、その裏側にあるサービスやブランドも一緒に購入しているという考え方です。経営学者であるピーター・ドラッカーの言葉にも「顧客は満足を購入している」とあります。顧客にとって商品を購入することは、満足を購入していることと言えるでしょう。
顧客満足向上はリピーターの創出に、顧客満足低下は顧客離れにつながる可能性があります。そのため、顧客満足度調査（CS調査）を行うことで、顧客が自社に抱く感情・期待を確認し自社の魅力を知り、さらなる改良を商品やサービスに盛り込んで展開することが可能です。
顧客満足度調査（CS調査）が重要な理由
顧客満足度調査が重要な理由は、顧客が自社の商品・サービス・ブランドに対しての満足度だけではなく、顧客が求めている潜在ニーズを知る機会になることです。顧客の潜在ニーズを把握することで、期待に沿った商品展開だけではなく、期待を超えたサービスが提供できる可能性があります。
たとえば掃除機を例として考えてみましょう。従来の掃除機では「吸引力が高い」「軽い」などの機能面が重視された商品で競争が展開されていました。しかし、ある企業のアンケートから見えてきたのが、顧客が実際に求めていることは「部屋がきれいになること」であり、吸引力の高さ・軽さは重要視していないという結果でした。この結果を元にして誕生したのが、ロボット掃除機です。
企業が重要であると考えていることと、顧客が重視していることにはズレがある可能性が高く、そのギャップを埋めるヒントとなるのが、顧客満足度調査（CS調査）と言えます。
顧客満足度の指標NPSとは
顧客満足度の指標NPSとは、Net Promoter Scoreの略語で、顧客満足度の測定を行うときに使用する指標の1つです。
NPSはロイヤルティマーケティングの第一人者であるフレッド・ライクヘルドが提唱した概念で、ロイヤルティの指標として活用されます。自社のブランドに対する愛着・信頼を数値化することで、自社における顧客体験の評価・改善に活かすことが可能です。
顧客には10点満点で回答してもらい、9～10点を付けた顧客（推奨者）の割合から、0～6点を付けた顧客（批判者）の割合を差し引いて、スコアを算出します。なお、7～8点（中立者）は、スコアには反映されません。
NPSは自社の成長率と高い相関性があると言われていることから、顧客満足度（CS調査）の新たな手法の1つとして注目を浴びています。
顧客満足向上のためのデータ分析3つの方法
顧客満足向上のためのデータ分析の方法は、以下の3つです。
- クロス集計分析
- ポートフォリオ分析
- RFM分析
1つずつ、解説します。
クロス集計分析
顧客満足向上のためのデータ分析の方法の1つ目は、クロス集計分析です。
クロス集計は、性別・年齢別などの特徴・傾向などの分析で活用される集計方法です。たとえば、性別×年齢別を軸にしたクロス集計も頻繁に行われます。性別×年齢別を分析軸にすることで、同年代の男女の差異が明確になります。
最近は、エクセルなどの表計算ソフトを使って手軽にクロス集計分析が可能になり、あらかじめ立てた仮説を簡単に検証できるようになりました。クロス集計分析は、マーケティングをリサーチする上で、単純集計分析と同様に基礎技術として習得しておくことがおすすめです。
ポートフォリオ分析
顧客満足向上のためのデータ分析の方法の2つ目は、ポートフォリオ分析です。
ポートフォリオ分析は、商品・サービスの満足度と期待度を2次元のグラフの中に配置することで、優先的に改善すべき項目を明らかにする分析手法です。期待度が高くても満足度が低い場合、顧客は自社に対する現実と理想のギャップが大きいと言え、顧客自身が自分の満足度を引き上げるための欲求が働きやすくなると、考えられます。
自社の商品・サービスに対する顧客の期待度と満足度との差を測定することで、顧客が望む商品・サービスの検討と開発につながることが期待できます。
RFM分析
顧客満足向上のためのデータ分析の方法の3つ目は、RFM分析です。
RFM分析は、Recency（最新購入日）・Frequency（購入頻度）・Monetary（購入金額）の3つの視点で顧客をグループ化し、特徴を見つける分析方法です。RFM分析は、全ての顧客を同時に満足させることは難しいという前提で、自社にとって重要な層に対する優先順位を判断することを目的としています。最新購入日という概念が入ることで、過去に高額商品を一回だけ購入した顧客と、少額な購入でリピートしてくれる顧客を、明確に分けて分析することが可能です。
このRFM分析とNPSアンケートの結果を結びつけて分析することで、顧客自身でも購入し、かつ「他の人にすすめても良い」と考えるロイヤルカスタマーの発見につながります。また、自分では購入しても「他の人にはすすめたくない」と回答している顧客の場合、不満はあるが他に選択肢がないから継続購入をしている可能性があります。この場合、他に選択肢ができることで、自社から離れてしまうかもしれません。
収益性の高い顧客が自社から離れてしまうことは、収益低下につながりやすいため、早期に対策をし、顧客の不満を取り除く必要があると言えます。
顧客満足向上のためのデータ分析の進め方
顧客満足向上のためのデータ分析の進め方は、以下の通りです。
- STEP1：データ分析の調査設計をする
- STEP2：調査対象を決定する
- STEP3：集まったデータを分析する
1つずつ、解説します。
STEP1：データ分析の調査設計をする
STEP1は、データ分析の調査設計をすることです。
顧客満足度向上を目的としたデータ分析では、年齢・性別・学歴・年収・居住地などのセグメントだけではなく、顧客のライフスタイル・価値観を知ることが必要です。データを収集するにあたり、顧客の心理の把握をどのように行うかを検討した上で、データ分析の調査設計をすると良いでしょう。
STEP2：調査対象を決定する
STEP2は、調査対象を決定することです。
調査対象は、目的に沿って決定することが重要です。たとえばロイヤルカスタマーを対象とした調査であっても、プロモーションによっては日本全国のロイヤルカスタマーを対象とする場合もあれば、限定した地域のロイヤルカスタマーを対象にする場合もあります。
STEP3：集まったデータを分析する
STEP3は、集まったデータを分析することです。
収集したデータを、クロス集計分析・ポートフォリオ分析・RFM分析などの方法を用いて分析をします。どの方法で分析するかは目的に沿ってあらかじめ設計しておくと良いでしょう。分析結果を確認し、データ分析を行った目的が達成できているかを検証することも大切です。
顧客満足向上のためのデータ分析のポイント
顧客満足度向上のためのデータ分析のポイントは、自社以外のデータも収集し、自社との差異を確認することです。データ分析では、基礎集計止まりとなることがあり、重要な分析に踏み込めず、意外な切り口を見つけることができなくなる懸念があります。基本的な属性集計データだけでは、自社の顧客は女性が多い・30代が多い、というような結果に止まってしまい、自社の顧客の傾向だけしか掴めないかもしれません。
また心理的な質問を設定しても、調査者側があらかじめ仮説を想定していないと、想定と異なる意外な切り口・顧客の興味・偏りを見落と可能性があり、自社の魅力の発見・戦略への反映に活かせないことが考えられます。一歩踏み込んだ分析を行うためには、他社のデータも収集し、他社ユーザーとの偏りを含めて自社のデータ分析をすることが重要です。差異の原因を分析することで、自社の強み・弱みの発見につながり、解決すべき課題・対策が明確になるでしょう。
まとめ
顧客満足向上のためには、積極的に顧客を知るための顧客満足度調査（CS調査）が有効です。特にNPS調査では、自社の商品・サービス・ブランドに対する顧客の印象を確認することができ、さらにRFM分析と合わせることで真のロイヤルカスタマーの意見を分析できたり、離れてしまう可能性がある収益性の高い顧客の不満への対応が可能になります。顧客満足向上は自社の収益に直結すると言えます。顧客満足度を定期的に確認し、新商品の開発・収益向上に努めていきましょう。
BIツール Yellowfin の紹介資料はこちらから↓