【BigQuery公開データ分析】顧客セグメント分析！BigQueryでターゲット顧客を特定

2024年9月24日2024年11月28日

記事の対象者と解消できるお悩み

【対象者】

初中級データアナリスト

【興味関心】

顧客理解
ターゲティング
マーケティング戦略
売上向上
顧客満足度向上

【解消できるお悩み】

顧客をグループ分けして分析したいけど、方法がわからない…
どんな顧客にアプローチすれば、効果的に売上を伸ばせるの？
限られたマーケティング予算を有効活用したい
顧客満足度を高め、リピーターを増やしたい

記事作成者

【人物】株式会社志庵　代表取締役　佐藤　光　起業6年目

【経歴】株式会社光通信➜光通信同期と起業➜データアナリスト転職➜SaaSで2度目起業

【会社実績】

SaaS 資金調達無しARR2億円

SaaS GMV200億円

【内容】自社AaaSであるStruccle、webスクレイピング、BigQueryに関する記事を作成

各種用語

ARR(Annual Recurring Revenue)
- サブスクリプションサービスの年間売上※当社はSaaS売上
Struccle(ストラクル)
- 株式会社志庵が独自開発しているAaaS
AaaS(アース)
- Data Analytics as a Serviceの意
SaaS(サース)
- Software as a Serviceの意
GoogleCloudPlatform
- Googleが提供するクラウドプラットフォーム。この中に様々なサービスが存在する。
GCP(ジーシーピー)
- GoogleCloudPlatformの略
BigQuery(ビッグクエリ)
- 上記GCPの中に含まれるデータ分析基盤サービス
SQL(エスキューエル)
- データベースを操作するプログラミング言語
クエリ
- SQLで記述した命令文
- クエリ例）
  - SQL構文のクエリ⬇
    - SELECT item_name, price FROM sales_table where price >= 1000;
    - 上記クエリ(命令文)の意味としては「売上テーブル(sales_table)から価格(price)が1000円以上の商品名(item_name)と価格(price)を抽出する」
ペタバイト
- データの単位　ペタバイト＝1000テラバイト＝約100兆行のデータ

概要

顧客を理解し、ニーズに合わせたサービスや商品を提供することは、ビジネス成功の鍵です。顧客セグメンテーションは、顧客を属性や行動に基づいてグループ分けすることで、より効果的なマーケティング戦略や商品開発を可能にする手法です。しかし、顧客データは膨大で複雑なため、手作業でセグメント分けを行うのは困難です。

今回は、Google Cloudのデータウェアハウス「BigQuery」を使って、顧客セグメント分析を行い、ターゲット顧客を特定する方法を解説します。BigQueryの強力な分析機能を活用することで、大量の顧客データから効率的にセグメントを抽出し、それぞれのグループに最適な戦略を立案することができます。この記事では、BigQueryと公開データセットを使って顧客セグメント分析を行い、ビジネスに役立つインサイトを得る方法を、具体的な例を交えながら紹介します。データ分析初心者の方でも、BigQueryを使えば、顧客セグメンテーションを理解し、実践的な分析スキルを習得できるでしょう。

BigQueryで顧客セグメント分析を行うメリット
分析に使用するBigQueryのデータセット
BigQueryで顧客セグメント分析を行う手順
BigQueryを使った顧客セグメント分析例
FAQ：BigQueryに関するよくある質問
まとめ：BigQueryで顧客セグメント分析を行い、ビジネス戦略を最適化しよう！

1. BigQueryで顧客セグメント分析を行うメリット

BigQueryは、顧客セグメント分析に最適なツールです。その理由は、以下の様なメリットがあるからです。

大規模データの高速処理： 膨大な顧客データを高速に分析できるため、複雑なセグメンテーションも効率的に行えます。
様々なデータソースとの連携： 公開データ、自社データ、外部データなど、様々なデータソースと連携できるため、顧客属性や行動に関する多様なデータを統合的に分析できます。
豊富な分析機能： SQL、機械学習、統計分析など、高度な分析機能を利用できるため、多様な基準でセグメントを作成できます。
コストパフォーマンスの高さ： 従量課金制なので、必要な時に必要なだけ利用でき、コストを抑えられます。
高いセキュリティ： Google Cloudの強固なセキュリティ基盤により、安心してデータを管理できます。

2. 分析に使用するBigQueryのデータセット

今回の分析では、BigQueryの公開データセット「bigquery-public-data:austin_bikeshare.bikeshare_trips」を使用します。このデータセットは、テキサス州オースティン市の自転車シェアリングサービス「Austin B-cycle」の利用に関するデータを含んでおり、利用者の種類、自転車の種類、利用時間、利用場所などの情報が記録されています。今回は、このデータセットを顧客データに見立てて分析を行います。

3. BigQueryで顧客セグメント分析を行う手順

BigQueryで顧客セグメント分析を行う手順は以下の通りです。

3.1 1. データ確認

まず、データセットの内容を確認します。BigQueryコンソールのUIでデータセットのスキーマを確認したり、サンプルデータをプレビューしたりすることで、データの構造や内容を理解することができます。`austin_bikeshare.bikeshare_trips`テーブルには、自転車シェアリングサービスの利用に関する詳細情報が記録されています。

3.2 2. データ加工

必要に応じて、データを加工します。例えば、日付データを年、月、日、曜日などに分割したり、特定の利用時間帯に絞り込んだり、利用場所別にデータをグループ化したりします。BigQueryは、SQLを使ってデータ加工を行うための様々な関数を提供しています。

3.3 3. セグメントの作成

加工したデータに対して、SQLクエリやBigQuery MLなどを用いて顧客をセグメントに分けます。例えば、利用頻度、利用時間帯、利用場所、自転車の種類などを基準に、顧客をグループ化することができます。また、機械学習を用いて、より複雑な基準で顧客をセグメント分けすることも可能です。

3.4 4. 考察と分析結果の活用

作成したセグメントの特徴を分析し、それぞれのグループに最適なマーケティング戦略やサービス改善を検討します。例えば、頻繁に利用する顧客層には、よりお得な料金プランを提案したり、特定の場所に集中している顧客層には、その地域に合わせた広告を配信したりすることができます。

4. BigQueryを使った顧客セグメント分析例

今回は、BigQuery公開データセット bigquery-public-data.austin_bikeshare.bikeshare_trips を分析し、顧客セグメント分析を行い、ターゲット顧客を特定する方法を解説します。

このデータセットには、オースティン市の自転車シェアサービスの利用履歴が記録されており、顧客の利用時間や利用場所、利用頻度などを分析することで、顧客をグループ分けし、それぞれのグループに最適なマーケティング戦略を立てることができます。

BigQuery分析例：利用時間帯別顧客セグメント

顧客の利用時間帯によって行動パターンが異なる可能性に着目し、利用開始時間(start_time)の時間帯別に、顧客をセグメント化します。

SELECT
  subscriber_type,
  CASE
    WHEN EXTRACT(HOUR FROM start_time) BETWEEN 7 AND 10 THEN 'Morning Commuter'
    WHEN EXTRACT(HOUR FROM start_time) BETWEEN 11 AND 14 THEN 'Lunch Break Rider'
    WHEN EXTRACT(HOUR FROM start_time) BETWEEN 15 AND 18 THEN 'Afternoon Commuter'
    WHEN EXTRACT(HOUR FROM start_time) BETWEEN 19 AND 22 THEN 'Evening Rider'
    ELSE 'Other'
  END AS time_segment,
  COUNT(*) AS trip_count
FROM `bigquery-public-data.austin_bikeshare.bikeshare_trips`
WHERE subscriber_type IS NOT NULL
GROUP BY 1, 2
ORDER BY subscriber_type, trip_count DESC

【BigQuery SQL解説】

WHEREでsubscriber_typeがNULL以外を抽出します。
EXTRACT(HOUR FROM start_time) で、利用開始時間(start_time)の時間帯を抽出します。
CASE文とWHEN句を用いて、時間帯別に顧客を「Morning Commuter」「Lunch Break Rider」「Afternoon Commuter」「Evening Rider」「Other」の5つのセグメントに分類します。
COUNT(*)で、各セグメントに属する顧客の利用回数をカウントします。
GROUP BY句で、顧客タイプ(subscriber_type)と時間帯セグメント(time_segment)ごとに集計します。
ORDER BY句で、顧客タイプ(subscriber_type)と利用回数(trip_count)の降順に並べ替えます。

【BigQuery分析での活用例】

時間帯別に顧客をセグメントすることで、それぞれのグループの利用状況やニーズを把握し、ターゲットを絞ったプロモーション施策を展開できます。
例えば、「Morning Commuter」セグメントに対しては、通勤時間帯の割引キャンペーンや、駅周辺での広告展開などが効果的かもしれません。
一方、「Lunch Break Rider」セグメントには、オフィス街周辺の飲食店とのタイアップキャンペーンや、ランチタイム限定の割引クーポンなどが有効と考えられます。

実行結果

BigQuery分析例：利用頻度別顧客セグメント

顧客の利用頻度に基づいて顧客をセグメント化します。

ここでは顧客(subscriber_type)ごとに利用回数(total_trips)を集計し、利用頻度に応じて「Heavy User」「Regular User」「Casual User」の3つのセグメントに分類します。

WITH trips_by_subscriber AS (
  SELECT
    subscriber_type,
    COUNT(*) AS total_trips
  FROM `bigquery-public-data.austin_bikeshare.bikeshare_trips`
  WHERE subscriber_type IS NOT NULL
  GROUP BY 1
)
SELECT
  subscriber_type,
  total_trips,
  CASE
    WHEN total_trips >= 50 THEN 'Heavy User'
    WHEN total_trips BETWEEN 10 AND 49 THEN 'Regular User'
    ELSE 'Casual User'
  END AS usage_segment
FROM trips_by_subscriber
ORDER BY total_trips DESC

【BigQuery SQL解説】

WITH句でtrips_by_subscriberという共通テーブル式を定義し、顧客タイプ別の利用回数を集計します。
CASE文とWHEN句を用いて、利用回数に応じて顧客を「Heavy User」「Regular User」「Casual User」の3つのセグメントに分類します。
ORDER BY句で、利用回数(total_trips)の降順に並べ替えます。

【BigQuery分析での活用例】

利用頻度別に顧客をセグメントすることで、ロイヤリティの高い顧客や、潜在的な顧客などを特定できます。
「Heavy User」セグメントに対しては、特別な特典や限定サービスを提供することで、更なる利用促進を図り、ロイヤルカスタマー化を目指せます。
「Casual User」セグメントには、利用頻度を高めるためのキャンペーンや、サービスの魅力を伝える広告などを配信することで、継続的な利用を促すことが有効と考えられます。

注意点

これらのクエリは、BigQuery公開データに基づいています。データの正確性や最新性については、実際のBigQuery公開データをご自身でご確認ください。
当該分析は、様々な要因を総合的に判断する必要があります。これらのクエリは分析の一例であり、意思決定の根拠として単独で使用すべきではありません。

参考記事

5. FAQ：BigQueryに関するよくある質問

Q1. BigQueryの無料枠を超えて利用すると、どのくらい費用がかかりますか？

A1. 無料枠を超えた場合、従量課金制で料金が発生します。料金は、処理したデータ量やストレージ容量などによって異なります。詳しくは、BigQueryの料金ページをご確認ください。

Q2. BigQueryで使えるSQLは、他のデータベースと同じですか？

A2. BigQueryは標準SQLをサポートしており、他のデータベースで学んだSQLの知識を活かすことができます。ただし、BigQuery独自の関数や構文も存在するため、BigQueryのドキュメントで詳細を確認することをおすすめします。

Q3. SQLの学習には、どのような教材がありますか？

A3. SQLの学習には、オンライン学習サイト、書籍、動画教材など、様々な教材があります。初心者向けの教材から、上級者向けの教材まで、レベルに合わせて選ぶことができます。Googleが提供するBigQueryのチュートリアルもSQLの学習に役立ちます。

6. まとめ：BigQueryで顧客セグメント分析を行い、ビジネス戦略を最適化しよう！

BigQueryは、顧客セグメント分析に最適なツールです。BigQueryの高速な処理性能、豊富な分析機能、そして無料公開データセットを活用することで、顧客を深く理解し、それぞれのセグメントに最適な戦略を立案することができます。ぜひ、BigQueryを導入し、データ分析の力をビジネスに活かしましょう。

BigQuery導入サポート、転職検討中の方はお問い合わせフォームからご相談くださいませ。

誠心誠意精一杯対応いたします。

【参考URL】

GoogleCloudPlatform：https://console.cloud.google.com/welcome/new

BigQuery：https://cloud.google.com/bigquery?hl=ja

BigQueryリリース情報：https://cloud.google.com/bigquery/docs/release-notes

BigQuery料金：https://cloud.google.com/bigquery/pricing

BigQuery料金無料枠：https://cloud.google.com/bigquery/pricing?hl=ja#free-tier

Google Cloud活用事例：https://cloud.google.com/customers/index.html?hl=ja#

Looker Studio：https://cloud.google.com/looker-studio?hl=ja

Looker Studioサンプル：https://cloud.google.com/bigquery/docs/visualize-looker-studio?hl=ja

よかったらシェアしてね！

URLをコピーしました！

URLをコピーしました！