【レポート】Web担当者Forumミーティング 2020 Autumn

F2転換率を1.7倍に改善！ ECアパレル企業が実施した本当は教えたくないデータ分析と施策とは？

データマーケティングに有効な手段としてノーコードによるクラウドシステムに注目が集まっている。「b→dash」を活用してF2転換率を1.7倍に成長させたアパレル業界の事例を解説する。

伊藤真美 2020/12/22 7:00 マーケティング／広告 | イベント／セミナー

1 5 0

[Sponsored]

F2転換率いわゆる、リピート率はEC業界のみならず、企業のマーケティング活動における大切な指標の一つである。そのF2転換率を1.7倍、CVRを2.9倍、LTV1.2倍にしたというアパレル企業は、どんなデータ分析と施策を行ったのか。

「Web担当者Forum ミーティング 2020 秋」に登壇した株式会社フロムスクラッチ Sales＆Marketing Div.の河村駿介氏が、SQLコードを書かずにデータの取り込みから活用までワンプラットフォームで実現するクラウドシステム「b→dash」を活用した事例を紹介した。

ノーコードによる分析レポート作成で
KPIの確認頻度を上げ、F2転換率を改善

b→dash導入前のF2転換率は平均34%を下回る27%。その要因を探る

フロムスクラッチの調査によると、アパレル業界において「初回購入をした」層が6か月以内に「2回目の購入をした」層に変化した割合、いわゆる「F2転換率」は平均34%だという。

この「F2転換率」を改善することを目的とし、まずは20代～40代の男女向けに幅広いセレクト商品を提供するアパレル専門運営会社A社の事例が紹介された。

総会員数50万人、平均購入単価7,000円、CRM部署4人という状況下で、マーケティング戦略としてLTV（LifeTimeValue：顧客生涯価値）の改善を重要テーマとしていたが、「F2転換率」は前述の業界平均34%を下回る27%前後だった。その原因を河村氏は以下のように分析した。

改善に向けた分析と施策を実施する上で、分析レポートの作成が必要だ。しかしその分析レポートの準備に膨大な時間を要しており、四半期に1度しかデータを閲覧できていなかった。そのため、PDCAを素早く回し、改善することができていなかった（河村氏）

円滑なPDCAを阻んでいた150万円のレポート作成コスト

A社の場合、分析レポートを作成するためには「初回購入年」「初回購入月」「商品カテゴリ」「初回購入人数」「2回目購入人数」「F2転換率」の6つのデータ（カラム）を準備する必要があったが、社内システム内にはそのまま引っ張ってこられるデータ（カラム）がなかった。

そのため、A社では存在していた受注/受注明細/商品のそれぞれのデータから、その都度必要な数値を変換・集計して作成していた。

具体的には、受注データと受注明細データを、受注IDを手がかりに統合し、さらに顧客ID別に初回購入時の記録を特定してフィルタリングをかけ、初回購入時のみのデータし、さらに初回購入の年・月・日で分割し……というように、分析レポートを作成するだけで10ものタスクが必要だった。そして、これを自動化するには、加工用および統合用のSQLを書く必要があった。

分析レポート作成の大きな壁になっていた10個ものタスク

A社がレポートを作成するには、SQLを書けるエンジニアの稼働が必要だったが、社内でエンジニアの工数をねん出できなかったため、SIerへレポート作成を依頼していた。

結果として1レポート作成にあたり150万円もの費用がかかっていたという。そのため四半期に1度しかレポートが出せず、KPIを確認する頻度も少なかった。PDCAを潤滑に回せない状態だった。

河村氏は「A社の事例に限らず、『分析頻度の多さ』と『KPI改善率』は相関することが、フロムスクラッチの調査で明らかになっている」と説明し、縦軸をF2転換率、横軸をKPI確認頻度としたグラフを掲示した。

それによると、アパレル業界の平均F2転換率34%をクリアするには平均して2週間に1度のKPI確認が必要だという。当然のことながら、KPIの確認頻度はすなわちPDCAのスピードであり、施策と分析の改善回数が上がれば必然的にKPIの改善につながるというわけだ。

これを改善するべくA社では「b→dash」を導入。SQLコードを書く必要なく“ノーコード”かつGUIでレポートが作成できるようになったため、マーケターが好きなタイミングでKPIを確認できるようになった。

150万円の発注費用は不要となり、KPI確認頻度も格段に向上し、結果としてF2転換率を大幅にアップすることができたのだ。

500種類以上のテンプレート活用で、直感的にデータを統合し
分析結果から施策設計までトータルに伴走

それでは「b→dash」はどのようにして、SQLを書かずにデータを統合・分析ができるのか。河村氏は「データの加工/統合のテンプレートを約500種類用意している」と説明する。そのため、SQLを書くこともなく、SIerに依頼することもなく、自動的に分析用データの抽出・加工・統合が可能になるというわけだ。

たとえばA社の場合は、「商品カテゴリ別F2転換率分析用」というテンプレートを活用している。

500種類以上用意されているデータの加工/統合のテンプレート

テンプレートは約500種類用意されていて、その中から見たいレポートを選択すると、ナビゲーターが統合に必要な手順を細かくガイドしてくれるという仕組みだ。直感的に操作できるUI（ユーザーインターフェース）で、レポート作成が誰でも簡単にできる。

ナビゲーターが統合に必要な手順を細かくガイドしてくれる

A社の場合、統合したい3つのデータ（受注/受注明細/商品）を選択する。そうするとデータ統合に必要なカラム、つまり「紐づけするデータ部分」が表示される。

統合したいデータを選択する

その中から、たとえば「商品カテゴリ」を選択して「適用」をクリックすると、「商品カテゴリ別F2転換率分析用」のデータ作成が完了するというわけだ。

河村氏は「A社では、前述したようなデータの加工/統合の10タスクがSQLを書かずに、わずか9クリックで完了できた」と語り、「b→dash」による「商品カテゴリ別F2転換率分析データ」の表を提示しながら「レポート作成をマーケターのみで完結できるようになり、分析頻度を劇的に高め、毎日のようにKPIを確認できるようになった」と強調した。