マーケットバスケット分析

マーケットバスケット分析とは?

マーケットバスケット分析は、購買取引データから「商品Aを買う顧客は商品Bも買う傾向がある」という共起パターンを発見し、それを店舗レイアウト、クロスセル、バンドル販売に活用する分析技術です。 Apriori等のアルゴリズムで頻繁に一緒に購入される商品セットを機械的に抽出し、マーケティング施策の根拠にします。小売業発祥だが、今はeコマース、金融、医療等の多業種で応用されています。

ひとことで言うと： 「ビールを買う人がポテトチップスも買う傾向」を数学的に発見し、売上に活かすテクニック。

ポイントまとめ：

何をするものか： 購買パターンから商品間の関連性を発見
なぜ必要か： 適切なタイミングと場所で補完商品を提示し、売上を増やす
誰が使うか： 小売業、eコマース企業、マーケティング分析者

なぜ重要か

顧客が「パンを買う」タイミングで「バター」を目の前に置くと、衝動買い率が70%に上がるという研究結果があります。マーケットバスケット分析でこうした関連性を発見すれば、店舗レイアウト最適化による売上増加が可能です。また、Amazonの「この商品を購入した顧客は他にもこれを購入」機能は、マーケットバスケット分析の応用であり、推奨機能だけで収益の20~30%を占めるとも言われています。

仕組みをわかりやすく解説

プロセスは4つのステップです。最初にデータ収集で、全取引(顧客ID、購入商品、日時)をデータベースに蓄積します。次にアルゴリズム適用で、Aprioriアルゴリズムを実行し、全ての頻繁なアイテムセット(「パン+バター」「ビール+チップス」等)を抽出します。その後ルール生成で、「パン→バター」(信頼度70%)という形式のルールを作成し、その強さ(リフト値等)を計算します。最後に実装で、「バター売上を20%増やすには、パン売場にバターを隣接配置」といった施策に落とし込みます。

実際の活用シーン

食料品店の売上向上 分析で「パン→バター」(信頼度70%、リフト2.5=普通の2.5倍買われる)を発見 → バターをパン売場の目立つ位置に配置 → バター売上15%増、来店客の平均購入額8%増加を実現。

オンラインストアのレコメンデーション 分析で「ノートパソコン購入者の65%がマウスも購入」を発見 → 製品ページに「よく一緒に購入される」セクションを追加 → コンバージョン率12%向上。

金融商品のクロスセル 分析で「口座開設者の40%が3ヶ月以内にクレジットカードも申込」を発見 → 開設後メールシーケンスでカード特典を段階的PR → 申込率35%向上。

メリットと注意点

メリット側では、 発見される関連性はデータ駆動的で、直感に基づく施策より効果が高い傾向があります。大規模データセットから複雑なパターンを自動発見でき、人手では見落とすような関連性も抽出されます。複数業界で応用可能なため、専門知識があれば他業種でも応用できます。

注意点としては、 発見された関連性が必ずしも因果関係を意味しません(「パンとバター」は因果ですが、「ビールとおむつ」は共通の購買時間帯による偶然)。稀だが高価値商品は、頻度不足でアルゴリズムにフィルタリングされる場合があります。季節変動やトレンド変化に動的に対応する仕組みが必須です。

よくある質問

Q: どのくらいのデータ量が必要か? A: 一般的には、1万件以上の取引データがあれば、信頼性のあるパターンを抽出できます。業種や商品数により変わります。

Q: 新商品の関連性は発見できるか? A: 新商品は履歴がないため、既存商品との関連性を発見できません。手動分類やドメイン知識に基づく仮説から始めます。

Q: 季節変動への対応は? A: 定期的(月次)に分析を再実行し、パターン変化を監視します。季節毎に異なるルール適用も有効です。

マーケットバスケット分析