今回は、各指標におけるPDCAの回し方についてのお話。

バラバラとメモ的に書いていきます。

LTV/残存率

基本的には商品毎(初回オファーや1本/3本など)に計測しているケースが多いと思います。

1ヶ月定期の残存率がこのぐらいだったとします。

これを見て改善施策を構築・実行して数字が改善できました。

しかし、数字の伸びは必ずどこかで頭打ちになります。

それが本当に限界値なのか、まだまだ改善の余地があるのかを見極めていく時に次の一手(施策)を打つと思うのですが、その時は上記のデータをより細かくして見ていきます。

2つのグラフ、上が「年代別」、下が「媒体別」に残存率の推移を集計しています。

年代であれば、このグラフからは39歳以下のF2・F3残存率が相対的に低いということがわかります。

また、媒体であればアフィリエイトが最も残存率が低いです。

このデータから、例えば「インフルエンサーアフィリエイトで獲得した顧客は若年層が多く、結果残存率が低い」という仮説をつくります。

そうしたら「39歳以下且つインフルエンサーアフィリエイトから流入」のセグメントで残存率を見てみます。

仮説が当たっていれば、上記の媒体への予算投下を縮小して、残存率の高い媒体への予算投下を増やします。

余談ですが、インフルエンサーアフィリエイトは私が見ているお客様のほとんどで残存率は悪いです。

新規獲得数は大きく伸びるので、いかに初期段階でLTVを最大化できるかがカギです。

しっかりおまとめ定期訴求をしましょう。

施策

施策の効果検証は、オーソドックスですがRF分析を活用しましょう。

メール・LINE・DM・アウトバンドなどほぼすべての効果検証に利用できます。

※一例です(Rは●ヶ月で表記しています)

この表にデータを出すセグメントをいろいろ変えてみましょう。

「今行っている施策は、どういった顧客に喜ばれているのか」

「それは元々の意図通りなのか、それとも意図せぬ結果なのか」

「次の施策を行う時に今回の結果は再現できるのか」

こんな感じで検証します。

まとめ

数字の改善が頭打ちになった時は、今までと視点を変えてデータを眺めてみることをおすすめします。

見慣れたデータでも、新たな発見があるはず。

私がサポートしているお客様でも、定期引き上げ率が12％台からスタートして19％台まで改善された後、伸びが止まるということがありました。

その時にセグメントを分解してデータを見た結果、転換率の高低がセグメント毎にあり、低いセグメントの顧客構成比が高くなっていたことがわかりました。

その後媒体の精査や低いセグメント向けにクリエイティブを改修したりして20％の大台を超えるところまできました。

分析となると「なかなか時間をとれない！」という課題もあると思いますのでそこはツールを導入するなりして解決しましょう。

それでは。