アンケートによる顧客属性分析

LTV最大化

顧客分析がめざすのは、突き詰めるとシンプルです。注文データから顧客の動機や嗜好を読み取り、最適な顧客に、最適なタイミングで、最適な訴求を届ける。そうやって、もう一度買ってもらう。

その出発点になるのが、注文データです。誰が、いつ、何を、いくらで買ったか。この記録を分析することで、顧客の姿を描いていきます。ただ、注文データだけではどうしても届かないところがあります。この記事では、そこをアンケートでどう補うかを整理します。

注文データだけでは見えない情報がある

注文データから分かるのは「何を・いつ・いくらで買ったか」、つまり顧客がやったことです。

その裏にある「誰が・なぜ買ったのか」までは、注文データには映りません。たとえば、その人の性別。何を決め手に選んだのか。誰のために、どんな場面で使うつもりで買ったのか。こうした情報は、いくら注文履歴を眺めても出てきません。

もちろん、購入商品や購入パターンから「たぶんこういう人だろう」と想像することはできます。けれど、それはあくまで想像です。想像で埋めているうちは、訴求の精度にも限界が残ります。最適な顧客に、最適なタイミングで、最適な訴求、と言っても、肝心の「その人が誰なのか」がぼやけたままだからです。

映らないなら、顧客自身に聞けばいい。それがアンケートの役割です。

性別、購入の動機、使うシーン、満足度。こうした注文データに表れない情報を、顧客に答えてもらって付け足していきます。注文データが行動の記録だとすれば、アンケートは本人にしか分からない情報を引き出す手段です。この2つが揃うと、顧客の輪郭がはっきりしてきます。

アンケートは取るだけでは意味がない

アンケートは、取った後のほうが大事です。

アンケートツールでフォームを作って回答を集め、管理画面の円グラフを眺める。ここで止まってしまうと、「へぇ、4割がInstagram経由なんだ」で終わります。それは情報ではありますが、まだ何も生んでいません。

アンケートが効果を生むのは、次の流れまでやり切ったときです。

回答を、一人ひとりの顧客に紐づける
回答内容で顧客をセグメントに分ける
セグメント別に LTV・F2率・購入間隔などを分析する
分かったことをもとに施策を打つ

ここまでやって初めて、アンケートは集めた声から動かせる資産に変わります。逆に言えば、紐づけと分析を飛ばしてしまうと、どれだけ回答を集めても円グラフ止まりです。

技術的な前提として、回答がShopifyの顧客（顧客タグやメタフィールド）に紐づいていることが欠かせません。回答がアンケートツールの中だけに溜まっていて、顧客一人ひとりと結びついていないと、セグメントが作れず、分析にも施策にも使えないからです。集計結果としてではなく、顧客に貼られたラベルとして残すことが必要です。

アンケートで聞く4項目

では、何を聞けばいいか。原則は、注文データからは想像できないことを聞く、ということです。注文データを見れば分かることを聞いても、ラベルとしての価値は生まれません。

聞くべきは、次の4項目です。

1. 購入動機

経路（どこで知ったか）と動機（なぜ買ったか）の2つに分けて聞きます。

分類軸	質問	項目例	活用方法
認知経路別	何で知りましたか	Instagram・Google・友人紹介・店舗など	経路別に LTV／F2率を比較し、高 LTV の経路に予算を寄せる
購入動機別	購入の決め手は何でしたか	価格・成分・口コミ・デザイン	動機別に育ち方を比較し、LP・広告の訴求軸を合わせる

経路は注文データやUTMからもある程度わかりますが、何を決め手に選んだかという動機は、本人に聞くしかありません。経路によっても動機によっても、その後の育ち方は変わります。たとえば「成分で選んだ人」のリピートが強ければ、広告やLPの主役を成分の話に切り替える、という判断ができます。

2. 顧客属性

性別・年代・悩みの3つに分けて聞きます。

分類軸	質問	項目例	活用方法
性別	性別を教えてください	男性・女性・回答しない	性別別に LTV・購入商品を比較し、主力ターゲットと訴求を定める
年代別	年代を教えてください	20代・30代・40代・50代以上	年代別に LTV・AOV を比較し、世代に合わせて商品・クリエイティブを出し分ける
悩み別	お悩みは何ですか	（スキンケアなら）シミ・しわ・毛穴・乾燥など	悩み別に購入商品・リピート率を比較し、悩みに合った提案とフォローを設計する

性別や年代は基本の属性ですが、何に悩んでいるかは本人に聞かないと分かりません。業種によっては、肌質・体質・家族構成・ペットの有無なども有効です。こうしたアンケートでしか取れない属性ほど、新しい発見につながります。「この悩みを持つ人はこの商品をこの周期で買っている」と分かれば、同じ属性の新規顧客にも先回りで提案できます。

3. 利用シーン

シーン（どんな場面で使うか）と頻度（どのくらいの頻度で使うか）の2つを聞きます。

分類軸	質問	項目例	活用方法
利用シーン別	どんな場面で使いますか	普段使い・仕事・特別な日・ギフト	シーン別に LTV／AOV を比較。普段使いはリピート訴求、ギフトは自家用への転換フォロー
消費ペース別	どのくらいの頻度で使いますか	毎日・週数回・たまに	申告された頻度と実際の再購入間隔のズレから、フォロー時期を見直す

同じ商品でも、自分用の普段使いとギフトとでは、その後の動き方がまるで違います。また、申告された頻度と実際の再購入間隔を突き合わせると、「毎日使うと答えたのに再購入が遅い人」のような、フォロー時期を見直すべき層も見えてきます。

4. 満足度（NPS）

分類軸	質問	項目例	活用方法
評価層別	友人にどのくらい勧めたいですか	0〜10（Promoter／Passive／Detractor に分類）	評価層別に LTV／F2率を比較し、高評価層にだけ口コミ・紹介を依頼。NPSと実購買のズレから「高評価なのに買っていない層」を見つける

面白いのは、NPSと実際の購買を突き合わせたときです。「勧めたい」と答えたのに、実は買っていない層が見つかることがあります。満足度の数字だけを眺めていては気づけない顧客で、ここにこそタイミングや価格の壁が隠れています。

まとめ

アンケートは「取る」のが目的ではありません。紐づけて、分けて、分析して、打つ。ここまでやって初めて意味を持ちます。注文データのやったことと、アンケートの誰が・なぜを掛け合わせると、顧客理解が立体になります。想像の精度が上がり、最適な訴求に近づいていきます。

まずは1項目だけで十分です。いちばん聞きたいことをひとつ選び、回答を顧客に紐づけてセグメントを作り、LTVに差が出るかを見る。そこが最初の一歩になります。