来店客調査、来館客調査、来場者調査、競合店調査、通行量調査、交通量調査、出口調査、グループインタビュー、出店戦略、候補地選定、ゾーニング、MD戦略、プロモーション戦略、売上予測(モデル構築)でお悩みの方、お気軽にご相談下さい。

売上予測モデル構築支援に関するご案内 -売上予測の考え方-

  • HOME »
  • »
  • 売上予測モデル構築支援に関するご案内 -売上予測の考え方-

「売上予測モデル」見直しの気運が高まっている時代背景

「売上予測」は従前から出店戦略の判断指標として用いられてきましたが、近年において、この売上予測モデルの見直しを図る動きが確実に広がっています。その重要性が増し、高精度モデルが求められるようになったからにほかなりませんが、そうした背景には次のような事柄が大きく関わっていると考えられます。

〆マーケット縮小傾向によって、好立地物件がますます減少している
少子高齢化の進行による絶対消費量の漸減、または業種業態間を超越した競合環境の激化が進展し、自社にとっての好立地物件の確保が厳しくなっている
〆環境変化によって、汎用的な売上予測モデルが通用しなくなっている
消費意識・行動の変化/競合変化/立地要因の変化/法規制の変化(街づくり3法)/市場内での自社ポジショニングの変化・・・などにより、売上構造が変化し、汎用モデルでは”当らなくなった”
〆新店の良し悪しが、企業全体の業績に直結するようになっている
既存店を活性化しても、期待する効果を得ることが難しくなってきている(改装効果が長続きしない)・・・結果、新規出店の成否が今まで以上に、企業全体の業績に直結するようになった

こうした市場の、競合の、自社の構造変化が、予測モデルに対する位置づけ(意義)を高めています。
繊細かつダイナミックな動きをみせる時代だからこそ、
より科学的な根拠に基き、より自社チェーンの特性に合致した、より精緻な予測モデル
へのバージョンアップが必要とされているのではないでしょうか。

「売上予測モデル」に対する弊社認識

弊社は長年にわたり、小売業・外食業でのマーケティング情報整備、ならびにその活用体制構築の支援に携わってまいりました。こうした実務経験から得られた「売上予測モデル」に対する認識(実感)を大意すると、以下のようになります。

「売上予測モデル”構築支援”」と括った背景には、下に挙げた認識が根底にある故だということをご理解いただければ幸いです。

(1)あらゆる業種や業態に対応した(高精度)の予測モデルは存在しない。

…詳しい説明はこちら…

業種や業態が違えば、同じ立地に出店しても、当然ながら売上は異なり、たとえ同じ業種業態であっても、企業(チェーン)の商品力・販売力によりその結果は大きく変わります。
ひと昔前であれば、或る立地に或る業種を出店した場合、どの程度売上が見込めるか?ということが分かれば良しとされることが多く見受けられましたが、先述した時代背景からか、近年では、「自社店舗が出店した場合においてはどの程度売上が見込めるか?」とした、自社のポテンシャルを加味した予測結果が求められるようになっています。

こうした要求をクリアにする為には、企業(チェーン)特性にあわせた独自の予測モデルを構築していく以外にありません。某外食チェーンでは、早くからこうした取り組みを重ねており、その精度の高さに注目が集まっていますが、まさに代表的な例といえるでしょう。

「来店客調査結果(顧客構造や商圏範囲)」や「店舗立地環境調査」等から自社店舗情報のデータベース化(蓄積)を図り、そのデータを予測条件に付加していくことで、企業(チェーン)特性を反映させた予測モデルが構築されていくわけです。

(2)いかに適確な予測モデルでも、陳腐化してしまうことはやむを得ない。

…詳しい説明はこちら…

導入時点では予測精度が高く、どんなに素晴らしい予測モデルであっても、陳腐化されてしまうのは、変化がある以上はやむを得ないないことです。予測モデルに使用するデータのメンテナンス、基準の見直し等を自らの手で行えることが、陳腐化を回避するための最も有効な手段となりますが、これは予測モデルの仕組みを理解していることが前提となります。

パッケージ化された予測モデルは、その汎用性・使いやすさが最大のメリットとなる一方で、そうした利点を求めたシステムであるがゆえ、企業独自のアレンジを予測モデルに加えることの自由度が低く、なかには予測モデルの構築方法自体がブラックボックス化されているものも少なくありません。

予測システムに対する低い理解のもとで独自に手直した結果、収集のつかない状態になってから相談に来られるケースが多いのも事実です。

弊社の特徴は、売上予測に課題を持つクライアントとの共同取組み形式(PT)によって予測モデルの構築をサポートするところにあります。

モデル構築のプロセス共有を図り、その理解度を互いに深め、企業独自で蓄積しているデータ等を有効に活用することで、より使い勝手の良いモデリングを目指し、さらにはそれを運用する仕組みづくりに至るまでを、活動範囲としてサポートしております。

(3)精度向上を図るには、「店舗タイプ別予測モデル」の構築が望ましい

…詳しい説明はこちら…
(これについては、ある一定規模の店舗数を展開していることが前提となりますが)同企業(チェーン)の店舗であっても、店舗サイズや立地によって、売上の大小は勿論のこと、売上構造も異なります。当たり前の話ですが、駅前型とロードサイド型の店舗では客層や利用背景が全く異なるからです。複数の業態・ブランドを多角展開する企業であれば尚更です。

このような売上構造の異なる店舗を混在した状態で、予測モデルを組み立てると、当てはまり度が悪くなってしまうケースが多く、たとえ、見かけ上の精度はよくても説明性に欠けるため、その実用性に疑心暗鬼になりがちとなってしまいます。
「売上構造が異なる」=「顧客構造や商圏構造が異なる」ということであり、立地タイプや店舗タイプによって、売上に寄与する因子は異なりますし、因子の影響度も大きく異なるからです。

ですので、一定規模の店舗数を有する企業においては「タイプ別に売上予測モデルを構築していく」としたアプローチも、非常に有効であると考えます。タイプ別に構築することで、予測モデルに用いる因子の説明度(妥当性)がアップするほか、出店候補地にどのタイプ店舗が最適なのかといった予測も可能となるためです。

勿論こうした取組みは、通常に比べ、時間とコストをやや要しますが、中長期的に考えれば、実態に即した、活用範囲の広い予測モデルが構築されるといえます。

「売上予測モデル」の構築方法

一般的な売上予測の方法としては、以下の4つの方法が挙げられます。
どれも一長一短な面をもつゆえ、どの手法が最も優れているということはありません。従って、弊社では企業(店舗)特性を把握し、保有している情報を考慮した上で、最も適切な手法を見極めていきます。 状況によっては、これらの手法を独自に組み合わせた予測モデルの構築プランを提案することもございます。

(1)店舗の各種情報(DB)を用いた多変量解析による手法
・既存店の各種情報のデータベース化を図り、主には重回帰分析によって、売上に寄与する因子を抽出して予測
(2)ハフモデル分析による手法
・自店と競合店の売場面積、その距離関係から自店の想定来店者数をを算出し、その人数に潜在需要額を乗じて予測
(3)「商圏設定の基準構築」と「商圏内Mシェア設定」による手法
来店客商圏もしくはカード会員商圏とハフモデル商圏から、商圏設定基準を構築し、商圏内マーケットシェアと潜在需要額を用いて予測
(4)「客数」×「客単価」による手法
来店客商圏から、距離圏別客数(また時間圏別客数)と吸引率を算出し、客単価を乗じて予測

精度の高い予測モデル構築していく為に

売上予測モデルの構築に取り組まれたことのある方にはよくお分かりかと思われますが、予測モデル式を構築していくその仮定において、さまざまな問題が発生します。しかし、その問題多くは、「データ(因子)の曖昧さ」によって引き起こされているものといっても過言ではありません。
素材そのものが良くなければ、美味しい料理が作れないのと同様に、いくら高等な情報処理技術を施し、どんなに時間をかけても、データ自体が不確かなものであると、精度の高い予測モデルは出来ません。
<Garbage in Garbage out>

弊社では、このような支障をきたす可能性のある要因を取り除き、効率性の高い取組みにするため、予め3つの与件をクリアにすることを前提に組み入れた活動を推奨しています。

(1)売上影響要因(データ)を事前に検討し整理する

…詳しい説明はこちら…
現状保有しているデータのクリニックを行い、売上影響要因となるデータを持ち得ているかどうかを整理しておく必要があります。
[売上の影響要因となる主なデータ]
ⅰ店舗営業特性データ
ⅱ店舗別・装備データ
ⅲ店舗別・立地環境データ
ⅳ店舗別・来客範囲(商圏)データ
ⅴ店舗別・顧客特性別・潜在客数規模データ(※) 
(※)「商圏内に居住する来店者」・「近隣の職場・学校からの来店者」・
「他店の買物や用事からの来店者」等とした顧客の利用特性別に分解し、
それぞれの売上寄与度や潜在客数(需要額)を算出したデータ
(2)観測データの評価法、計測基準を明確にしておく

…詳しい説明はこちら…
たとえば、「店舗への入りやすさ(アクセス性)」や「店舗の見つけやすさ(視認性)」などの立地環境データを因子に組み込む場合、その評価法や計測基準が統一されたものであることが重要といえます。

評価する際に、どのような視点でもってそれを「見やすい」と判断したのかのレベルが均一であることが望ましく、主観的な判断による評価、曖昧なルールでの計測結果は、なんらかの参考データとしては使えても、売上予測用のデータとしては不向きであるといえるでしょう。
(3)予測モデルに用いる分析対象店の抽出方法を慎重に行う

…詳しい説明はこちら…
店舗の売上データ以外の指標、例えば競合環境やGISデータ、立地環境評価などの指標を用いる場合に、既に有する場合を除き、全店でそのようなデータを整備しようとするには、多くの時間とコストがかかってしまいます。
理想をいえば、全店分のデータベースを用意した方が良いにこしたことはありませんが、実際の費用対効果を踏まえると、店舗を何店か抽出し、それを分析対象店舗として設定することの方が現実的であるといえます。

そこで重要となってくるのは、対象店舗数の設定と、その対象店舗の抽出となります。対象店舗数の設定については、店舗数が多ければ多い方が良いに決まってますので、かけられる時間やコストの兼ね合いで決定することが多いですが(もちろん、精度上、最低限の絶対店舗数は必要となります)、ポイントとなるのは、定められた店舗数をどのような条件で抽出していくか?という点になります。

たとえば、全100店舗中、60店を分析対象とする場合、なんとなく選んだのでは、高い予測モデルは生まれません。「全店に占める好調店、標準店、不調店の割合などにより店舗を抽出する」等とした、分析対象となる店舗群が全店の縮図に近くなるよう、あらゆる角度からみた抽出方法で分析対象店を選定する必要があります。

モデル構築までの活動フロー

1 お打合せ&
活動プラン検討
現状の予測方法・保有データ・構築後の運用イメージ等をお聞かせ頂き活動プランをご提案致します。
共同取り組み形式ですので、何回かお打合せを重ね、活動内容および手順の刷り合わせを行います。
2 出店基準の把握&
データクリニック
・出店可否基準の把握
・現状保有している店舗データのクリニック
・予測手法の検討
・分析対象店舗の選定・・・等
3 分析対象店舗の
データ収集・整備
予測に必要となるデータを収集・統合し、店舗別のデータベースを整備します。
4 予測モデルの構築(α版)
第一次売上予測モデル(α版)の構築
5 予測精度検証
求められた予測額と、実際の売上実績との乖離幅(当てはまり度)を検証します。
6 予測モデル補正
第一次売上予測モデル(α版)を補正し、「修正予測モデル」(最終版)の構築
7 運用体制の仕組みづくり
売上予測モデルの運用に関する仕組みづくり
(新店の可否判断基準/既存店の営業戦略/チラシエリアの設定など)
  • Facebook
  • Hatena
  • twitter
  • Google+
PAGETOP