” ニーズが見える ” ID-POS分析
說明基調でページを作成してしまうと「あれもこれも」と盛り込み過ぎて、一つ一つの業務の解説としてはどうしても不親切になってしまいます。
不定期連載のID-POSカテゴリー研究に続き、不定期連載第二弾としてID-POS活用を一つ一つの業務単位で「真剣に」「丁寧に」考えてみたいと思います。
ほぼサンプルデータの差し替えで行けるID-POSカテゴリー研究に対し、こちらは一回一回真剣に考えなければならない為、不定期中の不定期となってしまいそうですが、よろしくお願い致します。
分析メニューとしては連載を通して一貫して例によって例の如く、Tapir_MKを使って行きます。
第一回目は、俗に床割りと呼ばれる「フロアレイアウト」についてです。
利用メニュー:BiZOOPe の Tapir_MK(テンポラリーTapirにおいても利用可能なメニュー)
期間:2018年5月28日 〜 26週間
店舗:静岡地区の複数店舗
商品:デモデータから「レジ袋」等売場の実態の無いものを除く全大分類
表示:一部の列を追加/削除/非表示しています。
ここでは商品の分類=大分類を「売場」と見做して扱います。
表の主要な項目について説明します。
(表をクリックで開きます)
【seg_f】
セグメントfar(遠い)の略で、顧客にとっては漠然とした来店動機/利用動機の塊です。ここである意味「売り場が分かれる」、双方利用する顧客にとっては「利用時の精神モードが異なる」もしくは「利用顧客が異なる」と解釈されます。
【seg_n】
セグメントnear(近い)の略で、顧客にとってはより具体的な来店動機/利用動機の塊です。この塊中の大分類同士は「来店動機、利用目的としての親和性が高い」と解釈されます。
【並び順】
ざっくりと「より数字が近いもの程、顧客にとっての利用メリットが近い/大分類同士の関連性が高い」事を表す指標です。
【レコメンド】
seg_fの利用メリットを代表する大分類に「1st」、seg_nの利用メリットを代表する大分類に「2nd」と振られます。
レコメンドがついた大分類が、マグネットとすべきより代表的な利用メリットと考えられます。
これらの算出ロジックについて詳しくはこちらをご覧ください。
売場が一直線の通路として構成されているのであれば何の問題もありません。
表中の「並び順」の通りに並べてあげれば、顧客の買い物に関連する順序で売場が並ぶので、買い易い売場ができあがります。
並び順=1で2ndレコメンドの「日配食品」の方が、並び順=10の「惣菜」よりも利用ID数が多いので、日配食品を入口、惣菜を出口とした売場を作ります。
おおよそこの考え方が基本となりますが、現実はそう簡単には行きませんので、以降で実際のフロアレイアウトの考え方を示してみます。
先の分析結果をフロアレイアウト図に落とし込もうと考えた際に、はたと困った事が出て来てしまいました。
「売場の並びは良いとして、各売り場の専有面積をどう割り当てよう?」
ここで寄り道する羽目になるとは当初考えていませんでしたので、以下仮説レベルの乱暴な論ではありますが、思考過程を記しておきたいと思います。(今の所「ID-POSじゃ無いと適正売り場面積やフェイシング数は算出できないんじゃ無いか?」という仮説になっている為、ID-POS信者としてはもっとここに突っ込んで行きたい気持ちも山々ですが、あくまで想定していた本論に関する寄り道なんでw)
「売れ数比例フェイシング」という言葉があります。
売れ数にフェイシング数を比例させる事で、
①売上:売れているものをより目立たせ売上を増大させる
②在庫:欠品、余剰在庫を減らす
③作業経費:売れ数に作業頻度を比例させる(売れ数=発注/品出し数)
= 利益を上げる
という考え方で、実際に私もつい先程まで「そうあるべきだ」と思っていました。
ところが実際にこの考え方を300坪の売場の面積割当に適用してみると、下図のように日配食品に300坪中最大の94坪が割り当てられる一方で、カウンセリング化粧品には4坪(8畳程度)しか割り当てられないという歪な売場になってしまい、感覚的には寧ろ利益を逸失してしまうんじゃ無いか?と感じました。
(表をクリックで開きます)
そこで真剣に考えてみました。
①制約条件:売場面積、台数、段・列長等には限りがあり、置ける商品数にも限りがある
②品揃えの範囲、定義:月に1個しか売れない商品であっても、品揃えすると決めたら必ず1フェイシングを要する
③月に1個=1フェイシングを基準とした場合、毎日1個売れる商品を比例させれば30フェイシングとなり①の制約に引っかかる
(引っかからない面積の店を用意できたとして、それで良いのか?)
④よってほとんどの店舗では、売れていない商品のフェイシング数に対して、売れている商品のフェイシング数が過小となる
⑤日々、全ての顧客に対して売場という舞台を気持ちよく整備しておく為には、これを作業頻度でカバーする外無い
(一営業日中の顧客の為への露出、欠品防止に30フェイシングは必要か?)
バイヤーに「何故、カウンセリング化粧品売場を設けるのか?何故月に1個しか売れない商品に1フェイシングを渡すのか?」はたまた「毎日1個売れる商品に30フェイシングを与えないのは何故か?」と問えば、それは畢竟「顧客の為」と答えるでしょう。
よって先の理論の最大の矛盾点、顧客視点に反する点は、フェイシング数を露出、チャンスロス防止用途に留まらず、 ”作業頻度” にも従属させようとしている点では無いか?と思い至りました(フェイシング数が多い商品も、現実的には毎日”前出し”をするでしょうから、元より作業頻度にすら比例するかどうか怪しいところです)。
売り場面積で考えれば ー
売り場面積 ∝ 点数 = ID数 ✕ 客点数 ✕ ID回数
が「売れ数比例」の仮説ですから、作業頻度が、利用頻度であるID回数に近似するものと捉えれば、
売り場面積 ∝ 点数 ÷ ID回数
のように比例させたら良いと考えられます。
もう一方の考え方として、顧客に対する品揃えという側面から見てみれば、商品の回転によらず、その売場を利用する顧客は基本「選びたい」(中には1SKUであっても「売ってて良かった!」と思う商品もありますが)ものですし、人が多ければ多い程、その趣味嗜好はバラエティーに富んで行くものですので、品揃え商品数はおおよそ利用ID数に比例(一致じゃ無いですよ!)させるべきものと考える事ができます。
品揃え商品数 ∝ ID数
売り場面積 ∝ 品揃え商品数 ✕ 商品平均フェイシング数 と捉えるならば、
点数 ÷ ID回数 ∝ ID数 ✕ 商品平均フェイシング数 で
商品平均フェイシング数 ∝ 客点数
売り場面積 ∝ ID数 ✕ 客点数 = 点数 ÷ ID回数
という式が成り立ちます。
この仮説を適用してみたのが下図になります。
(表をクリックで開きます)
以降、作図の容易性の為に表中最小の売場面積=ベビー・シルバーの11坪を1コマとし、エンド以外の全27コマで構成された売場を想定してレイアウトの仕方を考えてみます。
「ベビー・シルバーは1SKUがでかいんだよ!」とか「冷凍/冷蔵ケースの取り回しはどうするの?」とか言わずに、あくまでも「基本的な考え方」としてご覧ください。
※.もっと真剣に考えるならば、アクティブ商品マスタにJICFS/IFDBの商品サイズをぶつけて商品平均体積を算出し、係数化して掛け合わせても良いかもしれません。
※.科学的である事は大事ですが、拘り過ぎると物事が進まずおかしな事になるので、一方で「エイヤッ!」や「しっくり来る」と言った感覚も大事です♪
いづれの場合においてもー
・まず利用目的/来店動機の相違を表すseg_fで売場をきっちり分ける事、次いでseg_nで売場をきっちり分ける事
・主たる利用目的/来店動機たる1stチョイス、2ndチョイスの売り場を極力目立つ壁面や主通路上に配する事
が重要となります。
その上で、店舗の出入り口が一つしか無い強制ワンウェイ的な売り場の場合には、確率の高いより多数派の利用メリットから入りつつも、顧客になるべく関連性に沿って店内を回遊してもらうべく、より並び順の連動性を重視したレイアウトとします。=並び順を優先しつつレコメンドを活かす。
今回は、並び順1(日配食品)の利用ID数 > 並び順10(惣菜)の利用ID数 であった為、出入り口から並び順昇順を意識したレイアウト例となっていますが、利用ID数が逆だった場合、並び順降順を意識したレイアウトとします。
出入り口が2つある場合、それぞれの出入り口からは異なる来店動機、利用目的を持った別の顧客が入店して来ると捉えます。
それぞれの顧客が素早く利用目的に到達できるよう前出のものとは逆にレコメンドを優先しつつ、並び順を活かす考え方となります。
主となる出入り口をより利用ID数の多い1stレコメンドから、副となる出入り口を次いで利用ID数の多い1stレコメンドから始め、売り場を構成して行きます。
以上で来店動機/利用目的別に分かれた「見つけやすく、選びやすい」=「買い逃しがなく、競合の利用機会を減じる」=「客数を増やす」フロアレイアウトの完成です。
次回はフロアレイアウトに続く業務であるゴンドラレイアウトについて真剣に考えてみたいと思います。
BiZOOPeでの操作におけるミソは、Tapir_MKを開いたら図のように「分類でクラスター分析」を選択する事です。
大分類/中分類/小分類のような任意の集計単位を選択したら、ツリーから任意複数の項目を選択します。
テンポラリーTapirの場合、例えば大分類で分析したいのであれば、「ジャーナルデータ」の商品コード部分をその商品に該当する大分類コードに置換し、併せて読み込ませる「商品名称データ」の実態を、大分類コードと大分類名で構成された大分類マスタとしてしまえばOKです。
(テンポラリーTapirのジャーナルデータ、商品名称データのファイルフォーマットはこちら。)