この記事では、POSデータ分析について、概要と代表的な分析手法を紹介します。POSデータを分析して活用したいが、やり方がわからないという方が最初の一歩を踏み出せるような内容となっています。
POSデータとは？
POSとは、Point of sales (販売時点情報) のことです。みなさんが普段スーパーやコンビニで買い物をすると、レジで商品のバーコードがスキャンされます。
この時、スキャンした商品データが日時などの情報とセットで、店舗やその先の本部に集約され、「どの商品が、いつ、いくつ売れたか」が記録されます。コンビニなどでは、会計時に店員が入力した購入者の性別や年代などの情報も合わせて送信されます。
また、近年ではさまざまな店舗で利用できるポイントカードやアプリなどの普及により、「誰が」という情報も収集できるようになっています。 このような購入者の情報を付与したPOSデータは、ID-POSと呼ばれています。
ID-POSデータのイメージ
POSは、レジ機器とネットワーク、データを集約するサーバーとデータベースがセットになった「POSシステム」としてITベンダーが構築し、店舗に導入します。 近年ではスマートフォンやタブレットだけで完結するクラウドベースのPOSシステムも小規模な店舗で導入されています。
POSデータ分析によって解決が見込める経営課題
POSシステムは、現代の小売業にとって必要不可欠なものですが、単に会計処理の効率化だけでなく、蓄積されるデータを分析し、さまざまな課題解決につなげることができます。
売れる商品を予測し適切な発注ができる
「何が、いつ、いくつ売れたか」がデータとして記録されていれば、それを使って「これから、何が、いくつ売れるか」を予測できます。
販売数量予測のイメージ
適切な予測に基づき、必要な量だけ商品を仕入れることで、過剰在庫を防ぎ、商品の回転率を高めることができます。 また、さらにID-POSの会員情報などを組み合わせることで、ターゲットを明確にしたキャンペーンなどの販促活動も企画しやすくなります。
なお、正確な予測を行うためには、商品のデータだけでなく、気象データや周辺でイベントが開催されているか、メディアで商品が取り上げられたかなど、 さまざまな要素を考慮する必要があり、データサイエンスやAIなどの高度な知識・スキルが求められます。
人件費の削減につながる
POSデータを店舗やフロアごとに集計することで、時間ごとの来店者数や混雑度合いがわかります。 それにより、必要な人員数も求められ、適切なシフトを組むことができます。混雑する時間帯に十分なスタッフがいることは、顧客満足度の向上にもつながります。
食品ロスの削減につながる
近年、食品ロスの問題が注目されています。特に日持ちのしない、店内製造の総菜などは、見込みを誤ると大量の廃棄を生み出してしまいます。 POSデータから需要を正確に把握することで、必要な量だけ発注・製造することができ、売れ残りを減らせます。 また、常に作り立ての商品を提供することで、顧客満足度を高めることもできます。
POSデータの代表的な分析方法
ここからは、より具体的なPOSデータの分析手法を紹介します。実際に分析を行うには、専用のソフトウェアやプログラミングが必要ですが、それぞれの手法の目的と用途について概要を紹介します。
バスケット分析：1回の会計で購入した商品を分析
バスケット分析は、買い物かご (バスケット) に一緒に入っている商品の組み合わせを分析する手法です。 POSでは、1件の買い物 (顧客1人) ごとにレシート番号が付与されるため、その単位で集計していけば、よく一緒に購入される商品がリストアップされます。
例えば、カレールーはじゃがいも、玉ねぎ、にんじんとよく一緒に購入される、など当たり前の組み合わせが見つかる一方で、 ある曜日、時間帯にだけよく一緒に購入される組み合わせなど、意外な発見があるかもしれません。
バスケット分析の例
定番の組み合わせが分かれば、セット販売を強化したり、意外な組み合わせが見つかれば、顧客情報などと組み合わせてさらに分析し、商品の新たな魅力を訴求したりできます。
デシル分析：購入金額に合わせて顧客を細分化して分析
デシル分析は、年間など期間を決めて、期間内の購入金額ごとに顧客を10等分 (=デシル) し、構成比やグループごとの属性を分析する手法です。
例えば、以下の図では、売上のおよそ半分は、上位3つのグループで構成されていることがわかります。 そこからさらに、上位のグループに属する顧客の年代、性別などを分析していくことで、どのような顧客層に支持されているのかを把握したり、ターゲットを定めたキャンペーンの企画などができます。
RFM分析：最終購入日・頻度・金額を元に分析
RFM分析は、顧客を最終購入日 (Recency)、頻度 (Frequency)、金額 (Monetary) の3つの軸で分類する手法です。 直近で頻繁に来店し、購入金額の多い顧客はもちろん優良顧客ですが、全体の割合でみるとそのような顧客は少ないので、 自店におけるR, F, Mの優先度を決めて、2つないし1つの軸で特に優先すべき顧客層を定義し、施策を検討しましょう。
例えば、RとFの値を重視すると、いつも来店してくれる「安定顧客」を抽出できます。 一方、Rの値が悪く、FやMの値が良い顧客は、以前はよく来店していたが、現在は足が遠のいている「休眠顧客」と言えます。 そのように、さまざまな観点で顧客をグループ化し、それぞれに対してどうアプローチするかを考えます。
ABC分析：商品をグループ分けして分析
ABC分析は、商品を軸とした分析手法です。商品ごとの売上金額や販売個数などをもとにグループ分けします。
例えば、「よく売れる」「普通」「あまり売れない」などに分類し、発注数を調整することで、不良在庫を減らし、配架を最適化できます。 さらに、年齢層ごとに集計するなど、顧客の情報を組み合わせることで、どの顧客層にどのような商品が売れているかなど、詳細に分析することができます。
POSデータ分析でチェックすべきポイント
ここまで、POSデータの概要と代表的な分析手法を紹介しましたが、POSデータは、先述した手法以外にも、さまざまな切り口で分析ができます。
よく用いられる切り口としては、以下の3つがあります。
- 売上データ全体の分析: 自社や店舗の現状を把握できます。
- 商品ごとの売上や原価、利益率: 商品の特徴を把握し、改良や入れ替えにつなげることができます。
- 在庫状況: POSデータからわかる売れ筋をもとに在庫を適切にコントロールすることで、顧客満足度の向上と廃棄コストの低減を図ることができます。
いずれにしても、なんとなくいろんな数字を眺めるのではなく、自社・店舗の課題を定義し、 その解決のためにどのような情報が必要か、ということを検討してから分析に取り組むことが重要です。
まとめ
この記事では、POSデータ分析について、概要と代表的な分析手法を紹介しました。 POSデータ分析は、店舗で販売したときの、商品名や購入年月日、販売数などの情報やポイントカードなどの顧客情報をもとに商品の売れ行きや顧客の動向を分析することです。 POSデータ分析を行うことで、販売予測から人件費や食品ロスの削減につながります。