naritai.app

店舗システム

この章で覚えておきたいこと

POS、ID-POS、RFM分析、併買分析、PI値、統計指標を店舗システムの全体像として整理した手書き風図解

基本知識

POSとID-POSの役割

POSが商品、数量、金額、日時を記録し、ID-POSが顧客IDと購買履歴を結び付ける違いを示す手書き風図解

POS は Point of Sales の略で、販売時点情報管理のことです。レジで商品コードを読み取り、商品、数量、価格、売上時刻、担当者などをその場で記録します。ここで大事なのは、POS は「何が、いつ、どれだけ売れたか」を正確に記録する仕組みだという点です。

POS の基本的な効果は、次のように整理します。

試験では、POS の直接効果と、POS データ活用の結果として実現する施策を混同させる選択肢がよく出ます。顧客囲い込みや高度な CRM は、ID-POS や会員制度まで含めた活用施策であり、POS 単体の直接効果とは切り分けて判断します。

ID-POS は、POS データに会員 ID や顧客 ID を結び付けたものです。POS が商品中心のデータであるのに対し、ID-POS は顧客中心の分析ができるようになります。つまり、「誰が、いつ、何を、いくら買ったか」を追える点が本質です。

ID-POS で把握しやすい内容は、次のとおりです。

CRM、FSP、RFM分析の使い分け

CRM、FSP、RFM分析を顧客関係、ポイント優待、購買行動評価として分けて示す手書き風図解

CRM は Customer Relationship Management の略で、顧客との関係を長期的に維持し、強化する考え方です。単に売上を集計するのではなく、顧客ごとに適した販促や情報提供を行い、再来店や継続購買につなげる発想だと押さえます。

FSP は Frequent Shoppers Program の略で、会員カード、ポイント、優待、限定クーポンなどを通じて優良顧客を育成する仕組みです。FSP は CRM と無関係なのではなく、CRM を実務で回すための代表的な施策のひとつです。

RFM分析は、顧客を次の3つの軸で評価する手法です。

最終購買の近さです。最近買っているほど高く評価します。

一定期間内の購買回数です。頻繁に買っているほど高く評価します。

一定期間内の購買金額です。金額が大きいほど高く評価します。

RFM分析の目的は、顧客を優良顧客、育成対象、離反予備軍などに分類し、対応の優先順位を決めることです。したがって、ロイヤルカスタマーの定義では、年齢や性別だけを見るのではなく、まず購買行動を見るのが基本になります。

ここでのひっかけは、F の意味です。通常の F は購買頻度ですが、問題文によっては「平均来店購買間隔」と読み替えさせる場合があります。このときは、数値が小さいほど頻繁に来店していると判断します。略語だけで機械的に処理せず、問題文の定義を確認してください。

アソシエーション分析の3指標

支持度、信頼度、リフト値の分母の違いと併買関係を示す手書き風図解

アソシエーション分析は、商品同士の併買関係を調べる分析です。マーケットバスケット分析とも呼ばれます。RFM分析が顧客を見るのに対し、アソシエーション分析は商品間の関係を見るので、ここを入れ替えないことが重要です。

主な用途は次のとおりです。

試験で最重要なのは、支持度、信頼度、リフト値の定義です。

支持度

支持度は、対象の商品や組み合わせが全体の中でどれだけ出現したかを示します。

A を含む件数 ÷ 全件数

A と B を同時に含む件数 ÷ 全件数

支持度の分母は 全体件数 です。ここを前件の購入件数にしてしまうと信頼度になります。

信頼度

信頼度は、前件の商品を買った人のうち、後件の商品も買った割合です。

A と B を同時に含む件数 ÷ A を含む件数

信頼度は向きを持ちます。A から見た B と、B から見た A は分母が違うので、同じ値になるとは限りません。

リフト値

リフト値は、A と B が独立に買われる場合と比べて、実際の併買がどれだけ強いかを見る指標です。

A と B の併買支持度 ÷ （A の支持度 × B の支持度）

リフト値の読み方は次のように整理します。

独立な場合より併買されやすいです。

独立に近いです。

独立な場合より併買されにくいです。

信頼度は条件付き割合、リフト値は独立性との比較です。この違いを押さえると、リフト値を単なる信頼度と混同しにくくなります。

アソシエーション分析の計算手順

レシート一覧からAを含む件数、Bを含む件数、AとBの同時購買件数を拾い、支持度、信頼度、リフト値へ進む手書き風図解

計算問題では、式を思い出す前に件数整理をするのが安全です。次の順序で処理します。

1. 全件数を確認します。 レシート枚数なのか、顧客数なのかを先に確定します。 2. A を含む件数を出します。 A のみ、A・B、A・C、A・B・C など、A が入る行をすべて足します。 3. B を含む件数を出します。 4. A と B を同時に含む件数を出します。 A・Bのみ だけでなく、A・B・Cすべて のように A と B を両方含む行も入れます。 5. 支持度を計算します。 6. 信頼度を計算します。 7. リフト値を計算します。 8. 最後に、リフト値が 1 より大きいか小さいかで意味を読みます。

たとえば、全体 6,000 件、A を含む件数 3,000 件、B を含む件数 3,000 件、A と B を同時に含む件数 1,800 件なら、次のようになります。

このとき、リフト値が 1 より大きいので、A と B は独立に買われる場合より併買されやすいと判断します。

また、試験ではジャッカード係数が出ることもあります。ジャッカード係数は、2商品の重なりを和集合で割った指標です。

A と B を同時に含む件数 ÷ （A を含む件数 + B を含む件数 - A と B を同時に含む件数）

支持度、信頼度、ジャッカード係数、リフト値は、すべて分母が違います。分子が同じでも値は変わるので、分母から確認する癖を付けてください。

POSデータの読み取りと周辺指標

PI値、相関係数、分散、標準偏差、尺度水準をPOSデータの読み取り指標として整理した手書き風図解

POS や ID-POS の問題では、単純な用語暗記だけでなく、数値や図表の読み取りもよく問われます。代表的なものをまとめて押さえます。

PI値

PI値は、販売点数または販売金額を レシート枚数またはレジ通過人数 で割った指標です。来店規模が異なる店舗同士でも比較しやすくするための調整指標だと理解してください。

計算問題では、客千人当たりに直す倍率を落とさないことが重要です。

| 指標 | 式 | 倍率 | |---|---|---| | PI値 | 販売点数 ÷ レジ通過人数 × 1,000 | 客1,000人当たりの販売点数 | | 金額PI値 | 販売金額 ÷ レジ通過人数 × 1,000 | 客1,000人当たりの販売金額 |

問題文で「客数1人当たり」と明示されていない限り、一次試験では客千人当たりの指標として読むのが安全です。

相関係数と散布図

相関係数は、2つの変数の関係の方向と強さを表します。

右上がりの散布図になります。

右下がりの散布図になります。

点がばらつき、はっきりした傾きが出にくくなります。

相関係数は因果関係を示すものではありません。まず符号、次に絶対値の大きさを見て判断します。

基本統計量

ID-POS の集計では、平均値、中央値、最頻値、分散、標準偏差、最小値、最大値が出題されます。特に重要なのは次の関係です。

最大値や最小値、中央値、最頻値の間に常に成り立つ単純な式はありません。定義そのものから判断するのが基本です。

尺度水準

顧客データの問題では、データ項目の尺度水準も問われます。代表例を整理すると次のようになります。

個体識別のラベルなので 名義尺度

差に意味はあるが比に意味はないので 間隔尺度

区別のみなので 名義尺度

0 に意味があり比も扱えるので 比例尺度

尺度水準は、どの統計手法が使えるかを考える基礎になります。数字で書かれていても、ID は計算用の量ではない点に注意してください。

この章のまとめ

小売の情報システム全体像としてPOS、ID-POS、RFM、併買分析、統計指標を復習用に整理した手書き風図解

一次試験過去問での出方

2011年 第39問では POS 導入の直接効果が問われ、販売記録の正確化や伝票処理の合理化と、顧客囲い込み施策を切り分ける必要がありました。

2019年 第39問、2021年 第39問、2023年 第40問、2024年 第43問では、CRM、FSP、RFM分析、ロイヤルカスタマー定義が繰り返し問われています。

2022年 第39問、2023年 第38問、2025年 第40問では、支持度、信頼度、ジャッカード係数、リフト値の計算問題が出題され、分母の違いと同時購買件数の拾い方が重要でした。

2022年 第40問では相関係数と散布図の対応、2023年 第38問では基本統計量、2019年 第43問では尺度水準が問われ、POS・ID-POS 分野でも図表と数値の読み取り力が要求されています。

2019年 第40問では PI値、2023年 第38問では 標準偏差の2乗が分散 という基本関係が出ており、顧客分析まわりの基礎統計も得点源になっています。