カテゴリー構築指数とブランド構築指数 データ分析講座(その257)

投稿日

情報マネジメント

 

自社商品やサービスが、どの顧客セグメントに対し強いのか弱いのか、ポテンシャルが高いのか低いのかを示す指標が構築指標で、次の2種類があります。

  • カテゴリー構築指数
  • ブランド構築指数

計算式はどちらも簡単です。1顧客あたりの販売金額(もしくは数量)を計算し求めます。今回は「ターゲットの強弱を浮かび上がらせるカテゴリー構築指数とブランド構築指数」というお話しをします。ちなみに今回は、販売金額ベースで説明を進めます。

 

【目次】
1. カテゴリー構築指数
2. ブランド構築指数
3. カテゴリー構築指数×ブランド構築指数

【この連載の前回:データ分析講座(その256)3つの市場シェアとはへのリンク】

 

1. カテゴリー構築指数

先ず、ある商品カテゴリー(例:1mlの紙パック牛乳)の1消費者(もしくは1世帯)あたりの販売金額を計算します。この値がベースになります。

 

次に、ある顧客セグメント(例:首都圏に住む30代独身男性)に対し同様に、その商品カテゴリー(例:1mlの紙パック牛乳)の1消費者(もしくは1世帯)あたりの販売金額(もしくは数量)を計算します。現在、手元にある計算結果は以下の2つです。

  • 全体の1消費者(もしくは1世帯)あたりの販売金額
  • 顧客セグメント別の1消費者(もしくは1世帯)あたりの販売金額

この1消費者(もしくは1世帯)あたりの販売金額の比を指標化したのが、カテゴリー構築指数です。顧客セグメントAのカテゴリー構築指数は以下となります。

 

情報マネジメント

 

この指標の値は大きいほど、その顧客セグメントに対しそのカテゴリーが強い、ということになります。当然ですが、1以上でないと強いとはなりません。例えば、1mlの紙パック牛乳の1世帯あたりの購入本数を、日本全体と東京都練馬区で比較する、日本全体と小学生のいる世帯で比較する、日本全体と1人暮らしの成人世帯と比較する、といった感じです。

 

2. ブランド構築指数

ブランド構築指数は、カテゴリー構築指数と計算方法はほぼ同じです。

 

違いは、カテゴリーではなく、ブランドで考えているところです。計算時に対象とするブランドは、通常自社ブランドのため、分析の軸足が自社になります。

  • カテゴリー構築指数:分析の軸足が市場
  • ブランド構築指数:分析の軸足が自社

では簡単に説明します。

 

先ず、あるブランド(例:なっちゃん)の1消費者(もしくは1世帯)あたりの販売金額を計算します。この値がベースになります。次に、ある顧客セグメント(例:首都圏に住む小学生のいる世帯)に対し同様に、そのブランド(例:なっちゃん)の1消費者(もしくは1世帯)あたりの販売金額(もしくは数量)を計算します。現在、手元にある計算結果は以下の2つです。

  • ブランド全体の1消費者(もしくは1世帯)あたりの販売金額
  • 顧客セグメント別の1消費者(もしくは1世帯)あたりの販売金額

この1消費者あたりの販売金額の比を指標化したのが、ブランド構築指数です。顧客セグメントAのブランド構築指数は以下となります。

 

情報マネジメント

 

この指標の値は大きいほど、その顧客セグメントに対しそのブランドが強い、ということになります。当然ですが、1以上でないと強いとはなりません。

 

3. カテゴリー構築指数×ブランド構築指数

カテゴリー構築指数とブランド構築指数は、単体で利用すると、市場におけるそのカテゴリーやブランドの強み弱みを発見できますが、掛け合わせてマトリクス化して活用すると、より幅が広がります。

 

情報マネジメント

 

掛け合わせることで、例えば、あるエリアでカテゴリー構築指数が高いのに、そのカテゴリーに属する自社ブランドのブランド構築指数が低い、ということが分かったりします。なぜ、他社に遅れを取っているのかを、考えるきっかけになります。カテゴリー構築指数とブランド構築指数は、単体でモニタリングするだけでなく、カテゴリー構築指数×ブランド構築指数のマトリクスの中でどのように変化するのかモニタリングするといいでしょう。

 

◆【特集】 連載記事紹介連載記事のタイトルをまとめて紹介、各タイトルから詳細解説に直リンク!!

◆データ分析講座の注目記事紹介

 

 


この記事の著者

高橋 威知郎

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)


「情報マネジメント一般」の他のキーワード解説記事

もっと見る
時系列データを使った予測モデル構築の流れ、データ分析講座(その308)

  時系列データをビジネス活用するとき、最も期待される活用方法の1つが「データで近未来を予測しこれからのビジネス活動に活かす」というもので...

  時系列データをビジネス活用するとき、最も期待される活用方法の1つが「データで近未来を予測しこれからのビジネス活動に活かす」というもので...


目的変数、説明変数とは データ分析講座(その31)

◆ データで売上拡大を目指すなら、「目的変数」と「説明変数」を意識することが何よりも重要です。  データ分析では、「目的変数」と「説明変数」という用...

◆ データで売上拡大を目指すなら、「目的変数」と「説明変数」を意識することが何よりも重要です。  データ分析では、「目的変数」と「説明変数」という用...


データサイエンスで成果を出さないときの共通点 データ分析講座(その120)

◆ 目的を明確にしてもデータサイエンスで失敗するのか  データサイエンスは「目的を明確にすること」が大事だとよくいわれます。これはデータサイエンスに...

◆ 目的を明確にしてもデータサイエンスで失敗するのか  データサイエンスは「目的を明確にすること」が大事だとよくいわれます。これはデータサイエンスに...


「情報マネジメント一般」の活用事例

もっと見る
‐販路開拓に関する問題事例‐ 製品・技術開発力強化策の事例(その19)

 前回の事例その18に続いて解説します。多額の資金と労力を費やして開発した知的財産をどのように活用して販路開拓に結びつけるのか、大変重要な問題ですが、販売...

 前回の事例その18に続いて解説します。多額の資金と労力を費やして開発した知的財産をどのように活用して販路開拓に結びつけるのか、大変重要な問題ですが、販売...


Web上で試作受注するツールを成功させるポイントとは

        今回は、「Web上で試作受注するツール」を成功させるポイントについて解説します。次の2点がポイントで、この2つを「最優先」に考える必...

        今回は、「Web上で試作受注するツール」を成功させるポイントについて解説します。次の2点がポイントで、この2つを「最優先」に考える必...


‐技術開発の目標について 第2回‐  製品・技術開発力強化策の事例(その16)

 技術開発の目標を解説する以下の項目4点について、前回は、1と2を解説しましたので、今回は、第2回として、3と4を記述します。          1....

 技術開発の目標を解説する以下の項目4点について、前回は、1と2を解説しましたので、今回は、第2回として、3と4を記述します。          1....