アパレルショップのデータ分析から考える「売り場」の最適化

アパレルショップのデータ分析から考える「売り場」の最適化

13D8101016H 青木深雪

中央大学理工学部情報工学科 田口研究室

2017

年

3

月

あらまし：アパレルショップでは、店員が毎日マネキン となって自店の服を着て、アピールしながら販売をして いる。売り上げは品物の場所や気温、天気によっても変 動する。それだけでなく、店員のアピールが有効である ことも知られている。しかし、後者はあまり定量化され ていない。そこで気象データと、気温との関係の深そう なものの相関性を図り、アソシエーション分析で店員の 着用商品と売り上げの関係を調べ、どんな日に何を着て 何をアピールしていく「売り場」が最適なのかを考え る。

キーワード：アパレルショップ、回帰分析、アソシエー ション分析

1 はじめに

アルバイト先である洋服店から入手した売り上げデー タと気象データ、店員の着用データをもとに、何をする と売り上げにつなげることができるかを考える。

2 使用データ 2.1

店舗の概要

本研究では、オフィス街の中心にある駅構内のアパレ ルショップのデータを使用する。

・営業時間 平日

10

時～22 時,休日

10

時～21 時

・規模

10～15

坪

・ターゲット

20

代後半～40 代の女性

・店員数

7

人常に

2

人以上が同時に勤務

・服装のルール 勤務中は販売中の服を着用する 本来は

10

代後半から

30

代の女性向けファッションブ ランドだが、今回は立地が他店舗と少し違うため高い層 となっている。価格帯は一般には、高すぎず安すぎずの 適度な価格だが、本研究で対象の店舗の場合、周辺店舗 の価格帯が高いので、比較的安いと感じられることが多 い。

2.2

売り上げデータ概要

・対象期間…2016.10.2～2016.11.1

・客単価…3,840 円

・利用可能データ…購入商品、店員着用商品、店員着用 日、購入日

2.3

アイテムについて

今回使用するアパレル商品を表

2-1

に示した。カテゴ リー別に分類し、流行品か仕事着にできるか使いやすい 定番アイテムなのかも明記した。このアパレル以外に も、ストールやスヌード、ポンチョなどの防寒具の売り 上げデータも利用する。

表

1 使用する商品

商品 分類 流行 仕事 定番

オフショルPO ○

リブオフショル ○

リブVPO ○

サカリバPO

スキッパー ○ ◎ ○

オーバーシャツ ○ ○

袖変形ブラウス ○

オフショルブラウス ○

ノーマル ○

ドルマンニット ○

Vネックニット ○

クルーネックニット ○

袖広がりニット

スカーチョ ○

プリーツスカンツ ○

ハイウエストワイドＰ プリーツワイドパンツ デニムワイドパンツ

ワイドスカンツ ○

コーデュロイワイドP リボンベルト ノーマル

ビックシルエット パンツ シャツ

薄手ニット

テーパードパンツ ◎ プルオーバー

○

○

○

○ 柄スキニー カラースキニー 裏起毛スキニー

コーデュロイSK ○

フレアSK ○

デニムSK 柄ロングSK プリーツSK チュールプリーツSK 柄プリーツSK

セットアップ ○ ○

VネックシャツOP ケーブルニットOP

リブ袖広がりOP ○

ドルマンOP ロングCD カーデガン

リブロングCD ○

ドルマンCD

ライダースJK ○

Gジャン MA-1

チェスター ○

○

ミニスカート ○

ロングスカート ○ ○ ○ スキニーパンツ

ワンピース（OP）

カーデガン ○ ○

アウター ○

2.4

気象データ概要

本研究では、気象庁ホームページに記載されている、

過去の気象データから

2016

年

10

月と

11

月

1

日の東京 の日ごとの平均気温、最低気温のデータを使用してい る。

3 回帰分析

回帰分析はある一つの変数の値を予測したい、という 場面で使われる手法である。回帰分析とは、ある変数y を他の𝑛個の変数𝑥

₁, 𝑥₂, 𝑥₃, … 𝑥_𝑛

によって説明する関係式

𝑦 = 𝑓(𝑥₁, 𝑥₂, 𝑥₃, … 𝑥_𝑛)

と、これだけでは説明できない残差項εを含めた、

𝑦 = 𝑓(𝑥₁, 𝑥₂, 𝑥₃, … 𝑥_𝑛) + ε

を特定する方法論で、特に

𝑓(𝑥₁, 𝑥₂, 𝑥₃, … 𝑥_𝑛) = 𝑏 + 𝑎₁𝑥₁+ ⋯ + 𝑎_𝑛𝑥_𝑛

で表される場合に限定したものを線形回帰という。

4 データマイニング 4.1

データマイニングとは

データマイニングとは、統計的手法を用いて、様々な データの中から各情報の相関や法則性などを探し出すた めの分析技術・手法である。

4.2

アソシエーション分析とは

アソシエーションルールと呼ばれる事象間のつながり の強さに関する規則を、知識として発見する分析法であ る。ある事象が発生した時に、別な事象が発生する事後 確率が高いような事象の組み合わせを求める。この分析 では、商品の組み合わせなど、頻出する何かの関連、規 則を相関ルールとして表す。データベースの中から相関 ルールを検出する際、評価指標が必要となる。今回は

2

つの指標を使う。

信頼度…仮にルールの前提が起きたと仮定したときに、

結論が起こる確率。この数値が高いほどルールの前提と 結論の結びつきが高い。

リフト…前提または結論のどちらかのデータの中での出 現回数が非常に多い場合に前提と結論の間の結びつきの 強さを見ることが出来る。

今回この分析を行う際に、NTT データ数理システムの

Visual Mining Studio(VMS)というソフトを利用した。

5 気象データと売り上げの相関

5.1

気温と売れる商品の相関性

気象データと関わりの深そうな商品の売り上げ個数につ いての相関性をもとめる。まず、表

2

や図

1

に表したよ うに、シャツ類と平均気温に相関があるように感じたた め、回帰分析を行った。

0 5 10 15 20 25 30

2 3 4 5 6 7 8 910 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 311

平均気温とシャツの売上個数

シャツ 平均気温

図

1 平均気温とシャツの売り上げ個数の関係1

表

2 平均気温とシャツの売り上げ個数

日付 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

曜日 日 月 火 水 木 金 土 日 月 火 水 木 金 土 日

平均気温 23.1 22.7 24.9 24 26 21.4 21.2 22.3 18.4 17.6 17.9 16.5 15.6 16.7 17.4

シャツ 5 10 8 10 13 9 4 4 3 3 2 2 4 0 3

17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 11/1

月 火 水 木 金 土 日 月 火 水 木 金 土 日 月 火

17.5 20.9 20.8 21.9 18.2 16.7 18.1 14.9 14 19.1 19 12.2 15.5 11.9 14.3 13.4

1 4 2 2 2 0 1 5 2 3 0 1 1 0 0 0

y = 0.6813x - 9.2626

-2 0 2 4 6 8 10 12 14

0 5 10 15 20 25 30

シャツの売り上げ個数

平均気温

図

2 平均気温とシャツの売り上げ個数の関係2

回帰分析を行った結果、決定係数

R2

が

0.54

と、0.5 以 上の高い数値となった。そのことからこの

2

つの間には 相関があるといえ、 𝑦 = 0.68314𝑥 − 9.30123 の式で近 似ができた。また、平均気温と羽織ものについても同様 に回帰分析を行った。ここでも決定係数

R2

が

0.56

と、0.5 以上であったため、平均気温と羽織ものの売れ 行きの間に相関があることが分かった。

5.2

前日との温度差と羽織ものの関係

平均気温、前日との温度差と羽織ものの売れ行きにつ いての関係性を図るため、今度は重回帰分析をした。そ の結果、決定係数

R2

は

0.59

で、平均気温と羽織もの についての単回帰分析で出た数値よりもわずかだが高い 数値となった。

6 店員着用アイテムと売り上げの相関

店員着用アイテムが実際に売り上げ向上につながって いるのか、販売商品の

1

日ごとの販売数とその日の店員 が何を着ていたかの

2

つデータをもとに、アソシエーシ ョン分析を行った。

表

3 アソシエーション分析結果(単品)

前提 結論 信頼度 サポート リフト ルール数 前提数 結論数

ケーブルニットOP *ケーブルニットOP 62.5 3.413 18.3 10 16 10 リブオフショル *リブオフショル 58.57 13.993 4.19 41 70 41

リブVPO *リブVPO 57.14 2.7304 20.9 8 14 8

VネックシャツOP *VネックシャツOP 50.0 1.0239 48.8 3 6 3 サカリバPO *サカリバPO 46.15 10.239 4.51 30 65 30 Vネックニット *Vネックニット 44.52 22.184 2.01 65 146 65 ライダースJK *ライダースJK 43.48 3.413 12.7 10 23 10 チュールプリーツSK *チュールプリーツSK 41.67 3.413 12.2 10 24 10 ノーマルテーパード *ノーマルテーパード 40.43 6.4846 5.92 19 47 20 スキッパーシャツ *スキッパーシャツ 33.33 6.1433 5.43 18 54 18 袖広がりニット *袖広がりニット 30.77 2.7304 11.3 8 26 8

表

3

に表したように、単品ごとで見ても信頼度が

30

％をこえるものがこれだけあった。信頼度が

50

％を 超える品は

4

つのみであったが、30％を超える商品は

12

品も存在した。ここに記されていない品も多数あ り、それらは着用との関わりが全くないことが言える が、着用によって少しでも売り上げに関わる品が多数あ ることから、商品を着用することと売り上げとの相関は 考えられる。

表

4 アソシエーション分析結果(分類)

前提 結論 信頼度 サポートリフト ルール数 前提数 結論数

リブ袖広がりOP *ニットOP 100 1.7065 10.5 5 5 28

ハイウエストワイドＰ *ビックシルエットP 100 1.7065 3.76 5 5 78

リブ袖広がりOP *ＯＰ 100 1.7065 9.45 5 5 31

ビックシルエットＰ *ビックシルエットＰ 87.64 26.621 3.29 78 89 78

スカーチョ *ビックシルエットＰ 87.5 2.3891 3.29 7 8 78

リブVPO *リブ 85.714 4.0956 4.33 12 14 58

ワイドスカンツ *ビックシルエットＰ 85.714 2.0478 3.22 6 7 78

ニットOP *ニットOP 84.848 9.5563 8.88 28 33 28

ニットOP *ＯＰ 84.848 9.5563 8.02 28 33 31

セットアップ *ビックシルエットＰ 84. 7.1672 3.16 21 25 78

VネックシャツＯＰ *シャツ 83.333 1.7065 3.49 5 6 70

ドルマンOP *ニットOP 83.333 3.413 8.72 10 12 28

ドルマンOP *ＯＰ 83.333 3.413 7.88 10 12 31

スカート *スカート 82.243 30.034 2.74 88 107 88

ケーブルニットOP *ニットOP 81.25 4.4369 8.5 13 16 28

ケーブルニットOP *ＯＰ 81.25 4.4369 7.68 13 16 31

オーバーシャツ *シャツ 80 2.7304 3.35 8 10 70

ワンピ *ＯＰ 79.487 10.58 7.51 31 39 31

オフショルブラウス *シャツ 72.727 5.4608 3.04 16 22 70 リブオフショル *オフショル 71.429 17.065 2.68 50 70 78

シャツ *シャツ 70.707 23.891 2.96 70 99 70

リブ *リブ 69.048 19.795 3.49 58 84 58

ロングスカート *ロングスカート 69.048 9.8976 6.98 29 42 29 スキッパーシャツ *シャツ 68.519 12.628 2.87 37 54 70

リブオフショル *リブ 65.714 15.7 3.32 46 70 58

VネックシャツＯＰ *ＯＰ 50 1.0239 4.73 3 6 31

大きな枠組で関係性を見ると、信頼度の高いものが多 数出てきた。どれもリフトは

2.5

を超えており、十分な 結果といえる。ワンピースは、前述した商品ごとの分析 でも

2

つの商品の着用との信頼度が高い数値で、今回の 分析でも着用との関係性が強いことが分かった。続い て、流行である「ビックシルエットパンツ」も多数出現 した。しかし、店員の着用との結びつきを結果として得 られたのは、その中でも仕事場で使いやすいものであっ た。それはシャツなどの他の商品も同様であった。

7 最適な「売り場」の提案

今回の分析から得たデータから考えられる最適な「売 り場」を考えた。まずは店員の着用だ。2 人の出勤の場 合は

1

人がワンピース、もう

1

人が仕事に着ていける流 行の商品というように着用することで、売り上げ向上が 見込める。

また、気温が高い場合には売り場には羽織ものは置か ずに、シャツ類を少しでも目立つところに置き、気温に 合わせだんだんと展開する割合を変えていき、14℃まで 下がったときにはシャツは下げ、羽織ものを最大限にア ピールし、売り出す。ワンピースの上に羽織ものを着た り、仕事で使えるようなボトムスにシャツを合わせるな ど、着用が効果的であるものを、一緒に着ることで、更 に売り上げ向上が見込めるはずである。

8 まとめ

今回、回帰分析にて気温と売り上げの相関関係を図 り、アソシエーション分析にて購買データと店員着用商 品を分析し、着用が売り上げに貢献しているのか、貢献 する商品はどんなものなのかを分析した。そして得られ た結果から「売り場」の提案を試みた。採取したデータ 量を増やし、洋服の様々な購買意欲への要因を考えるこ とによって、より良い「売り場」の提案が可能となる。

参考文献

[1]

藤澤克樹・後藤順哉・安井雄一郎、 “Excel で学ぶ

OR”、オーム社、2011.

[2]

内田治、 “すぐわかる

EXCEL

による多変量解析”、

東京図書株式会社、1997.

[3]

株式会社数理システム“Visual Mining Studio チ ュートリアル” 、2012.

[4]

気象庁、 “過去の気象データ検索” 、(オンライン)入

手先＜www.data.jma.go.jp/obd/stats/etrn/index.php＞