JP2001023047A

JP2001023047A - 統合型顧客管理システム

Info

Publication number: JP2001023047A
Application number: JP19748199A
Authority: JP
Inventors: Yoichi Oguro; 洋一大黒
Original assignee: DAIKOKU CO Ltd; DAIKOKU KK
Current assignee: DAIKOKU CO Ltd; DAIKOKU KK
Priority date: 1999-07-12
Filing date: 1999-07-12
Publication date: 2001-01-26

Abstract

(57)【要約】【課題】高い確率で潜在購入者の発掘が可能な統合型
顧客管理システムを提供する。【解決手段】企業における顧客の属性を規定した顧客
属性データベース４２と、顧客の商品購入履歴を記録し
た購入履歴データベース４１と、顧客満足度データベー
ス４３のデータを統合的に用いて分析し、顧客をグルー
プ分けして、各グループごとの顧客のニーズを抽出す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は過去の販売データ
をもとに、新たな販売促進データを作成する統合型顧客
管理システムに関し、特に潜在購入者の発掘が可能な統
合型顧客管理システムに関する。

【０００２】

【従来の技術】この発明に興味のある顧客情報収集シス
テムがたとえば、特開平１０−１８７３２０号公報に開
示されている。同公報によれば、顧客からの資料請求や
要望などの情報を収集してデータを分析し、それを以後
の広告展開や販売などに生かせる顧客情報収集システム
が開示されている。

【０００３】

【発明が解決しようとする課題】従来の顧客情報収集シ
ステムは上記のように構成されていた。したがって、過
去の購入履歴や、現在ユーザが興味のある商品等のデー
タを知ることはできるが、あくまである商品にユーザが
興味を示している場合にそのユーザの興味の対象となる
情報を単に収集するだけであって、そこから先へ進んで
新たな販売戦略に生かすという発想はなかった。

【０００４】この発明は上記のような問題点を解消する
ためになされたもので、潜在購入者をかなりの高い確率
で発掘が可能な、統合型顧客管理システムを提供するこ
とを目的とする。

【０００５】

【課題を解決するための手段】この発明に係る、統合型
顧客管理システムは、ユーザの商品の購入履歴と、ユー
ザの購入商品の満足度と、ユーザの属性のうち少なくと
も２つを記憶する記憶手段と、前記顧客属性、顧客満足
度および購入履歴のうちの少なくとも２つに基づいて、
販売促進データを作成する手段とを含む。

【０００６】ユーザの属性、顧客満足度および購入履歴
のうち少なくとも２つに基づいて、販売促進データを作
成するため、かなり精度の高い販売促進データが作成で
きる。

【０００７】好ましくは、販売促進データを作成する手
段は、購入履歴データに基づいてユーザを複数グループ
に分割する手段と、分割されたグループ毎に顧客属性ま
たは、顧客満足度を分析して分析結果を記憶する記憶手
段を有する。

【０００８】購入履歴データに基づいて分割されたグル
ープ毎に顧客属性または顧客満足度が分析されるため、
容易に必要とする販売促進データを得ることができる。

【０００９】好ましくは、販売促進データを作成する手
段は、顧客属性データに基づいてユーザを複数グループ
に分割する手段と、分割されたグループ毎に顧客満足度
または、購入履歴を分析する手段と、分析結果を記憶す
る記憶手段とを含む。

【００１０】顧客属性データに基づいて分割されたグル
ープ毎に購入履歴データまたは顧客満足度が分析される
ため、容易に必要とする販売促進データを得ることがで
きる。

【００１１】好ましくは、販売促進データを作成する手
段は、顧客満足度と購入履歴データまたは顧客属性に基
づいて販売対策データを作成する手段とを含み、販売対
策データを作成する手段は、所定の項目毎の顧客満足度
と重要度との関係を検出する手段と、検出された関係に
基づいて必要な対策をリスト化する手段とを含む。

【００１２】顧客満足度と購入履歴データまたは顧客属
性に基づいて所定の項目毎の顧客満足度と重要度との関
係を検出し、検出された関係に基づいて必要な対策がリ
スト化されるため、販売促進に必要な対策を容易に知る
ことができる。

【００１３】さらに好ましくは、販売促進データを作成
する手段は、ユーザの新規に購入する可能性の高い商品
を特定する手段を含む。

【００１４】さらに好ましくは、販売促進データを作成
する手段は、ユーザのデータに基づいて、新規顧客開拓
できる可能性の高い属性を特定する手段を含む。

【００１５】その結果、潜在的購入者をかなり高い確率
で発掘できる。さらに好ましくは、販売促進データを作
成する手段は、複数の異なる企業に対して販売促進デー
タを作成し、複数の異なる企業のうちの１つの企業の販
売促進データを用いて他の企業の販売促進データを作成
する。

【００１６】複数の異なる企業に対して販売促進データ
を作成し、そのうちの１つの企業の販売促進データを用
いて他の企業の販売促進データとして利用するため、デ
ータの有効活用ができるとともに、販売効率の高い販売
促進データが提供できる。

【００１７】この発明のさらに他の局面においては、統
合型顧客管理システムは、ユーザの商品購入履歴を記憶
する第１記憶手段と、ユーザの購入商品の顧客満足度を
記憶する第２記憶手段と、ユーザの顧客属性を記憶する
第３記憶手段と、各記憶手段に記憶された顧客属性と、
顧客満足度と、購入履歴に基づいて、ユーザに対する販
売促進データを作成する手段とを含む。

【００１８】ユーザの属性、顧客満足度および購入履歴
の３つに基づいて、販売促進データを作成するため、よ
り精度の高い販売促進データが作成できる。

【００１９】

【発明の実施の形態】以下この発明の実施の形態を図面
を参照して説明する。

【００２０】図１はこの発明に係る統合型顧客管理シス
テムが適用されるネットワークシステムの全体構成を示
すブロック図である。ネットワークシステム１００は、
インターネットのようなネットワーク１０１に接続され
た複数の企業２０と、この発明に係る統合型顧客管理シ
ステムを有する事業者３０とを含む。購入者１０は企業
２０の商品を購入する。

【００２１】購入者１０は予め企業２０に対してたとえ
ばメンバーズカード１１を有しており、そこには購入者
１０を識別できるバーコードや磁気テープ、ＩＣカード
等の手段が施されている。予めメンバーズカード１１が
発行されていない場合は、別途そのような情報を他の手
段で取り入れてもよい。

【００２２】企業２０においては、商品の販売をＰＯＳ
端末を用いて行なっている。そしてそのデータは企業２
０に設けられた管理コンピュータ２１にストアされ、イ
ンターネットを介して事業者３０の管理コンピュータ３
５に送られる。

【００２３】企業２０においては、メンバーズカード１
１とＰＯＳ端末機２２からのデータによって顧客の購入
履歴データを作成する。事業者３０は管理コンピュータ
３５を有しており、そこに接続されたハードディスク４
０に購入履歴データベース４１と、顧客属性データベー
ス４２と、顧客満足度（以下カスタマーズサティスファ
クション，ＣＳと略す場合がある）データベース４３と
が設けられている。管理コンピュータ３５には、ネット
ワークを介してテレマーケティングサーバ３６が接続さ
れている。テレマーケティングサーバ３６は、たとえば
電話１２等を介して購入者１０から、購入者１０の顧客
属性や購入した商品の顧客満足度を聞き出し、それを事
業者内の顧客属性データベース４２、顧客満足度データ
ベース４３にストアする。

【００２４】なお、顧客属性や顧客満足度のデータは、
たとえば購入した商品に添付されたアンケート等を企業
２０を介するかまたは直接事業者３０側でバッチ入力を
することによって事業者の統合型顧客管理システム３１
にストアしてもよい。

【００２５】図２は図１に示した企業２０と事業者３０
との関係をよりわかりやすく示したブロック図である。
図２を参照して、図１では対象企業２０を１社だけ図示
したが、現実には対象企業２０となる会社は図２に示し
たようにＡ社、Ｂ社、Ｃ社、Ｄ社…というように複数存
在し得る。これに対し、購入者１０は各企業に対して重
複して複数存在し得る。ここで購入者１０は一般に顧客
と考えられ、通常の消費者だけでなく、他の取引企業も
含めた概念である。すなわち、この発明に係る統合型顧
客管理システムは図２に示したような形態での活用が一
般的である。

【００２６】図３は図２に示した内容をより具体的にブ
ロック図に示したものである。図３を参照して、図２に
示した企業２０としてのＡ社２０ａ、Ｂ社２０ｂおよび
Ｃ社２０ｃはそれぞれカードＰＯＳシステム２２ａと商
品に対する顧客からのアンケートやテレマーケティング
によって情報を収集する手段２５ａとを有している。そ
して、これらの情報がそれぞれ事業者３０側の統合型顧
客管理システム３１を構成する購入履歴データベース４
１ａ、顧客属性データベース４２ａ、顧客満足度データ
ベース４３ａにストアされる。

【００２７】Ｂ社、Ｃ社およびＤ社についても同様であ
る。そしてこのようにして集められたデータは相互の関
係を統計学的手法やデータマイニング手法を用いて分析
し、異業種であるＡ社、Ｂ社およびＣ社のデータを多次
元的に分析する。この詳細については後述する。

【００２８】図４は図３に示した内容を異なる側面から
示した模式図である。たとえばＡ社であれば、その会社
単独の購入履歴データベース４１ａ、顧客属性データベ
ース４２ａ、顧客満足度データベース４３ａの相互関係
を把握する。その後、異業種であるＢ社、Ｃ社およびＤ
社のデータを解析して相互関係の把握を行なう。

【００２９】次に具体的なデータ分析方法について説明
する。図５（Ａ）〜（Ｅ）は顧客属性データベース４２
のデータ内容の一例を示す図である。これらデータは顧
客属性データベース４２の所定のアドレスに記憶されて
いる。顧客属性データベースは基本データと、人口統計
学的データと、心理学的属性データとからなる。

【００３０】図５（Ａ）はコミュニケーションをとるた
めの基本データであり、（Ｂ）は人口統計学的データの
うち、数値属性で表わされるデータであり、生年月日や
結婚記念日等のデータが入力される。これらデータに基
づいて、誕生日の優待セールリスト、入学・卒業セール
リストや結婚記念日優待セールリストの作成が可能にな
る。

【００３１】図５（Ｃ）は人口統計学的データのうち、
離散値属性や２値属性を有するもので、性別、既婚・未
婚の別、職業等のデータである。

【００３２】図５（Ｄ）は心理学的属性データのうち、
数値属性を有するデータであり、たとえば外食の回数等
のデータである。

【００３３】図５（Ｅ）は心理学的属性データのうち、
離散値属性や２値属性で表わされるデータであり、趣味
や定期購読紙、食べ物の好み等のデータである。定期購
読紙のデータはたとえば、後に説明する購入履歴データ
ベースのＲＦＭ点数との組合せで、自社にとってよい顧
客はどこの新聞を読んでいるというようなことがわかる
ため、マス広告時の媒体の選択に利用できる。

【００３４】図５（Ｅ）の心理学的属性データの中に、
購入・消費を決定する価値観を表わすデータを蓄積し顧
客分類を行なう。たとえば「購入の際、ブランドを重視
するか」、「余暇の過ごし方は、一人でいる方を好む
か、大勢で行動する方がよいか」などの質問を５点法で
回答してもらう。質問項目は、上記のような購入・消費
を決定する価値観を表わすであろうと考えられる質問を
事前に網羅的に用意する。この、購入・消費を決定する
価値観を表わすデータから、顧客を価値観の似たいくつ
かのグループに分類する。グループの分け方は以下のと
おりである。

【００３５】まず、因子分析という手法で、各質問項目
を構成すると考えられる数個の基本要素（潜在因子）を
抽出する。なお因子分析の手法は、顧客満足度のデータ
ベースのところで説明する。因子分析法によって、各因
子の因子得点が求められ、これが、各サンプルごとの潜
在因子に対する標準得点となる。各サンプル間の、因子
得点の距離を座標上に求め、最も近いサンプル同士をグ
ループ化していく。これは、クラスタ分割という統計学
的手法であり、データマイニングの手法でも行なうこと
ができる。

【００３６】次に、この、購入・消費を決定する価値観
で分割された各グループを、人口統計学的属性のうち、
購入・消費に大きな関係のある、所得によって分割され
たいくつかのグループに分け、同様にライフステージで
分割されたグループ（たとえば、子育て中の主婦、子供
から手が離れた主婦）に分ける。結果として、３つの分
類方法で、顧客をいくつかのグループに最終的に分割す
る。以下、このように分類されたグループを、属性グル
ープという。

【００３７】一方、同一商圏内の複数の企業間で、顧客
データをオープンにして分析するための共通の軸を持つ
目的で、また、商圏内における当分析企業の位置づけを
知る目的で、当顧客データ分析とは別に、顧客属性の市
場調査を行なう。なお質問項目は全く同じである。この
手法は下記のとおりである。

【００３８】まず、母集団となる商圏内の消費者から、
統計学的手法を用いてサンプルを選び出す。このサンプ
ルに対して、前述の顧客属性を聞くアンケートを行な
い、購入・消費を決定する価値観を表わす心理学的属性
データと、各種人口統計学的データをアンケート調査で
聞き出す。そこから、前述のとおり、購入・消費を決定
する基本的な価値観（潜在因子）を抽出し、統計学やデ
ータマイニングで用いる、クラスタ分析という手法で、
消費者をいくつかのグループに分類する。さらに所得と
ライフステージによって、最終的にいくつかのグループ
に分割する。

【００３９】仮に、価値観で５つのグループ（１、２、
３、４、５）、所得で５つのグループ（Ａ、Ｂ、Ｃ、
Ｄ、Ｅ）、ライフステージで５つのグループ（ａ、ｂ、
ｃ、ｄ、ｅ）に分けると、たとえば、１Ａａ、２Ａｃと
いった形で分類される。

【００４０】なお、事前に、商圏内での価値観によるク
ラスタ分析を行なう場合は、データマイニングの手法
で、このクラスタ分割のやり方をモデル化しておき、個
別企業で価値観によるグループ分けをする際、データマ
イニングの中のクラス判別という手法を用いて行なう。

【００４１】ここで、データマイニングとは、収集した
大量の生データをコンピュータ分析することで、人間で
は気づかない隠れた法則性や規則性を見つけ出すことを
いう。

【００４２】たとえば、相関関係分析を行なうことによ
って、数多いデータ項目（できごと）の中から、相互に
関係するデータ項目を見つけることができる。関係自体
を見つけ出したり、特定のデータ項目と関係が深い別の
データ項目を探したりすることができる。また、時系列
分析を行なうことにより、Ａというデータ（できごと）
が発生した、一定時間後にどのようなデータ（できご
と）が生じるかといった関係性を分析することができ
る。

【００４３】図６は顧客満足度データベース４３の内容
を示す図である。これらデータも顧客満足度データベー
ス４３の所定のアドレスに記憶されている。図６を参照
して、顧客満足度データベースはここではアンケートに
よって得られたデータを示している。顧客満足度データ
ベース４３は、アンケート実施日、特定の企業例として
のＡ社顧客コード、総合的満足度、係員の対応、案内係
の対応、係員の知識、情報提供、価格帯、品揃え、品
質、デザイン、機能性、店内の配置、店の立地および店
内の雰囲気等がそれぞれ５段階評価で記入されている。
このうち総合的満足度と、具体的な顧客満足度データと
の関係を明らかにする。これは後で述べる、たとえば、
係員の対応、案内係の対応、…のデータから演算され
る。

【００４４】次に顧客満足度データベースの作成方法お
よび分析方法について説明する。顧客満足度データベー
スにおいては、先述した通り因子分析という手法で、実
際に得られるデータから要素項目を減らす。因子分析と
は、知能とか人間特性などの心理学的構成概念につい
て、知見を得ようとするとき、関心下の構成概念と密接
な関係があると考えられる変数についての測定を行な
い、得られた測定値に基づいて、それら変数間の相互関
係を吟味しようという手法である。

【００４５】たとえば、知能について測定すると、色々
なテスト項目があるが、その各テスト項目はテスト項目
よりも少ない数の、調査前には特定できない、いくつか
の知能を構成する因子（＝変数）によって構成されてい
ると考える。そしてその因子を抽出し、その因子（＝変
数）間の関係を集約しようという考え方である。

【００４６】顧客満足度調査の場合は、部分的な顧客満
足度を質問する項目が、仮に１６あるとすると、それぞ
れの項目は５点法で評価される。そのアンケート結果か
ら標準偏差を計算し、そこから標準得点を算出して、１
６の質問項目それぞれの相関係数（合致度）を算出す
る。相関係数は１２０通り出てくる。相関係数の求め方
は式１で表わされる。

【００４７】

【数１】

【００４８】ここで、式（１）のｒ_jkはｊ番目とｋ番目
の質問項目の相関係数を表わし、ｚ _ijはｉ番目の人のｊ
番目の質問項目の標準得点を表わし、ｚ_iKはｉ番目の人
のｋ番目の質問項目の標準得点を表わす。

【００４９】この式（１）に、ある人（ｉ番目の人）の
特定の質問項目（ｊ番目の質問）の標準得点が複数の因
子の標準得点とウエイトの積の総和であるという因子分
析のモデル式（２）、および、因子得点の平均と分散を
規定する条件式を代入すると、因子負荷を求める関係式
である式（３）が得られる。

【００５０】式（２）において、ｚ_ijはｉ番目の人のｊ
番目の質問項目の標準得点を表わし、ａ_i1はｊ番目の質
問項目の中の第１因子の因子負荷量を表わし、ｆ_i1はｉ
番目の人が与える第１因子の標準得点を表わす。

【００５１】この関係式を解くと、因子負荷ａ_jk（各質
問項目に占める各因子の影響度）が求められる。次に因
子得点ｆ_ik（各回答者が与えた、各因子に対する標準得
点）が求められる。そして、この因子得点が各因子の満
足度になる。各質問項目の標準得点を出す際、業界全体
のデータを基準にした標準得点を出すと、業界水準にお
ける因子得点が得られる。

【００５２】この標準得点は、平均が０、分散が１にな
っているので、偏差値ｔ_ik＝１０ｆ _ik＋５０とすると平
均を５０とした偏差値得点になる。

【００５３】図７は因子負荷行列Ａを表わすもので、行
方向に変数１〜変数ｐを、列方向に因子１〜因子ｍをと
っており、それぞれの二乗和が右端部および下端部に示
されている。

【００５４】図７に示したように、各因子の因子負荷の
二乗和が因子寄与になり、全因子寄与に占める各因子寄
与が因子寄与率になる。因子寄与率の多いものから順に
第１因子、第２因子とし、図７に基づいて因子解釈を行
なう。

【００５５】次に、重回帰分析により、各因子の、総合
的な満足度に対する影響度（重要度）を求める。総合的
な顧客満足度とは、たとえば、旅館の場合、チェックア
ウトして帰る際にまたもう一度来たいとか、もう二度と
来たくないといった、総合的な顧客満足度を表わす。

【００５６】この総合的な顧客満足度を目的変数とし
て、各因子を従属変数とする、重回帰分析の手法で各因
子の、総合的顧客満足度に対する影響度を求める。

【００５７】式（４）は重回帰方程式である。

【００５８】

【数２】

【００５９】ここで、ｙ_iはｉ番目の人の総合的な顧客
満足度の標準得点を表わし、ｆ_i1はｉ番目の人が第１因
子に与える標準得点であり、β₁、β₂、…が重回帰係数
で各因子の影響度となる。

【００６０】なお、上記の因子分析をせずに、各質問項
目自体の総合的顧客満足度に対する影響度（重要度）を
統計学的手法で算出し、上記方法と併用してもよい。

【００６１】次に、購入履歴データベース４１について
説明する。図８は購入履歴データベース４１の内容を示
す。購入履歴データベース４１は、顧客コードと、購入
日と、商品名と、購入金額と、最終購入日と、最近購入
日（Ｒ点数）と、期間購入回数と、購入頻度（Ｆ点数）
と、期間累計額と、累計金額（Ｍ点数）と、ＲＦＭ合計
点数とからなる。

【００６２】これら購入履歴データベースに基づいて、
購入後のお礼のダイレクトメールリストや、購入後のフ
ォローダイレクトメールリストや買い替え促進ダイレク
トメールリストが作成できる。

【００６３】次に、購入履歴データベースから、Ｒ、
Ｆ、およびＭ点数を求める方法について説明する。ＲＦ
Ｍ分析は、１９６３年、米国ダイレクトメールマーケテ
ィング協会が、顧客判定の効果的モデルであると発表し
たものである。ここで、Ｒは最終購入日を表わすRecenc
yの頭文字である。最近購入した顧客は、再度購入する
可能性が高いと考えられる。そこで、たとえば、次のよ
うにＲの点数をつける。

【００６４】最新購入日３ヶ月未満の顧客２４点最新購入日３〜６ヶ月未満の顧客１２点最新購入日６〜１２ヶ月未満の顧客６点最新購入日１２ヶ月以上の顧客３点Ｆは、購入頻度を表わすFrequencyの頭文字である。頻
度の高い顧客は良い顧客であるという考え方に基づく。
たとえば、一定期間中に１回の購入につき４点の点数を
つける。

【００６５】Ｍは購入金額を表わすMonetary Valueの頭
文字である。たくさん購入する顧客が良い顧客であると
いう考えに基づく。一定期間中の累計購入額について、
一定の金額を１点と設定して、点数化する。

【００６６】もちろん点数の決め方は業界特性によって
変わる。また、ＲＦＭ点それぞれのウエイトの付け方も
同様に変わる。

【００６７】次に購入履歴データベースによる顧客のラ
ンク分け方法について説明する。上記の、Ｒ、Ｆおよび
Ｍの各点数の合計点数で上位から順に並べる。たとえば
ある点数以上の顧客をシンパと呼び、次に点数の高いグ
ループをヘビーユーザと呼び、次に点数の高いグループ
をミドルユーザという順に分類する。

【００６８】分類の境界は、その分布状況や業界特性で
決める。たとえば、観光ホテルの業界であれば、１年に
４回の来館があり、特定の金額以上を消費する顧客はヘ
ビーユーザであるという目安を経験的に設定する。以
下、このＲＦＭ分析によるグループ分けをＲＦＭグルー
プという。

【００６９】そのような購入履歴データベースにより顧
客のランク分け結果を図式化したものを図９に示す。こ
のようにビジュアル化することによって、当分析企業
は、シンパ層を増やすのが重点課題であるとか、新規顧
客開拓によってユーザ層を中心にした裾野を広げる必要
があるといった経営課題を読取る。

【００７０】図１０は複数の会社における統一コードと
各社コードの変換表を示す図である。これはハードディ
スク４０に他のデータベースとは別に記憶されている。
図１０に示すように、統一コードと各社コードの変換表
は、統一顧客コードと、名前と、住所と、生年月日と、
各社の顧客コード等からなる。この変換表を用いて業種
の異なる複数の会社の相互関係の把握が可能になる。

【００７１】なお、上記３つのデータベースを分析する
方法としての統計学的手法は、限定的なものではなく、
たとえば、因子分析の代わりに主成分分析を用いる等、
本来の分析目的に添う他の手法を用いてもよい。

【００７２】次に、統合型顧客管理システムの分析手順
について説明する。図１１〜図２４は統合型顧客管理シ
ステムの分析手順を示すフローチャートである。ここで
は、まず購入履歴データベース４１および顧客属性デー
タベース４２を用いて分析する場合について説明する。

【００７３】なお、ここで、分析にあたっては、購入履
歴データベース４１、顧客属性データベース４２および
顧客満足度データベース４３のそれぞれのデータはハー
ドディスク４０の中から読出されて管理コンピュータ３
５の作業領域に取出され、そこで以下に示すフローチャ
ートに従うプログラムが実行されて所望の相互関係が得
られる。その後、それらのデータが必要に応じてリスト
化、グラフ化されて管理コンピュータ３５のＣＲＴやプ
リンタ３７に出力される。

【００７４】図１１および図１２を参照して、まず顧客
属性データベース４２、購入履歴データベース４１をオ
ープンする（ステップＳ１１、以下ステップを略す）。
次いで購入履歴データベース４１のデータから、図８に
示したようにＲＦＭ点によってグループ分けをする（Ｓ
１２）。ついで、グループごとに顧客属性の分析を行う
（Ｓ１３）。

【００７５】図１２は図１１のＳ１２で示したグループ
ごとの顧客属性分析内容を示すフローチャートである。
図１２を参照して、グループごとの顧客属性分析におい
ては、まず、シンパ、ヘビーユーザ、ミドルユーザおよ
びユーザに分ける（Ｓ２１）。各グループについて（Ｓ
２２，Ｓ２５，Ｓ２８，Ｓ３１）、顧客属性を分析し
（Ｓ２３、Ｓ２６，Ｓ２９，Ｓ３２）、それぞれの顧客
属性を把握する（Ｓ２４、Ｓ２７、Ｓ３０，Ｓ３３）。
そして、各層に応じた対応を行う（Ｓ３４）。

【００７６】これ以外に、ＲＦＭ分析によって分類され
た各グループ（ＲＦＭグループ）と、人口統計学的デー
タを、クロス集計することで、各グループに特徴的な属
性が明らかになる。たとえば各グループごとの、男女の
別、年代、年収、学歴、購読紙等の傾向が明らかにな
る。

【００７７】ＲＦＭ分析の上位のグループの属性と似通
った属性を持つ一般消費者は、新規顧客開拓成功の可能
性が高いと推定でき、この属性で新規顧客開拓の見込み
客を特定することができる。

【００７８】たとえば、最もよい顧客である特上得意層
と、同じ属性を持った見込み客を開拓することが最も効
率がよいと考えられるから、特上得意層の属性（たとえ
ば、年代、所得、学歴、購読紙）と合致する見込み客を
探せばよいということがわかる。これを具体的に説明す
る。

【００７９】図１３は図１２のＳ３４で示した各層に応
じた対応のうちの特上得意層の対応の一例を示すフロー
チャートである。図１３を参照して、まず特上得意層に
最も特徴的な属性データを入力する（Ｓ４１）。次に、
市場調査で得られたデータや、同一商圏内の他の企業の
顧客データ等を順に入力していく（Ｓ４２）。そして、
その中で特上得意層のデータと合致する、または予め定
めておいた範囲に合致するデータのみを新規開拓顧客デ
ータとしてリストアップする（Ｓ４３でＹ，Ｓ４４）。
そして、このデータを用いてたとえばダイレクトメール
を発送する（Ｓ４５）。

【００８０】この場合、属性グループとＲＦＭグループ
とをクロス集計して分析を行なうと、上記の人口統計学
的属性単独の分析よりも、さらに深く顧客を分析するこ
とができる。属性グループは、上記したように、購入・
消費を決定する価値観を表わす心理学的属性データに基
づいて前述した因子分析法とクラスタ分析法によって分
類され、さらに所得とライフステージによって最終的に
分類されたものであるため、ＲＦＭ分析によって分類さ
れた各グループは、心理学的側面をも含めてどのような
人々で構成されているかを判別できるからである。

【００８１】これを、前述の市場調査で得られた、当商
圏内の属性グループと比較すると、以下のことがわか
る。商圏内の各属性グループの分布状況（人数構成比）
は、当商圏の市場としての可能性を表わしている。した
がって、当企業における属性グループの分布状況と比較
すると、当企業が商圏内で、今後開拓すべき顧客グルー
プを特定することができる。すなわち、当企業のＲＦＭ
グループの上位グループに多く存在する属性グループ
で、しかも市場規模の大きい属性グループが今後開拓す
べき属性グループであると特定できる。

【００８２】以上のように分析することによって、自社
にとっての上得意先層の属性がわかるとともに、自社に
とって新顧客開拓はどのような属性を持った人がターゲ
ットになるかを知ることができる。

【００８３】次に顧客満足度データベース４３と、購入
履歴データベース４１による分析について説明する。図
１４、図１５は顧客満足度データベース４３と、購入履
歴データベース４１による分析手順を示すフローチャー
トである。図１４および図１５を参照して、まず顧客満
足度データベース４３、購入履歴データベース４１をオ
ープンする（ステップＳ５１）。次いで購入履歴データ
ベース４１のデータからＲＦＭ点によってグループ分け
をする（Ｓ５２）。ついで、ＲＦＭグループごとに顧客
満足度の分析を行う（Ｓ５３）。

【００８４】図１５は図１４のＳ５３で示したＲＦＭグ
ループごとの顧客満足度分析手順を示すフローチャート
である。図１５を参照して、その処理内容は図１２に示
した内容と基本的に同じである。グループごとの顧客満
足度分析においては、まず、シンパ、ヘビーユーザ、ミ
ドルユーザおよびユーザに分ける（Ｓ６１）。各グルー
プについて、顧客満足度を分析し、それぞれの顧客満足
度を把握し、各層に応じた対応を行う（Ｓ６２〜Ｓ７
４）。

【００８５】顧客満足度は、前述の各種分析で得られ
た、重回帰係数が総合的顧客満足度に対する各因子の重
要度を表わし、因子得点は、各因子に対する評価点にな
る。そこで、因子得点を縦軸に、重回帰係数を横軸にグ
ラフを作成すると、総合的な顧客満足度を最も効率よく
上げるためには、どの要素（因子）を改善すればよいか
という優先課題が明らかになる。すなわち、重要度（重
回帰係数）が高く、満足度（因子得点）が低い因子が、
重点改善課題である。

【００８６】そこで、ＲＦＭ分析によって得られた各グ
ループ別（ＲＦＭグループ別）に顧客満足度を分析し、
上記のグラフを作成すると、各ＲＦＭグループ別の、総
合的顧客満足度を上げるための優先課題が明らかにな
る。

【００８７】仮に各グループ中の、ミドルユーザ層をヘ
ビーユーザにランクアップすることが重要課題であると
すれば、ミドルユーザ層の上記グラフを見れば、顧客満
足度を上げるために、商品・サービスをどのように改善
すればよいのかという方向性が明らかになる。

【００８８】図１６は上記のようにして得られたミドル
ユーザ層の顧客満足度と重要度の関係を示す図である。
図１６を参照して、ミドルユーザ層の総合的顧客満足
は、「価格の安さ」という因子が最もウエイトが高く、
それに対して満足度が低いと分析されている。

【００８９】図１７は図１５のＳ７４で示した各層の対
応のうち、ミドルユーザ層に対する対応の一例を示すフ
ローチャートである。図１６と図１７とを参照してこの
場合の処理について説明する。まず、項目毎の満足度と
重要度とを入力する（Ｓ８１）。その中から、予め定め
られた基準値により、重要度が高く満足度の低い項目を
抽出する（Ｓ８２，Ｓ８３）。それをリスト化し、その
対策を講じる（Ｓ８５）。

【００９０】上記した事例においては、「価格の安さ」
という因子が最もウエイトが高く、それに対して満足度
が低いと分析されているため、対策としてこのミドルユ
ーザ向けの低価格商品を開発すればよいということが明
らかになる。

【００９１】なお、ここでは、理解の容易のため、顧客
満足度と重要度の関係をグラフで表したが、実際は、コ
ンピュータで演算された後、ハードディスクのような記
憶装置の中でたとえば座標データとして記憶されてい
る。

【００９２】以上のように分析することによって、自社
にとって上得意先は、自社の商品・サービスを購入・消
費する際にどのような要素を重視する人々であり、その
要素に対して高い満足感を持っているということがわか
る。

【００９３】また、購入の少ない顧客層が、自社の商品
・サービスを購入・消費する際に、どのような要素を重
視する人々であり、その要素に対しては満足していない
ということを知ることができる。したがって、このよう
な人々の購入を増やすには、この点で商品・サービスを
改善する必要がある。また、この点を考慮した品揃えを
増やせば良いということがわかる。すなわち、商品等の
有すべき要素を知ることができる。

【００９４】次に、顧客属性データベース４２および顧
客満足度データベース４３による分析について説明す
る。図１８および図１９は、顧客属性データベース４２
と顧客満足度データベース４３とによる分析手順を示す
フローチャートである。図１８および図１９を参照し
て、まず、顧客属性データベース４２、顧客満足度デー
タベース４３をオープンする（ステップＳ９１）。次い
で、顧客属性データベース４２のデータから顧客をいく
つかの属性グループに分類する（Ｓ９２）。すなわち、
ここでは、顧客を心理学的属性データに基づいて、因子
分析法とクラスタ分析法により分類し、さらに、所得お
よびライフステージにより分類し、最終的にいくつかの
属性グループに分類する。そして、属性グループごとに
顧客満足度の分析を行う（Ｓ９３）。

【００９５】図１９は図１８のＳ９３で示した属性グル
ープごとの顧客満足度分析手順を示すフローチャートで
ある。図１９を参照して、属性グループごとの顧客満足
度分析においては、まず、いくつかの属性グループに分
ける（Ｓ１０１）。ここでは、説明のために、単純に、
例えば価値観で２つのグループ（１、２）、所得で２つ
のグループ（Ａ、Ｂ）、ライフステージで２つのグルー
プ（ａ、ｂ）に分けるとする。すると、１Ａａ、１Ａ
ｂ、１Ｂａ…という、８つの属性グループに顧客は分類
される。

【００９６】次に、各属性グループについて、顧客満足
度を分析する。すなわち、属性グループ別に顧客満足度
を集計し、因子得点を縦軸に、重回帰係数を横軸にした
図１６で示したようなグラフの作成の元となるデータを
算出する（Ｓ１０３）。そして、それぞれの属性グルー
プ層に応じた対応を行う（Ｓ１０４）。

【００９７】次に、図２０を参照して図１９のＳ１０４
で示したグループ毎に応じた対応について説明する。各
グループにおける対応においては、まず各項目の満足
度、重要度を入力する（Ｓ１１１）。ついで、重要度と
満足度とによって改善ポイントをリスト化する。具体的
には、重要度が高く、満足度の低い項目をリストアップ
する（Ｓ１１２−Ｓ１１７）と改善ポイントになり、重
要度は高く、満足度が高い項目をリストアップする（Ｓ
１１２−Ｓ１１４）と新規開拓時の訴求ポイントにな
る。

【００９８】この場合改善ポイントとしての優先順位
は、重要度は高いほど、満足度は低いほど上位にリスト
アップされる。

【００９９】なお、図２０においては、重要度の判断を
行なった後に満足度の判断を行なっているが、これに限
らず、満足度の判断を先に行なってから重要度の判断を
行なってもよいことはいうまでもない。

【０１００】このような分析手順で顧客属性と顧客満足
度の相互関係を明らかにすることによって、ある属性を
持った顧客を新規開拓する場合、商品・サービスはどの
点を改善する必要があるかということ、つまり、顧客属
性に応じたニーズが明確になる。

【０１０１】したがって、特定の属性や価値観を持った
顧客の、購入額アップを目指す場合、また、特定の属性
や価値観を持った見込み客の開拓を目指す場合の、商品
・サービスの改善ポイントおよび販売促進や広告の際の
訴求ポイントが明らかになる。すなわち、重要度（重回
帰係数）が高く、満足度（因子得点）が低い因子が重点
改善ポイントであり、重要度（重回帰係数）が高く、満
足度（因子得点）も高い因子が重点訴求ポイントであ
る。

【０１０２】なお、図１８のステップＳ９３における、
属性グループごとの顧客満足度分析の前後、あるいは並
行して、人口統計学的属性データの各質問項目ごとに顧
客満足度の分析を行なってもよい。たとえば、男女別の
顧客満足度、所得区分別の顧客満足度、年代別顧客満足
度を集計する。そして、上記分類別に因子得点を縦軸
に、重回帰係数を横軸にしたグラフを作成する。この分
析からも、ある属性を有する顧客に対する改善ポイント
および訴求ポイント等が明らかになる。

【０１０３】次に、購入履歴データベース４１、顧客属
性データベース４２およびＣＳ度データベース４３を統
合して分析する場合について説明する。

【０１０４】図２１は、これら３つのデータベースを統
合して分析する手順を示すフローチャートである。図２
１を参照して、まず、購入履歴データベース４１、顧客
属性データベース４２およびＣＳ度データベース４３を
オープンし（Ｓ２０１）、次に、顧客属性データベース
によって顧客を属性グループに分類し（Ｓ２０２）、購
入履歴データベースによってＲＦＭグループにグループ
分けを行なう（Ｓ２０３）。

【０１０５】次に、各属性グループ毎に顧客満足度分析
（Ｓ２０４）を行ない、ＲＦＭグループと属性グループ
のクロス集計を行ない（Ｓ２０５）、ＲＦＭグループ別
に顧客満足度分析（Ｓ２０６）を行なう。

【０１０６】ＲＦＭグループ別に上記分析結果のリスト
化（Ｓ２０７）を行なう。さらに、属性グループ毎に対
策のリスト化（Ｓ２０８）を行なう。

【０１０７】図２２は、図２１のＳ２０７で示したＲＦ
Ｍグループ別に上記分析結果をリスト化するフローチャ
ートである。図２２を参照して、ＲＦＭグループによる
グループ分けは、まず、シンパ、ヘビーユーザ、ミドル
ユーザ、ユーザに分ける（Ｓ２１２、Ｓ２１８、Ｓ２２
４、Ｓ２３０）。各グループ毎に顧客満足度分析を行な
い（Ｓ２１３、Ｓ２１９、Ｓ２２５、Ｓ２３１）、ＲＦ
Ｍグループと属性グループをクロス集計し（Ｓ２１４、
Ｓ２２０、Ｓ２２６、Ｓ２３２）さらに、属性グループ
別の顧客満足度分析を行ない（Ｓ２１５、Ｓ２２１、Ｓ
２２７、Ｓ２３３）、上記分析結果を一覧リスト化する
（Ｓ２１６、Ｓ２２２、Ｓ２２８、Ｓ２３４）。この一
覧リストをストーリー化すると、次のような顧客プロフ
ィールが描ける（Ｓ２１７、Ｓ２２３、Ｓ２２９，Ｓ２
３５）。

【０１０８】たとえば、自社の上得意先は４０代で年収
が○○万円ぐらいの男性であり、余暇は、家族やグルー
プで行動することを優先し、アウトドアの趣味を好む。
自社の商品・サービスを購入の際、係員の応対や商品に
関する情報提供を重視する人々であり、自社のこの点に
対して高い満足感を持っている。

【０１０９】一方、購入の少ない顧客層は、２０代の未
婚の女性が多く、流行には敏感だが経済性を重視する。
自社の商品・サービスを購入する際、価格を重視する人
々であり、自社のこの点（価格が高い）に対して満足し
ていないということがわかる。

【０１１０】上記の、自社の上得意先のプロフィール
を、商品・サービスの開発や改善に生かすことができ
る。

【０１１１】また、上得意先の属性を持った、一般消費
者が、自社の有望な新規開拓見込み客であると考えられ
るが、顧客属性データベースのところで説明した商圏内
の属性グループの分布状況を見て、この属性を持った人
々は市場規模として十分であるか、あるいは、別の属性
をターゲットとすべきか判断できる。

【０１１２】この上得意先と同じ属性を持った、一般消
費者を新規開拓する場合、ＤＭや広告の訴求ポイント
は、この人々が重視し、しかも満足度が高い要素、すな
わち係員の応対や商品に関する情報提供のレベルの高さ
である。

【０１１３】仮に、別の属性を新規開拓のターゲットと
する場合、顧客属性別の顧客満足度分析を見て、この属
性を持った人々が重視する要素のうち、顧客満足度が低
い要素を改善した品揃えが必要となる。これが、商品・
サービスの改善ポイントである。

【０１１４】一方、上記購入の少ない顧客層の購入を増
やす場合、また、商圏内の属性グループの分布状況を見
て、購入の少ない顧客層に特徴的な属性グループが有望
な市場であると判断できる場合、このプロフィールの人
々に合った、低価格商品の品揃えが必要であることがわ
かる。

【０１１５】次に、属性グループ毎の対策のリスト化
（図２１のＳ２０８）について説明する。図２３を参照
して、前述の顧客属性データベースのところで説明し
た、商圏内での、顧客属性を聞く市場調査から得られ
た、一般消費者の属性グループの分布状況（商圏内に存
在する、各属性グループの市場規模）を入力する（Ｓ２
２１）。次に、当分析企業のＲＦＭグループ別の顧客属
性グループ分布状況を入力する（Ｓ２２２）。次に、当
分析企業の各属性グループ毎の総合的顧客満足度、各要
素項目（因子）の満足度、重要度を順次入力していく
（Ｓ２２３）。

【０１１６】まず、総合的顧客満足度が高く、ＲＦＭ点
数が高い属性グループは、最重点顧客として分類され
る。さらに、この属性グループと同じ属性を持つ一般消
費者は、重点的に新規顧客開拓すべきターゲットとなる
（Ｓ２２４，Ｓ２２５でＹ、Ｓ２２６）。これらに対す
る対応は、Ｓ２２７、Ｓ２２８のようにリストアップさ
れる。

【０１１７】次に、総合的満足度は高いが、ＲＦＭ点数
が低い（あまり購入しない）属性グループは、現状維持
をする属性グループとして分類される（Ｓ２２４でＹ、
Ｓ２２５でＮ、Ｓ２２９）。

【０１１８】次に総合的顧客満足度が低いが、ＲＦＭ点
数が高い属性グループは、要注意顧客として分類され
（Ｓ２２４でＮ、Ｓ２３０でＹ、Ｓ２３１）、Ｓ２３２
のように、対策がリストアップされる。

【０１１９】総合的満足度は低く、ＲＦＭ点数が低い属
性グループであっても、商圏内に多く存在する属性グル
ープ（市場性がある）であれば、新規顧客開拓をすべき
属性グループとして分類される（Ｓ２２４、Ｓ２３０で
Ｎ、Ｓ２３３でＹ、Ｓ２３４）。その場合の対策は、Ｓ
２３５のようにリストアップされる。

【０１２０】総合的満足度が低く、ＲＦＭ点数が低い属
性グループであり、商圏内にあまり存在しない属性グル
ープ（市場性がない）は、現状維持すべき属性グループ
として分類される（Ｓ２２４、Ｓ２３０、Ｓ２３３で
Ｎ、Ｓ２３６）。

【０１２１】このように分析結果を一覧リスト化するこ
とによって、属性グループ別の評価と対応方法が明らか
になる。

【０１２２】なお、上記の各分析において顧客満足度分
析で因子抽出を行っているが、これと併行して元の各質
問項目自体の総合的顧客満足度に対する影響度（重要
度）を統計学的手法で算出し、用いてもよい。

【０１２３】その他、顧客属性データベース４２と購入
履歴データベース４１とをデータマイニングの手法で分
析すると、特定の属性を持った人々は、ａ商品を買った
後、○％の確率で、次にｂ商品を購入する。また、ａ商
品と、特定の趣味との間には相関関係があるということ
がわかる。これによって、新しい販売促進キャンペーン
の切り口が発見できる。

【０１２４】また、予め分けたり、想定せずに、同じ顧
客の、購入履歴と顧客満足度のデータベースを先述した
データマイニングの手法で分析すると、購入履歴のある
項目と顧客満足度のある項目に相関関係が見出される可
能性がある。つまり、大量のデータをコンピュータ分析
することにより、特定の項目間に隠れた規則性が見出さ
れる場合もあるからである。

【０１２５】次に複数の企業のデータを考慮した分析例
について図２４を参照して説明する。まず分析方法につ
いて説明する。図１０における複数の会社の統一顧客コ
ードと各社顧客コードの照合表から、Ａ社とＢ社の共通
顧客を抽出する。共通顧客を対象に、Ａ社における購入
履歴と、Ｂ社における購入履歴とを同時に抽出し（Ｓ３
０１）、データマイニングの手法で分析する（Ｓ３０
２）。

【０１２６】ここで、Ａ社のａ商品とＢ社のｂ商品との
間の併買パターンがあるか否かを判断する（Ｓ３０
３）。併買パターンがあれば、併買パターンリストを作
成し（Ｓ３０３Ｙ，Ｓ３０４）で、なければ、別の企業
での検討を行う（Ｓ３０５）。ここで得られた併買リス
トに基づいて、Ａ社のａ商品を購入した顧客リストを購
入履歴データベース４１ａより抽出し、それをＢ社が入
手し、ｂ商品の販売促進を行なう。すると、購入率が高
いということになる。

【０１２７】また、共通顧客を対象に、Ａ社における購
入履歴とＢ社における購入履歴と、当顧客属性を同時に
抽出し、データマイニングの手法で分析すと、Ａ社とＢ
社の併買パターンと特定の顧客属性との間の隠れた相関
関係が発見される可能性がある。そこで、Ａ社の顧客属
性データベースの中から、この属性を持った顧客を抽出
して、それをＢ社が入手し、販売促進をすれば購入率が
高いということになる。

【０１２８】前述の、購入・消費を決定する価値観を表
わす、心理学的属性データと所得とライフステージによ
って最終的に分類されたグループ（属性グループ）を、
Ａ社、Ｂ社で比較を行ない、Ａ社のＲＦＭ分析の上位の
グループとＢ社のＲＦＭ分析の上位のグループの間で、
同じ属性グループが多く存在すれば、Ａ社、Ｂ社間でお
互いに顧客データを共同利用すれば、双方でデータ活用
できることがわかる。

【０１２９】そこで、仮に、自動車ディーラーＡ社と、
住宅販売会社Ｂ社と、電機会社Ｃ社と、レコード店Ｄ社
が顧客データをお互いに公開すると次のような相互関係
が発見される可能性がある。

【０１３０】Ａ社の６人乗りワンボックスカーを購入す
る顧客は、次に住宅の住み替えを行なう傾向が強い。

【０１３１】Ａ社の６人乗りワンボックスカーと住宅を
並買する顧客の属性を分析すると、子供が２人以上いる
割合が多く、さらに親と同居している割合が高いという
結果が出たとすると、子供の成長とともにより多くの人
が乗れる車と、より広い住居を求めていると推論でき
る。

【０１３２】そこで、Ａ社の６人乗りワンボックスカー
を購入した人のデータを、Ｂ社が入手し、二世帯住宅の
案内をすれば、購入の確率が高いということがわかる。

【０１３３】さらに、住宅を購入する人は、その機会に
家電製品を購入する可能性が高い。そこで、Ｂ社の住宅
を購入する人のデータをＣ社が入手し、家電製品の案内
を行なう。その顧客属性に合った家電製品を案内するこ
とも可能である。

【０１３４】さらに、Ｃ社の家電製品の中で、オーディ
オ機器を購入したときは、音楽好きの人であることがわ
かる。そこで、レコード店Ｄ社がその顧客データを入手
すると、ＣＤの案内やコンサートの案内をすると購入可
能性が高いということになる。

【０１３５】また、Ａ社とＢ社の顧客属性を取出し、そ
の中からライフステージに関係する属性で並び替えを行
なう。ライフステージとは、人間の一生をいくつかの段
階に分ける考え方で、たとえば、子供の年齢順に並び替
えを行なうと、複数企業間でライフステージに関係の深
い商品の共同マーケティングが展開できる。例として、
産婦人科の顧客データは、次に貸しおむつ業の顧客デー
タとして使え、これはさらにベビー用品店の顧客データ
として利用できる。

【０１３６】今回開示された実施の形態はすべての点で
例示であって制限的なものではないと考えられるべきで
ある。本発明の範囲は上記した説明ではなくて特許請求
の範囲によって示され、特許請求の範囲と均等の意味お
よび範囲内でのすべての変更が含まれることが意図され
る。

【図面の簡単な説明】

【図１】この発明に係る統合型顧客管理システムが適用
されるネットワークシステムの全体構成を示す模式図で
ある。

【図２】複数の会社からの顧客情報を考慮する場合のブ
ロック図である。

【図３】複数の会社のデータを考慮する場合のブロック
図である。

【図４】複数の会社のデータを用いて相互関係の把握を
行なう場合の模式図である。

【図５】顧客属性データベースの内容を示す図である。

【図６】顧客満足度データベースの内容を示す図であ
る。

【図７】顧客満足度データベースにおける因子解釈に用
いる図である。

【図８】購入履歴データベースの内容を示す図である。

【図９】ＲＦＭ点数によって各顧客をグループ分けした
状態を示す図である。

【図１０】統一コードと各社コードとの変換表を示す図
である。

【図１１】購入履歴データベースと顧客属性データベー
スとによる分析手順を示すフローチャートである。

【図１２】ＲＦＭグループ毎の顧客属性分析手順を示す
フローチャートである。

【図１３】特上得意層の対応内容の手順を示すフローチ
ャートである。

【図１４】顧客満足度データベースと購入履歴データベ
ースとによる分析手順を示すフローチャートである。

【図１５】ＲＦＭグループ毎の顧客満足度分析手順を示
すフローチャートである。

【図１６】ミドルユーザ層の顧客満足度と重要度の関係
を示す図である。

【図１７】顧客満足度分析における各層に対する対応手
順を示すフローチャートである。

【図１８】顧客属性データベースと顧客満足度データベ
ースとによる分析手順を示すフローチャートである。

【図１９】属性グループ毎の顧客満足度の分析手順を示
すフローチャートである。

【図２０】グループ毎の対応を決める手順を示すフロー
チャートである。

【図２１】３つのデータベースを用いて分析する手順を
示すフローチャートである。

【図２２】ＲＦＭグループ別に分析結果をリスト化する
フローチャートである。

【図２３】属性グループ毎の対策のリスト化を行なう手
順を示すフローチャートである。

【図２４】複数の企業のデータベースを分析する手順を
示す図である。

【符号の説明】

１０購入者１１メンバーズカード２０企業２１管理コンピュータ２２カードＰＯＳ３０事業者３１統合顧客管理システム３５管理コンピュータ３６テレマーケティングサーバ３７プリンタ４０ハードディスク４１購入履歴データベース４２顧客属性データベース４３顧客満足度データベース１００ネットワークシステム１０１ネットワーク

Claims

【特許請求の範囲】

【請求項１】ユーザの商品購入履歴と、前記ユーザの
顧客属性と、前記ユーザの購入商品の顧客満足度のうち
の少なくとも２つを記憶する記憶手段と、前記ユーザの
商品購入履歴と、前記ユーザの顧客属性と、前記ユーザ
の購入商品の顧客満足度のうちの少なくとも２つに基づ
いて、前記ユーザに対する販売促進データを作成する手
段とを含む、統合型顧客管理システム。
【請求項２】前記販売促進データを作成する手段は、前記購入履歴データに基づいてユーザを複数グループに
分割する手段と、前記分割されたグループ毎に前記顧客属性または、前記
顧客満足度を分析する手段と、前記分析結果を記憶する記憶手段とを含む、請求項１に
記載の統合型顧客管理システム。
【請求項３】前記販売促進データを作成する手段は、前記顧客属性データに基づいてユーザを複数グループに
分割する手段と、前記分割されたグループ毎に前記顧客満足度または、前
記購入履歴を分析する手段と、前記分析結果を記憶する記憶手段とを含む、請求項１に
記載の統合型顧客管理システム。
【請求項４】前記販売促進データを作成する手段は、前記顧客満足度と前記購入履歴データまたは前記顧客属
性に基づいて販売対策データを作成する手段とを含み、前記販売対策データを作成する手段は、所定の項目毎の
前記顧客満足度と重要度との関係を検出する手段と、前
記検出された関係に基づいて必要な対策をリスト化する
手段とを含む、請求項１に記載の統合型顧客管理システ
ム。
【請求項５】前記販売促進データを作成する手段は、
前記ユーザの新規に購入する可能性の高い商品を特定す
る手段を含む、請求項１に記載の統合型顧客管理システ
ム。
【請求項６】前記販売促進データを作成する手段は、
前記ユーザのデータに基づいて、新規顧客開拓できる可
能性の高い属性を特定する手段を含む、請求項１に記載
の統合型顧客管理システム。
【請求項７】前記販売促進データを作成する手段は、
複数の異なる企業に対して前記販売促進データを作成
し、前記複数の異なる企業のうちの１つの企業の販売促
進データを用いて他の企業の販売促進データを作成す
る、請求項１に記載の統合型顧客管理システム。
【請求項８】ユーザの商品購入履歴を記憶する第１記
憶手段と、前記ユーザの購入商品の顧客満足度を記憶する第２記憶
手段と、前記ユーザの顧客属性を記憶する第３記憶手段と、前記各記憶手段に記憶された顧客属性と、顧客満足度
と、購入履歴に基づいて、前記ユーザに対する販売促進
データを作成する手段とを含む、統合型顧客管理システ
ム。