• CCCの増田でございます。よろしくお願いいたします。話の内容的にもちょっと毛色が違うので、どうしようかなと思ってるんですけども、本日はわれわれがやってることのご紹介をさせていただきたいと思ってます。

  • CCCという会社、TSUTAYAをやっています。TSUTAYAはある程度、皆様に知って頂いていると思うんですけども、CCCはエンターテインメント事業ということで、TSUTAYAを中心とした事業。あとはメディア事業ということでウェブサイトであったり、スマホサイトを中心としたサービスであったりとやってるんですけども。今、TSUTAYAに続くもう一つの柱としてデータベースマーケティング事業というのをやっております。それがやってるのがCCマーケティングという私のいる会社になります。

  • このデータベースマーケティングとは、データを使ってマーケティング領域でビジネスをしているのですが、データは何かということでいいますと、共通ポイントのTポイントから上がってくるお客様の属性情報やお買い物情報、これをベースにいろいろビジネスをさせていただいております。

  • もともとはTポイントカード。TカードってTSUTAYAの会員証というところからスタートしてるんですけども。いわゆるTSUTAYAだけの会員証として生まれたこのカードを、お客さん的にはいろいろカードもあって不便だよねというところから、TSUTAYAだけじゃない、いろんなところで使えるポイントカードであったり、クレジットの機能であったり、レンタルの会員証機能をつけたりということで、共通のポイントカードにしたというような形で進めさせてきていただいているものです。

  • Tポイントなんですけども、結構、CCはデータいろいろ集めてて気持ち悪いとかなんとかネットで指されちゃったりしてるんですけど。お客様がお買い物時にポイントをためるたびに、POS、レジでですね、Tカード提示していただくと、どなたがいつどこで何を買ったのというデータが、簡単に言うと商品単位で全部上がってくるような構造になっています。

  • このあとテレビのデータであったり他データとのコラボレーションの話を少し紹介させていただくんですが、その前にTポイントデータの内容を少しご紹介したいなと思っています。まず、データの規模というか大きさでいいますと、今のTカードを持っていただいているお客様、会員様が6月末で5925万人いらっしゃいます。

  • これ、競合サービスも会員数を広報しているので、我々が補足説明しているのは、T会員数は1年でも1回は使っている方、つまりアクティブな会員数、死んでしまっている会員というか、使わないでたんすにしまっている方はカウントしていませんということとと、多くの店舗等でカード発行している都合、一人で3枚持ってたりするんですけれども、そういう方もちゃんと名寄せっていうんですかね、ユニークにカウントしてということで、一応、ちゃんとユニークでアクティブですっていうのを宣伝させていただいています。今、5925万人です。

  • 今のたぶん、来月くらいには6000万を超える感じの予定なので、今プレスリリースとかも用意してるんですけども、ポケモンGOが2週間くらいで7500万ダウンロードとかいっているので、広報インパクトはどうかなとかも思っているのですが、これが今の5900万人の内訳といいますか、ピークは40歳のところに一番会員さんいらっしゃるんですが、大体、女性と男性同じぐらいの形というかボリュームでおります。

  • もともとエンタメなんかがTSUTAYAも初め強かったので、20代なんかについては75%の以上の人が持っていただいてるんですが、割と最近スーパーマーケットさんの提携とか、ドラッグストアさんの提携とかも増えておりまして、割と50代、60代以上のところも増えてきている状況にあります。

  • なので6000万を超えると、なんとなく2人に1人がTカード利用者とアピールしていきたいと思っています。規模感でいうと毎月3億5000件ぐらいが、カードをお店でシャカッとやられてる状態です。

  • 今のはボリュームの話で、次に鮮度みたいな話なんですけど、1年間だと5900万人なんですが、単月でいうとだいたい4000万人ぐらいの方が使っていただいてますという話と。1週間で見ると大体2500万人くらいの方が使っていただいているので、こちらの宣伝みたいになっちゃうんですけど、マーケティングに使うデータとしてはフレッシュですみたいなことは結構言わさせていただいております。

  • 続いて、共通ポイントなんで、これ特徴なんですが、続いて種類ですね。これについて今、Tポイントに提携いただいているのが151社ありまして。お店で言いますと53万店くらいでポイントを使っていただけるようになってます。つまり、この書かれているロゴのどこで何を買ったデータが把握できてるというのが今の状態です。

  • 続いて、粒度というんですが、クレジットカードとかですと明細見たら分かりますが、高島屋で2万円みたいな、そういうデータだと思うんですけども。Tカードの場合はいわゆるID−POSデータといわれているデータなので、何をどれくらいっていう商品単位で全部データが分かっておりますと。これを使って、いろいろビジネスをさせていただいてますし、サポートをさせていただいているというところです。

  • イメージとしてはこんな形で、買い物かごの中に何が入っていたのかということが分かりますということでございます。これが、先ほど151社のいろんな企業様と提携させていただいておりますので、日常生活におけるいろんなシーンでのデータといいますか、人にまつわるデータというのが分かっておりますので、その人それぞれのライフスタイルみたいなものをうまく捉えて、企業さんの活動であったり、ユーザーさんのサービスにかえしていく、これが、われわれのビジネス基盤になっております。

  • あと、特徴としましては、Tカード利用者にまつわるいろんなデータがあるんですけども、それが1つのIDでつながってまして、この事が、マーケティングで使っていく上では非常に有効なんではないかというふうに考えております。普通、アンケート調査なんかをすると、20代のこういう人はこういうふうに答えてるよねみたいな、結果は分かるんですけども、われわれの場合、例えば全部それがつながってますので、アンケートでそう答えた人にさらにコミュニケーションすることがそのままできるというのが、強みだと思っています。

  • かつ、お店の、リアルのお店のお買い物情報もありますし、ネットのほうでどういうお買い物をしてるかというものも一つのIDで補足できていることも大きな強みと考えます。あと最近、データもいろんなパートナーと連携をはじめているのですが、

  • お客様へアプローチしていく手段としては、わりとネットのメディアさんたちといろんな提携を広げておりまして今後も強化していく計画です。ネットの世界ですと、何か検索すると検索ワードに近い広告が出たりとか、あとリターゲティングみたいなことがあると思うんですが、

  • 今回、こういう座組やらせていただいているのは、いわゆるリアルの、実際の行動を元にネット側へのアプローチみたいな話とか、その逆、みたいなことも含めて展開を開始させていただいております。ちなみに、Tポイント151社といったんですけど、最近のところ、あんまりちょっと、なかなか共通ポイントって結構いろんなところがやり始めてるので、あんまり新聞でもニュースになりにくくなっているんで、新しい提携先もご紹介をさせてください。

  • 今年でいうと、まず、東京電力さん。あと吉野家さんが2月に入りました。4月にベンツさんと提携をさせていただいております。同じく4月にLIXILグループですね、住宅関連さんです。あと5月には三越伊勢丹さんと提携ということで、割とポイントが使えるところがどんどん広がってきておりますし、それに関するデータみたいなものが取れるようになってきてますというのが今の状況です。

  • ちなみに、弊社の福利厚生が全部Tポイント支給なんですね。なので、社員的には吉野家とか入ると、「うおー!」とかみたいな、今までファミリーマートでしか使えなかったのに、吉野家でも使えるというような形で社員のほうが盛り上がるみたいな...。ただベンツの提携なんかは福利厚生では、さすがに買えないので、ベンツはあまり社員にとっては関係ない、みたいなところがございます。

  • ちょっと飛びましたけれども、そんな感じでいろんなところと、今、提携させていただいて、かついろんなところでのお買い物であったり、消費のデータというのが横断的に集まるようになってきています。活用方法として、1つの例でこんなことやってますを紹介しますと、その横断データベースを使って、どちらかというと顧客予測に近いと思うんですがユーザにビッグデータよりDNAなるものを、開発しておりまして、これをいろんなマーケティングに各企業さんに使っていただいています。

  • どんなものかというと、うちのデータ、これABCとありますけど、これが縦に6000万人あるんですが、属性系というのはカードに登録している住所ですとか、そういった情報、もしくはアンケートで聞いたような情報とかあります。あとは、151社で何買ってるのというのが日々、データであがってきます。それ以外にももちろんリサーチとかいろんなもので追っかけているデータがございますと。

  • ただ、当たり前ですけど6000万人のことを全部、聞いたり把握したりするのは無理でして、やっぱり欠損するんですね、データがどうしても。それをこんな感じで埋めていっているんです。

  • これ、例があれですけど、同じこういうOLさんみたいなのがいたとしても、たぶん、お子様いらっしゃる、いらっしゃらないという方がいらっしゃって、それはもちろん、データでちゃんと分かっている方もいるんですが、分からない方が多いんですが、その間にわれわれいろんな消費活動、ライフスタイルみたいなところが見えておりますので、その中で、関係モデルを作って予測しに行くんです。

  • 6000万人の中でこの人、子どもいらっしゃるねとか、いないねというのが分かる状態にしてます。これで6000万人を全部予測しておりまして。もちろん、0、1では判定できないので、確率25%とか確率98%、もちろん実際にチェックで分かってる人は100%なんですが、そういう形でスコアで全部持っております。

  • イメージとしては、こんな感じですね。ばーっと、これが300項目ぐらい並んでるんですけども。顧客DNAといっています。これも項目自体、どんどん増やしていってるんですが、今はまだこれぐらいでして。たばこ吸ってんのとか、結婚、ワークとかですね。運転してるかどうか。飲むよね、飲まないよね、とか含めてです。

  • あとは、結構、衣食住遊動ということでどっちかというとライフスタイル、し好性とかの項目も作ってやってます。なので、データとしては関係式を作ればいいだけなので、極論を言うと、コカ・コーラ買う確率とかも予測することができまし、それをビジネスに活用しだしています。精度はどれくらいか良く聞かれますが、

  • ここに書いてあるものはあとで答え合わせをリサーチなんかですると、大体7割ぐらいの正答率で当てることができておりますので、ある程度、ビッグデータって自分で言うと恥ずかしいんですけども、ある程度のボリュームでデータ集積してくると、こういう事が可能になってきます。

  • うちの部署に、本部の中に研究所っていうのがあって、この辺常にやってるんですけど、ちょうどその所長が「エヴァンゲリオン」とか大好きな人間なので、これを数字なので波形で表せられるんですね。なのでAさんのライフスタイルの形はこうだと。シンクロ率なんて言ってるんですけども、

  • 要はこのライフスタイル波形と同じ形の人というのは、限りなくAさんと同じ消費活動行動だったり、何かアクションをするはずだっていう理論に基づいて、今度Aさんに似てる人探してくる、細かなロジックは僕もよく分からないんですけど、角度と長さとっていう、当てにいって、人を探してくるようなことをやっております。後ほど、ちょっと少し例をご紹介します。

  • 途中でも申し上げたんですが、そんな形で、その6000万人一人一人がどんな人なのかっていうのは結構、分かる状態にきています。われわれの強みとしては、その人に対して、一人一人ID単位で、さらにアプローチというか、コミュニケーションがとれますというのが強みだと思っていますので、この仕組みを使って企業さんのいわゆるマーケティング活動をサポートさせていただいてますし、これからもそれを広げていきたいなというのがわれわれ、思っているところでございます。

  • ちょっとDNAみたいな話もそうなんですが、やっぱりお買い物データは、過去データなんですね。きのうおにぎり買いました、とかでしかないのでそこから未来を予測していかないと、これまで以上に企業様の活動に十分にはお役立てできないだろうと、われわれ思いがありまして。今、こちらのほうの整理はある程度やれてるんですけど、今まさに進めているのは、右側の領域をどこまで作れるかというところをいろんな、最近、技術もいろいろ出てきてますので、そういったものを使って右側のデータベースをどう作れるかというのを、今まさにチャレンジしているというのが現状でございます。

  • このあとの話につながるんですけども、いわゆる、言ってもTポイントのデータだけでしょ、と言われればそうなんですね。そこに対してもう少し、マーケティングに使っていくデータ、もしくはもっとお客様のことを知るという視点でいうと、もっといろんなデータを今、取り込み開始していまして、予測範囲・精度をあげていきたい。分かりやすい例でいいますと、一番右にあるオープンデータの、例えばお天気。

  • きょう、あの地域は30度を超えたのでアイスコーヒーが売れます、みたいな。例えばそういうことだと思うんですが、そういうのを取り込んでいったり。あと、Tポイント以外の購買データも、これもどう取り込むかはあるんですが、いくつか動いているのがあるんですけど。例えば、今、コンビニでいうとうちはファミリーマートなんですが、なんかできるかどうか、セブン‐イレブンさんのデータも入ったらいいよね、みたいなことも含めてチャレンジをしているのが真ん中です。

  • 最後にヤフーさんの取り組みのように、ネット企業様のログも取り込み開始してますが、このあとお話する、テレビの視聴ログとも結び付けることで、新しい利用価値が創れるんじゃないかということでチャレンジしているものがあるので、ちょっと今からその辺を橋本にバトンタッチしてご説明させていただきたいと思います。

  • 結構こういう話をいろんなところでするんですけど、前段だと数字ばっかりでよく分からないので、さっきの「エヴァンゲリオン」のくだりの事例を紹介してから、テレビの話をしようかなと思います。

  • 先ほど、波形がいろいろありますみたいな話、いろんな人に波形をつけてリコメンドしてみたりというように使うんですけど、こういうような使い方を、よくわれわれはしています。例えば、真ん中の点々というのは、Tポイント会員の20代の女性全部を集めたときの出来る波形だと思ってください。それと差分が出てるとこを表している図だと思ってください。

  • この波形は何かというと、右上にE‐girlsと出てるんですけど、E‐girlsっていうエンタメのコンテンツを買ってる人だけを集めて波形を作ると、普通の女性と比べてこういう差分が出ます。例えば、未婚で戸建てで家族と同居してますとか、車はは軽自動車に乗ってますとか、肉食派でスポーツが好きで夜遊びが好きです、みたいなのが出たりするんですね。

  • それとは違う一方、安室奈美恵のコンテンツを買ってる人を同じようなルールでやると全く波形が変わってきて。既婚で子どもがいますとか、車はコンパクトカーに乗ってますとか、さっきの夜遊びがなくて旅行が趣味であったりとか、環境志向が強いだとか、あとファッションはナチュラルで高級志向とか、こんなのが出たりするので、その買ってる人たちの特徴が出たりします。

  • ここまでだとどんな人か分かるんですけど、われわれはどちらかと言うと、いろんなマーケティング活動自体のサポートとかもするので、全てにこの波形を付けまくるんですね。そうすると、どういうことができるかというと、商品にもどんどん波形をつけていくんですね。この商品を買ってる人たちが分かるので、それをため込むと同じようにできるので。

  • 例えばE‐girlsは、アルコール領域だと「ほろよい」っていうのと相性がいい。逆に、「ヱビス」みたいなのはあんまり飲まなかったり好きじゃない、とか。アイスクリームでいうと、「爽」が好きで、「ハーゲンダッツ」みたいなのはちょっと好まない、みたいなことが分かったりとか。

  • あと安室奈美恵の場合は、アイスクリームの場合は「ハーゲンダッツ」が出てきたりとか、「ガリガリ君」は食べないねとか、「ソフトインワン」は違うねみたいなものを、数学的に近似値を設けて、近い遠いみたいなのをやることによって、僕らが感覚的にそうだねというものが出てくれば、感覚としては違うけど論理的に近いよね、というのが分かってきて、そういうデータベースがいっぱいあるので、そういうデータベースを使いながら、マーケティングをもう少し分かりやすくであったりとか、ロジカルにサポートするみたいなのをやってたりします。

  • 今回、今日は、前段で2テーマぐらいテレビがらみの話があったので、皆さんのほうが詳しいところもあるかもしれませんが、われわれはそういうマーケティングデータをテレビでも集め始めました。今、主に東芝のREGZAが連携してるんですけど、左側の30万台はネットにつながっていて、いわゆるデータを提供してもいいですよ、というパーミッションを取ってる方々が30万台くらい、全国津々浦々にいます。、

  • その中とわれわれのTポイントで、ちょっと数字が古いですけど約6000万人いる、アンドの人が5万人ほどいます。いわゆるビデオリサーチなんかは全国で3000世帯ぐらいなんですけど、そのデータベースよりも10倍くらいのボリュームでデータを取っているというものになっています。

  • この5万人のデータがどういうデータを取ってるかというとですね、簡単にいうと最近テレビってハードディスクがくっついていたりするので、録画がすぐできたりするんですけど、ライブと録画ですね。ライブのデータと録画のデータが取れます。あと、いわゆる普通のテレビでモニター形式ではなく取っているので、基本は北は北海道から南は沖縄まで津々浦々取れてます。テレビに映るもの、基本的に地上波、BSとかCS、ゲームとかが何やってるかっていうのは分からないんですけど、テレビプログラムが流れているものに関しては取れていますと。

  • あと最近のテレビはいわゆるインターネットに繋がることによって、パソコンとなんら変わらないので、いわゆる0、1データですべて把握をしてるんですね。説明上、秒単位にしてるんですけど細かく分かるので、今までのビデオリサーチ社のデータだと分計というもので把握しているものを、われわれは秒単位。なので、われわれメーカーさんからのお仕事が多かったりするので15秒のCMとか30秒のCM、もしくは60秒の長尺のCMというのを全て秒単位で把握することで同尺ずつ全て見るということができるようになっています。

  • これの見たとか、見なかったとかっていうデータ、もしくは録画を見たとか、見なかったとかっていうデータと、その前後でお買い物をしたとか、しなかったとかのデータを事細かに見るというようなものをやっています。ちょっと簡単に事例をご紹介しますね。

  • 皆さんも一部メーカーさんとか宣伝してたりするので、テレビ、携わったことあるかもしれないですけど、テレビっていわゆるM1とかF1とかって、日本人を6種類に分けたがるんですね。そうすると大体、一区切り15歳とか20歳区切りになるんですけども、例えばこれからご紹介するのは車の事例なんですけれども、マツダさんの車の事例を取ってるんですけど、マツダさんの車のとあるやつは、M3というところを狙っていたんですけれども。

  • われわれだと、例えば50歳と切ったとしても、この中にも何人か50歳の方いらっしゃると思うんですけど、世帯構成がだいぶ違っている50歳がいるので、そういうのも細かく分けて分析することができます。この車なんですけども、例えば50歳。家族2人で夫婦で50歳もいますし、まだまだ子どもがいる、大学生や高校生の子どもがいる50歳もいれば、単身でいる50歳も当然いると。われわれ、その50歳というのを大体200から300ずつくらい取れるので、それのデータをもとに分析したりするんですね。

  • これが例えば、大学生が家にいる50歳の視聴分布です。見方としては簡略化しますけど、赤いところが効率よく見られているところ。青いところがあんまり見られていないところだと思ってください。これが今度、既婚で子どもがいないところ。これは今度50歳で、たぶんまだ働いてたりするみたいな感じで、あまり赤いところがそもそもなかったりみたいな...。こうやって全然、違うんだよというのが、いわゆる一くくりに年齢で切っただけでも分かります。

  • これも結構おもしろいんでよく説明をするんですけども、例えば普通の人に説明すると、50歳の人がよく見る番組、世代で分けたってどうせ一緒でしょって、みんな思うと思うんですね。50歳って生活の価値観がだいぶ近くて生きてこられたので、好きなアイドルだったりとか歌手とかみんな一緒だよって、大体、思うんでしょうけども。これは、大体1週間に流れる番組って細かいのも入れると1000番組くらいあるんですけど、その1000番組の中のトップ100を抽出して、それの重なりみたいなものです。

  • 学生がいる。子どもがいないけど夫婦。単身。で、トップの100番組の重なり具合をやると、大学生がいる家庭といない家庭は68番組しか重ならないんですね。今度、子ども、大学生がいなくて、子どもがいなくて単身だと42番組しか重ならなくて。今度は大学生が、この辺は一番離れてそうですけど、ここでも40なんですね。これは全部50歳が絡んでいるテレビにもかかわらず、この真ん中の数字ってなんとなく分かりますかね。たった8番組なんですね。

  • 1週間に1000ぐらいある中の、50歳って世帯を区切ったとしても8個の番組しか共通の番組がないんですね。「あまちゃん」とかたぶん入ると思うんですけど、そういうのしかないんですね。いわゆるこういうふうな世帯状況が変わることによって、すごい視聴自体が変わるんだみたいなのが、われわれのデータで見ると分かりますと。われわれは、さっき言ったみたいに6000万人の購買行動とかをデータとして保持しているので、どっちかというと得意技はこの購買から見るみたいな形なんですけども。

  • 例えばこれは、サントリーさんの事例なんですけど。サントリーさん、先ほどのカロリーゼロのコーラなんですけど、それの最初の導入期のスポットって、朝帯の提供と深夜帯に入れてるんですね。これたぶん普通の人がマーケティングやったらこうやりますよね。深夜にお兄さんたちがコーラ飲みながら深夜テレビ見てる人たちに当てたいよみたいな感じでやるんですけれども、実はコーラを買った人だけを集めて、このとき200人か300人ぐらいのサンプルなんですけど、この人たちが

  • どの時間帯見てるのっていうと、全然違うんですね。朝はちょっと早めの時間帯でよく見てますと。何気に昼打ってないんですけど、昼帯でも結構テレビをよく見てます。実は深夜ではなくて普通のゴールデンの時間帯によくテレビを見ていて、なんかイメージしていた若い人が深夜、夜な夜なテレビとかゲームしながらコーラを飲むみたいなのはあんまりなくて、普通の主婦層だったりとか、テレビ、普通に昼間見てる人たちみたいなのが、実はこの商品を買ってる人たちで、かつテレビを見てましたと。

  • われわれは、さらに、この一個一個のCMが補足できるので、こうやって縦軸がCMを見てた、見てない。横軸が、この商品を買った買わないが追っかけられるんですね。なので、CMに触れて商品を買ったのか、触れなくて買ったのか分かるようになってるんですね。その値段が分かったりするので、この値段をもとにマーケティングの分析をすると。

  • 今、ちょっと昔のデータで古いんですけど、例えば、右上の場合はCMを見て買ったっていうのが60人ぐらいいて、その人の平均単価が206円ですよと。逆に見なくても買ってくれた人が実は同じくらいの数いて金額もあんまり変わりません、みたいな感じで、テレビでアプローチしないけれど客単価は一緒なので、大切なお客さんですよね、みたいになるので、どっちも大切なんで、もうちょっと分析してみましょうとか。例えば、われわれだと、インターネットとつながったりして配信とかができるので、右側の人を縦にして、テレビ見ないで買ってくれるお客さんってこんな人だよねっていうのが分からないような人たちにアプローチをする、というようなことをしています。

  • 今は、われわれどんどん母数が増えてるので、サントリーさんクラスになると、ここにあるのが今100人ぐらいですけど、今は300とか400人ぐらい捕捉ができてるの、どんどん増えて、増えれば増えるほどマーケティングのデータとしては粒度が増えてくるので、そういうふうなサポートをしたりとかしています。

  • 最後にちょっとだけ宣伝させてください。今の話は難しい話なので、今、われわれ、PRサイドでこういうサイトをやってるんですけど、そこで先ほどの事例をもう少し簡単に分けたりしながら作ったりしてるので、お暇があったら見てみてください。発表は以上になります。ありがとうございました。