#CBK forecastを通して膨大なトレンドデータにアクセスできますが、データは分析をしないことにはただのデータでしかありません。
仮説を元に自社仕様に加工して、意思決定の精度を高める、延いては収益・成果につなげられるよう、ステップを進めていきましょう。
運用に乗るまでニューロープの担当者が伴走いたします！
Contents
顧客像の詳細化
#CBK forecastの特徴は、データソースごとに様々な切り口でデータをセグメントできることです。
ブランドに最適化されたデータを抽出するために、まずは顧客像を詳細化しましょう。
- 共通
- 性別
- 年代
- アイテムの特徴（カテゴリー、色、柄、シルエット、素材、丈感、ディティール）
- …
- SNS
- 愛用しているブランド
- 特定のインスタグラマー（個別指定）
- エリア
- …
- EC
- ブランド
- 価格帯
- カテゴリー
- …
下記より専用のエクセルファイルをダウンロードして、フォームに記入をお願いします。
スコープの設定
データの分析を通して、MDからマーケティングまで、様々な施策に落とし込むことができます。
「あれもこれもできる」からこそ、まずは優先度付けをして最初に取り組むスコープを明確にしましょう。
下記『スコープ設定シート』をダウンロードの上、プルダウンより各項目の優先度を選択してください。
データを運用に活用する
顧客像を詳細化し、スコープの整理ができたら、あとは目的に沿った形式にデータを絞り込んでいくだけです。
上記「2」の項目に対応するかたちで出力の手順をまとめているので、参考にしながらデータの出力を進めましょう！
MDに活用する
企画会議などで利用するイメージの収集
企画段階、コンセプト策定後など、定性的にトレンドの傾向を眺めながら、ピンときた画像を収集し、イメージ形成やチームメンバーとのコミュニケーションに活かすことができます。
- ダッシュボード画面で、性別・年齢などの顧客像で絞り込みをかけます。
- ベンチマーキングしているブランドの名前、シーズンのコンセプトワードなどのキーワードで更に絞り込みをかけていきます。複数の条件で絞り込みをかけ、膨大な画像から意図にあったスナップだけを抽出可能なことが#CBK forecastの大きな強みです。
- 一覧を出力。ブラウザで画像を開いて内容を確認していきます。Google ChromeでPastyなどの拡張機能を使うとより効率的に作業を進められます。
他社売上動向を参考に発注商品を選定
他社の直近のヒット商品、昨シーズンのヒット商品などをリサーチすることで、自社MDの抜け漏れを確認・補填。売り逃しを防ぎます。
- 価格帯などで自社の参考となりうる商品群に絞り込みをかけます。
- 昨シーズン、直近1か月など、参考にしたい期間で絞り込みをかけます。
- アウター、トップス、スカートなどのカテゴリーで必要に応じて 絞り込みをかけます。
- 絞り込まれた一覧を元に分析を進めます。
- 定性調査: ブラウザで画像や商品詳細画面を開いて内容を確認していきます。Google ChromeでPastyなどの拡張機能を使うとより効率的に作業を進められます。
- 定量調査: 一覧をCSVでエクスポート。カテゴリーなどでピボットにかけながらトレンドを定量・統計的に分析します。詳細の手順については『#CBK forecastの分析手順』をご参照ください。
インフルエンサーから近未来のトレンド予測
インスタグラマーの中でも、トレンドを先取りしていて、かつフォロワーに対して影響力の高いインフルエンサーたちの中でのトレンドは、1-3か月先のトレンド予測データとして活用しうるものです。
生地などの在庫がありリードタイムが短い商品であれば初期発注・期中企画などに活かすことができます。
- ダッシュボード画面で、性別・年齢などの顧客像で絞り込みをかけます。
- 一覧をCSVでエクスポート。カテゴリーなどでピボットにかけながらトレンドを定量・統計的に時系列で分析します。詳細の手順については『#CBK forecastの分析手順』をご参照ください。
- 特定のインスタグラマーだけにデータを絞り込み、世の中一般の傾向と比較します。
- トレンド入りする兆候のあるアイテムについて、企画検討を進めます。
アップトレンド・ダウントレンドの検出・見落とし防止
特定のカテゴリー・色・柄・シルエット・素材・丈感・ディティール、あるいはそれらの組み合わせについて、伸びているトレンドを洗い出すことで自社ブランドのMDの抜け漏れを確認したり、逆にシュリンクしているトレンドを検知して強気になりすぎている発注量を抑えたりといったハンドリングの参考にします。
- ダッシュボード画面で、性別・年齢などの顧客像で絞り込みをかけます。
- 期間、ブランド名等を適宜追加しながら分析の対象を絞り込みます。
- 一覧をCSVでエクスポート。カテゴリーなどでピボットにかけながらトレンドを定量・統計的に時系列で分析します。詳細の手順については『#CBK forecastの分析手順』をご参照ください。
- アップトレンド: MDの中で抜け漏れがないか確認、追加検討します。
- ダウントレンド: 発注量が強気になりすぎている品番がないかを確認・調整します。
発注・追加発注を検討している商品の評価
すでにサンプル等を進行していて、最終的な発注を進めるタイミングでその商品のトレンドを調査。発注量や発注可否のジャッジに利用します。
- ダッシュボード画面で、性別・年齢などの顧客像で絞り込みをかけます。
- 評価したい商品の特徴をキーワードで打ち込みます。
- 例）チャコールグレー / シャギー / ニット
- 例）ステンカラーコート / ロング / ベージュ
- 時系列での変化を見て、発注の判断に活かします。
ディストリビューションやVMDに活用する
ディストリビューションやVMDを最適化する
エリアや、そのエリアのその時の気温などによって売れる商品は大きく異なります。
エリアごとにデータを分析することで傾向をつかみ、ディストリビューション、商品をプッシュするタイミング、VMDの内容などを最適化することができます。
- ダッシュボード画面で、性別・年齢などの顧客像で絞り込みをかけます。
- 期間、ブランド名等を適宜追加しながら分析の対象を絞り込みます。
- 一覧をCSVでエクスポート。カテゴリーなどでピボットにかけながらトレンドを定量・統計的に時系列で分析します。詳細の手順については『#CBK forecastの分析手順』をご参照ください。
- 出力したデータを更にエリア別で集計し、傾向を比較・分析します。
- データに基づき、ディストリビューション、商品をプッシュするタイミング、VMDの内容などを最適化します。
マーケティングに活用する
スタイリングの最適化
自社ブランドの愛用者がどのようなアイテムをどのように着こなしているか、どのような投稿に多くのLIKEを寄せているかなどをリサーチすることで、ささげやコンテンツなどに掲載するスタイリングを最適化。手元に在庫のある商品を魅力的に打ち出していくことができます。
- ダッシュボード画面で、自社ブランド名で絞り込みをかけます。
- 「アラサー」「アラフォー」など、コンテンツで対象とするセグメントを切るためのキーワードや、LIKE数などで絞り込みをかけていきます。
- 一覧を出力。ブラウザで画像を開いて内容を確認していきます。Google ChromeでPastyなどの拡張機能を使うとより効率的に作業を進められます。
- 「3」を参考にささげやコンテンツの見直しを進めます。トレンドは移り変わるからこそ、定期的にアップデートすることに意味があります。
コンテンツの最適化
特定のカテゴリー・色・柄・シルエット・素材・丈感・ディティール、あるいはそれらの組み合わせについて、伸びているトレンドを洗い出すことで、エンドユーザーの求めているコンテンツを分析。
トップページやメルマガ、LINE等で露出する商品、コンテンツに取り上げる切り口などに活かします。
- ダッシュボード画面で、性別・年齢などの顧客像で絞り込みをかけます。
- 期間、ブランド名等を適宜追加しながら分析の対象を絞り込みます。
- 一覧をCSVでエクスポート。カテゴリーなどでピボットにかけながらトレンドを定量・統計的に時系列で分析します。詳細の手順については『#CBK forecastの分析手順』をご参照ください。
- ホットになっているアイテムや切り口で記事や商品一覧を作成し、トップページ・メルマガ・LINE・プッシュ通知などで露出します。
コンテンツのパーソナライズ
ファッションアイテムの「旬」はエリアや年代ごとに大きくことなります。
エリア・年代ごと分析をかけ、その傾向に基づいてメルマガやLINEなどのコンテンツを出し分けることでより精緻なオンライン接客、より高いCTR / LTVを実現します。
- ダッシュボード画面で、性別・年齢などの顧客像で絞り込みをかけます。
- 期間、ブランド名等を適宜追加しながら分析の対象を絞り込みます。
- 一覧をCSVでエクスポート。カテゴリーなどでピボットにかけながらトレンドを定量・統計的に時系列で分析します。詳細の手順については『#CBK forecastの分析手順』をご参照ください。
- 出力したデータを更に年代別、エリア別などで集計し、傾向を比較・分析します。
- データに基づき、会員にセグメントをかけ、メルマガやLINEで露出するコンテンツの内容を出し分けます。
その他に活用する
ここまでに紹介した他にも、課題や仮説を持って分析すれば、データから様々な解を導き出すことができます。
下記に一例を挙げます。
- ベンチマークしているブランドが公式アカウントで発信している情報を集計して、シーズン中に打ち出そうとしている商品を分析。自社のVMDやコンテンツを「差別化」の観点から組み直すことができます。
- 販売不振に陥っている商品について、他社が類似商品にどのようなプライシングをしているのかを調査。売り切るための値下げ幅を探ります。
- 自社ブランドの愛用者がどのようなライフスタイルを送っているのか、ハッシュタグなどを集計して分析。インスタグラム広告などのターゲティング設定に活用します。
「このような検証がしたい」「意思決定のためにこのようなデータを出力したい」等の要望がありましたら、お気軽に担当者までご連絡ください。データ分析の方法をデータサイエンティストのチーム含めて検討・提案いたします！
株式会社ニューロープ 代表