Segmentation

定義

セグメンテーション（Segmentation／ユーザー分群）とは、顧客を行動・地域・購買価値・属性などの軸で複数のグループに分割し、グループごとに異なるアプローチで转化（コンバージョン）を最適化するマーケティング手法です。

DTC・EC領域では、単に「顧客リスト」を保有するだけでは不十分です。たとえば同じ購入者でも、初回購入から3日以内のライトユーザーと、LTV上位10%のリピーターでは、刺さる訴求も配信チャネルも最適なタイミングもまったく異なります。セグメンテーションは、限られた広告予算とCRMリソースを「成果の出る層」に集中投下するための羅針盤です。

类比（たとえ話）

セグメンテーションは、居酒屋の席案内に似ています。

- カウンター席 → 一人飲みの常連（高頻度・低単価）

- 個室 → 接待利用の法人客（低頻度・高単価）

- テラス席 → ファミリー層（季節性あり）

全員を同じ席に通しても満足度は上がりません。顧客の「来店動機」と「滞在目的」に合わせて席を振り分けるからこそ、リピート率が上がるのです。ECでも同じで、全員に同じメルマガを送るのは、全客にカウンター席を案内するようなものです。

公式（KPI計算式）

セグメント設計で必ず押さえるべき3つの計算式です。

① RFMスコア = R(最新購買日) + F(購買頻度) + M(購買金額)
② セグメント別CVR = 該当セグメントの購買数 ÷ 該当セグメントのセッション数 × 100
③ セグメント別LTV = 平均注文単価 × 購買頻度 × 継続期間

具体例：

- セグメントA（優良リピーター）：CVR = 480 ÷ 6,000 × 100 = 8.0%

- セグメントB（新規流入）：CVR = 90 ÷ 6,000 × 100 = 1.5%

- セグメントC（カゴ落ち層）：CVR = 240 ÷ 4,000 × 100 = 6.0%

同じ6,000セッションでも、CVRは1.5%〜8.0%まで5倍以上の差が生まれます。

セグメンテーション軸の比較表

軸	具体例	強み	弱み	向く業態
行動	閲覧履歴・カゴ落ち・リピート	即時性が高い／CVR直結	データ基盤が必要	アパレルEC、サブスク
地域	都道府県・都市圏・海外	配送・広告配信と相性◎	粒度が粗い	生鮮、ランドリー
価値（RFM）	優良顧客・休眠・離反予備軍	LTV最大化に直結	更新頻度が低い	化粧品、健康食品
属性	年齢・性別・ライフステージ	クリエイティブ設計が容易	個人情報規制の影響	ベビー、ペット
心理	価格志向・トレンド志向	訴求コピーに反映	測定が難しい	ファッション、雑貨

応用シーン（DTC・EC実践例）

1. カゴ落ちリカバリー

カゴ投入後24時間で未購入のユーザーを抽出し、初回のみ送料無料クーポンを配信。回収率は未セグメント配信の約2.3倍に達するケースが一般的です。

2. 休眠顧客の掘り起こし

最終購買から90日以上経過かつ過去3回以上購入の層に対し、「限定再入荷」通知をLINEで配信。RFMのR軸とF軸を掛け合わせることで、単純な一斉配信より開封率が+18pt改善した事例があります。

3. 地域別の広告配分

北海道・東北は冬季商材、九州は梅雨商材など、気候×地域でクリエイティブを出し分け。CPAを平均22%削減したDTCブランドも存在します。

4. 高LTV層のVIP化

上位5%の顧客を「VIPセグメント」に格上げし、先行販売・専用カスタマーサポートを提供。結果として離反率を12%→4%まで低減した例があります。

常見誤差（よくある落とし穴）

1. セグメントを細かくしすぎる — 1セグメントあたりの配信数が100未満になると、統計的有意差が出ず改善判断ができません。

2. 一度作って放置する — ユーザー行動は日々変化します。RFMは最低でも月次更新が必須です。

3. 属性だけで分ける — 年齢・性別だけでは購買意欲は測れません。行動データと掛け合わせましょう。

4. 全セグメントに同じKPIを課す — 新規層にはCVR、既存層にはLTVと、評価指標を分けるのが鉄則です。

5. プライバシー規制の軽視 — Cookie規制以降、第三者データ依存のセグメントは精度が落ちています。ゼロパーティデータ設計を前提にしましょう。

定義