ユーザープロファイル(顧客理解のアウトプット)|現場のユーザーリサーチ全集

ユーザープロファイル(顧客理解のアウトプット)|現場のユーザーリサーチ全集

リサーチャーの菅原大介さんが、ユーザーリサーチの運営で成果を上げるアウトプットについて解説する「現場のユーザーリサーチ全集」。今回は、ユーザープロファイル(顧客理解のアウトプット)について寄稿いただきました。


1.ユーザープロファイルとは

●全体像イメージ

●概要

ユーザープロファイルとは、自社で重視するステークホルダーを分析軸に設定して、アンケートで得た基本属性・行動特性に関するデータをかけ合わせ、その比率や分布を参照しながらターゲットを決めるためのアウトプットです。

ユーザープロファイルを作成することにより、各セグメントの構成比を参照して戦略の方針とマッチするターゲットを設定したり、ペルソナを作成する時のマスターデータ(スケルトン)として接続したりすることが可能になります。

※元データを作成する時は、各分析軸のサンプルが十分な状態を保てる規模感で調査を計画しましょう(個別の分析軸単位ではサンプル不十分で分析が未遂に終わってしまうケースも多いので総合調査として実施する方法がおすすめです)

●構成要素

ユーザープロファイルの構成要素は以下のようになります。

<縦軸:分析データアイテム>

※以下に代表的な項目を記載しますが、自社の会員分析で使うデータアイテムに則り分析軸を決定してください(例:顧客基盤、アライアンス、ネットワーク、顧客の利用・契約ステータスに関するもの)

①ポイントユーザー
・自社で発行や加盟をしているポイントサービスのユーザー

②グループユーザー
・自社で提携や加盟をしているグループサービスのユーザー

③有料会員ユーザー
・自社の有料会員サービスのユーザー

④ヘビー層
・購入・利用の頻度・回数・金額などが高いユーザー(定着層)

⑤ミドル層
・購入・利用の頻度・回数・金額などが平均的なユーザー(育成層)

⑥ライト層
・購入・利用の頻度・回数・金額などが低いユーザー(新規層・休眠層)

<横軸:基本属性・行動特性>

①併用状況
・各データアイテムにおけるサービスの併用状況

②性別
・各データアイテムにおける性別の割合

③年齢
・各データアイテムにおける年齢の分布

④世帯構成
・各データアイテムにおける世帯構成の分布

⑤購入頻度
・各データアイテムにおける自社プロダクトでの購入頻度
※データが分布だと細かくなりすぎるので集計で「月1回以上」などのくくりにする

⑥購入カテゴリー
・各データアイテムにおける自社プロダクトでの購入カテゴリー

●よくある課題

「ターゲットとすべき層がよくわからない…」
⇒この悩みに一枚で答えるためのアウトプット

①ログのデータが特定要因に偏向しているケース

ターゲットを考える時に自社で管理するユーザーの行動ログは基本のデータになります。ところが、行動ログデータは正確なようでいてセグメンテーション・ターゲティングのような全体を検討するための用途では不向きなこともあります。

例えば、販促比率が高くてその時々の大型キャンペーンの影響を受けたユーザー構成比になっていたり、もともとユーザーの基本情報を最小限の属性情報しか取れていなかったりと、データの代表性を著しく欠くケースも珍しくありません。

②組織内でデータの管理元が分かれているケース

プロダクトのターゲットを決定する時には、総合的にデータを見て検討したいものです。しかし、データを管轄する部門が分かれているとデータの作りに統一性や整合性を保てないことがあります。マルチサービス展開だとなおさらです。

こうしたケースでは直接的に誰かが困るわけではないので平気で数年前の古いデータがそのまま使われたりするのですが、ターゲット決定においてはリスキーな状況です。議論のベースとなる網羅的・客観的なユーザーデータが求められます。

2.作り方

①ユーザープロファイル調査を行う

※アンケートならではの項目:主利用サービス、世帯構成など


②縦軸に分析軸をセットする

・自社の会員分析で使うデータアイテムを設定する
(例:顧客基盤、アライアンス、ネットワーク、顧客の利用・契約ステータスに関するもの)


③横軸に分析軸をセットする

・基本属性・行動特性のデータアイテムを設定する
(見出しにはアンケートの質問番号を記載しておく)


④基本属性・行動特性のデータを記載する

・基本属性・行動特性のデータの割合や分布を記載する
・複数回答の質問結果は上位項目を抜粋して記載する
・基本属性の項目は平均値を記載して読みやすくする(適宜)
・頻度や回数の項目は選択肢の足し上げ集計でスッキリ見せる


⑤質問項目ごとにn数を記載する

・すべてのマスにアンケートデータの回答者数を記載する(一枚のスライド内で異なる質問間データを比較するため)

3.使い方

①総合的・中立的にターゲットの設定を行う

ユーザープロファイルのデータから、主要なステークホルダーの分析軸において、年代の分布や平均、性別や世帯の構成比などから自社が集中すべき箇所を見出せます(場合によっては集中しすぎることがリスクだと気づくこともあります)

もし、どの分析軸でも同じような構成比である場合は、プロダクトと最も親和性が高いステークホルダーの分析軸データを採用するようにします。例えば、小売企業グループならば実店舗会員ユーザーのデータが基本になることでしょう。


②ペルソナのスケルトンデータとして活かす

ユーザープロファイルのデータはペルソナを作成する時のスケルトンデータとしても使えます。スケルトンデータとは、全体の骨組みとなる基調データのことで、特にペルソナ作成時は基本属性を中心としたファクトをよく参照します。

このスケルトンデータに接続するにあたり、アンケートはシングルデータで網羅的にサービスや顧客基盤ごとの性別・年代などの基本データを理解できるので最適です。特に世帯構成の項目はアンケートならではの付加情報になります。

この記事のライター

リサーチャー。上智大学文学部新聞学科卒業。新卒で出版社の学研を経て、株式会社マクロミルで月次500問以上を運用する定量調査ディレクター業務に従事。現在は国内有数規模の総合ECサイト・アプリを運営する企業でプロダクト戦略・リサーチ全般を担当する。

デザインとマーケティングを横断するリサーチのトレンドウォッチャーとしてニュースレターの発行を行い、定量・定性の調査実務に精通したリサーチのメンターとして各種リサーチプロジェクトの監修も行う。著書『ユーザーリサーチのすべて』(マイナビ出版)

X|https://twitter.com/diisuket
note|https://note.com/diisuket
ニュースレター|https://diisuket.theletter.jp

関連するキーワード


菅原大介

関連する投稿


バリュープロポジションキャンバス(体験設計のアウトプット)|現場のユーザーリサーチ全集

バリュープロポジションキャンバス(体験設計のアウトプット)|現場のユーザーリサーチ全集

リサーチャーの菅原大介さんが、ユーザーリサーチの運営で成果を上げるアウトプットについて解説する「現場のユーザーリサーチ全集」。今回は、バリュープロポジションキャンバス(体験設計のアウトプット)について寄稿いただきました。※本記事は菅原さんの書籍『ユーザーリサーチのすべて』(マイナビ出版)と連動した内容を掲載しています。


生活カレンダー(顧客理解のアウトプット)|現場のユーザーリサーチ全集

生活カレンダー(顧客理解のアウトプット)|現場のユーザーリサーチ全集

リサーチャーの菅原大介さんが、ユーザーリサーチの運営で成果を上げるアウトプットについて解説する「現場のユーザーリサーチ全集」。今回は、生活カレンダー(顧客理解のアウトプット)について寄稿いただきました。※本記事は菅原さんの書籍『ユーザーリサーチのすべて』(マイナビ出版)と連動した内容を掲載しています。


リサーチャー菅原大介氏新刊!『ユーザーリサーチのすべて』出版記念セミナーレポート

リサーチャー菅原大介氏新刊!『ユーザーリサーチのすべて』出版記念セミナーレポート

リサーチャーである菅原大介氏の新刊『ユーザーリサーチのすべて』(マイナビ出版)が2024年10月に発売されました。 ユーザーリサーチは、定性および定量的な手法を駆使して顧客の真のニーズを明らかにし、企業がサービス改善や新たなマーケティング戦略の立案をする際に活用できるため、その重要性が高まっています。今回は出版を記念するセミナーとして、著者の菅原氏をはじめ、ブランディングテクノロジー株式会社 執行役員・CMOの黒澤友貴氏、株式会社マテリアルデジタル 取締役の川端康介氏をお迎えしてお話しいただきました。


価値マップ(顧客理解のアウトプット)|現場のユーザーリサーチ全集

価値マップ(顧客理解のアウトプット)|現場のユーザーリサーチ全集

リサーチャーの菅原大介さんが、ユーザーリサーチの運営で成果を上げるアウトプットについて解説する「現場のユーザーリサーチ全集」。今回は、価値マップ(顧客理解のアウトプット)について寄稿いただきました。※本記事は菅原さんの書籍『ユーザーリサーチのすべて』(マイナビ出版)と連動した内容を掲載しています。


ペルソナ(顧客理解のアウトプット)|現場のユーザーリサーチ全集

ペルソナ(顧客理解のアウトプット)|現場のユーザーリサーチ全集

リサーチャーの菅原大介さんが、ユーザーリサーチの運営で成果を上げるアウトプットについて解説する「現場のユーザーリサーチ全集」。今回は、ペルソナ(顧客理解のアウトプット)について寄稿いただきました。※本記事は菅原さんの書籍『ユーザーリサーチのすべて』(マイナビ出版)と連動した内容を掲載しています。


最新の投稿


AIエージェントの認知は約5割!「ルーティン業務の自動化」「レポート・文書の自動作成」などに期待【ディープコア調査】

AIエージェントの認知は約5割!「ルーティン業務の自動化」「レポート・文書の自動作成」などに期待【ディープコア調査】

株式会社ディープコアは、20〜50代のビジネスパーソンを対象に、単なる応答型AIを超え、タスクの計画、実行、結果の評価を自律的に行う能力を備えた、特定のタスクをこなすことに特化したシステム・プログラムである「AIエージェント」についての調査を実施し、結果を公開しました。


【2025年2月24日週】注目のマーケティングセミナー・勉強会・イベント情報まとめ

【2025年2月24日週】注目のマーケティングセミナー・勉強会・イベント情報まとめ

編集部がピックアップしたマーケティングセミナー・勉強会・イベントを一覧化してお届けします。


博報堂、生成AIで顧客の声(VoC)を可視化・分析する「DATA GEAR Voice Analysis」を提供開始

博報堂、生成AIで顧客の声(VoC)を可視化・分析する「DATA GEAR Voice Analysis」を提供開始

株式会社博報堂は、生成AIを活用して顧客の声(VoC:Voice of Customer)を可視化・分析するコンサルティングサービス「DATA GEAR Voice Analysis」の提供を開始したことを発表しました。


"ABM"を認知・実践しているBtoB企業は約7割!うち約8割が成果を実感【IDEATECH調査】

"ABM"を認知・実践しているBtoB企業は約7割!うち約8割が成果を実感【IDEATECH調査】

株式会社IDEATECHは、BtoB企業のマーケティング担当者を対象に、BtoB企業のABM(アカウントベースドマーケティング)に関する実態調査を実施し、結果を公開しました。


博報堂、生成AIでリアル販売員の個性を反映した接客・対話を支援するサービスプロトタイプ「バーチャル販売員」を開発

博報堂、生成AIでリアル販売員の個性を反映した接客・対話を支援するサービスプロトタイプ「バーチャル販売員」を開発

株式会社博報堂は、生成AIを接客・対話など生活者との「コミュニケーション」のために活用し、よりよい顧客体験を実現するためのサービスプロトタイプ「バーチャル販売員」を開発したことを発表しました。


競合も、業界も、トレンドもわかる、マーケターのためのリサーチエンジン Dockpit 無料登録はこちら

アクセスランキング


>>総合人気ランキング

ページトップへ