Exploratory アワー #518 - 初回から2回目までの購買間隔の平均を求めたい

顧客の注文データを使って、初回から2回目までの購買間隔の平均を求める方法を紹介しています。

役立つ人

売上や注文データを使った分析を行っている人やCRMのご担当者様にお役立ていただけます。

問題

注文データから顧客ごとの購入間隔を計算したい場合、単純な集計だけでは計算することができません。

解決方法

顧客ごとに注文日ごとの売上を集計し、表計算機能を使用して購入間隔と購入回数を計算することで、購入間隔の分析が可能になります。具体的には以下の手順で解決していきます。

  1. 顧客と注文日ごとに売上を集計
  2. 表計算機能で購入回数と購入間隔を計算
  3. 購入回数でフィルタして平均購入間隔を確認

今回は、1行が1つの注文明細を表し、列には顧客ID、注文日、売上などの情報がある注文データを使用していきます。

同じ顧客が同じ日に複数の商品を購入した場合、それぞれの商品が別々の行として記録されています。つまり、1人の顧客が同じ日に複数の商品を注文している場合、複数行にデータが分かれるわけです。そのため、まずは1行が1人のお客様の1回の注文になるようにデータを集計していく必要があります。

顧客IDの列ヘッダーメニューから「集計」を選択します。

グループに「顧客ID」が選択されていることを確認したら、「注文日」を追加し、日付の単位を「日」に変更します。

今回は「注文日」の列を使って購買間隔を計算したいだけなので、値に選択する列は何でもいいのですが、今回は値に「売上」を選択し、集計関数をSUM（合計値）に設定します。

続いてプレビューボタンをクリックして問題ないことが確認できたら、実行ボタンをクリックします。

1行が1人のお客様の1回の注文になるようにデータを集計できました。

続いて、お客様ごとの購入間隔を計算します。

「顧客ID」の列ヘッダーメニューから「表計算」を選択します。

グループに「顧客ID」を選択されていることを確認したら、値に「注文日」を選択します。

値を選択すると、表計算の設定のダイアログが表示されるので、計算タイプを「差」に設定し、「前の値」を選択し、期間の単位を「日」に設定します。

なお、今回は集計のステップを踏んでいるため、データは顧客ごとに日付順に並んでいますが、常にそのようなデータがあるとは限りません。

そのようなときには、前の購入からの日付の差を適切に計算できるように、「計算前にデータを並び替える」にチェックを入れ、「注文日」を選択し、昇順に設定します。

最後に列名を「購入間隔」に設定し、実行します。

これで「購入間隔」は計算できましたが、この段階では全ての購入回数における購買間隔になっています。

今回は、2回目までの購買間隔の平均を計算したいので、注文回数を計算するために、表計算の値に「注文日」を追加し、計算のタイプを「ランク」、ランクの種類に「Denseランク」に設定し、並び順を昇順にします。

列名を「購入回数」に設定し、実行します。

これで購入回数と購買間隔を計算できました。

このデータには全ての購入回数における購買間隔が含まれているので、1回目から2回目の購入間隔の抽出ます。

「購入回数」の列ヘッダーメニューから「フィルタ」を選択します。

フィルタのダイアログが表示された演算子に「等しい」を選択し、値として「2」を入力いし、実行ボタンをクリックします。

これでサマリビューで1回目から2回目までの購入間隔のデータを作ることができました。

ビデオ

参考情報

購買回数と購買間隔の計算方法（Rコード）

支払いデータの場合

今回の注文データを使って、カスタムRコマンドで「購買回数と購買間隔を求めたい」を計算して、初回から2回目までの購買間隔の平均を求めるための計算をしたい場合、

初回から2回目までの購買間隔の平均を求めたい場合、以下のRコードをご参考ください。

購買回数と購買間隔の計算方法するためのRコマンド

# 注文明細データから顧客ごとの購買回数と購買間隔を計算する

# 1. 顧客IDと注文日ごとにデータを集計（1行1注文明細になっていて、同日に複数商品の購買があったときに複数のデータが記録される場合、1行が1人の顧客の1日の注文に集計する必要があるため）
summarize_group(
  group_cols = c(`顧客ID` = "顧客ID", `注文日` = "注文日"), # 顧客IDと注文日ごとにグループ化
  group_funs = c("none", "none"),  # 顧客IDと注文日はそのまま
  `売上` = sum(売上, na.rm = TRUE)  # 売上を合計（NAは無視）
) %>%
  
  # 2. 購買間隔と購買回数を計算
  mutate_group(
    group_cols = c(`顧客ID` = "顧客ID"),  # 顧客IDごとに処理を適用
    group_funs = c("none"),  # 顧客IDはそのまま
    sort_cols = c("注文日"),  # 注文日でソート
    sort_funs = c("none"),  # ソート方法は変更なし
    `購買間隔` = days_between(dplyr::lag(注文日), 注文日),  # 前回の注文日との差分を計算
    `購買回数` = dplyr::dense_rank(注文日)  # 注文日のランキング（= 購買回数）を計算
  )
Export Chart Image
Output Format
PNG SVG
Background
Set background transparent
Size
Width (Pixel)
Height (Pixel)
Pixel Ratio