O社では、DMを送付する際に送付先条件の抽出を行っていましたが、性別や年代、年収などの情報を組み合わせた単純な属性分けしかできず、ターゲットが重複し、リストが枯渇してしまうことが課題になっていました。

Eメールの訴求は紙のDMと比べて開封率が低いという事実や、何度も送りすぎると迷惑メール設定されて、ロイヤリティーを下げてしまう可能性があるため、現在は紙のDMを採用しています。しかし、DM送付は郵送費や製造費などのコストがかかるため、効果のある顧客を見極め、ターゲットを絞り込んでDMを送付する必要がありました。

クレジットカード会社において、お客さまのロイヤリティーや稼働率を上げることは重要なミッションです。その手法の一つとして、ゴールドカードなどの上位カードへの誘引や、リボ払いやカードローンの利用促進があります。このような施策をマーケティング部のN氏が中心となって進めているものの、DMのレスポンス率が低い状況が続いていました。
「現状の分析以上の結果を出すにはどのように顧客データを抽出すればいいか悩んでいました」(N氏)

N氏が印刷物関連で長年付き合いのあるトッパンフォームズの担当者に相談したところ、データ分析チームを紹介されました。スコアリングモデルを使用したターゲティングという形で課題を解決できるとのことで、今まで行ったことのない分析に興味が湧き、早速詳しい提案を受けることにしました。

「顧客属性データだけでなく、取引履歴を使用してより多くのお客さまの特徴を表すデータを示すことができる点に魅力を感じました。データ分析の手法についても、何度も丁寧に説明していただいて、納得した上でお願いすることができました。」(N氏)

『施策に対する予測レスポンス率』という形で顧客管理することで、予測レスポンス率上位からDM送付対象を選択することができるようになりました。また、新たな優良顧客層にも気が付きました。

「データ分析を活用したことで、低迷していたDMレスポンス率が1.5倍UPしました。また、スコアリングモデルのスコア通りにレスポンス率の高低がきっちりとついていたので、その効果も認識できました。今後はレスポンス率の低いお客さまは、DM送付対象外とするなどしてコスト削減にも生かしていきたいと思います。」(N氏)

O社ではこの分析基盤をさまざまな施策に活用し、その後もデータドリブンなマーケティングを行っています。