segmentation-analysis

セグメンテーション分析

使用する場面

• チームが、最良の顧客層とその特徴を理解する必要がある
• マーケティング部門が、異なるメッセージやオファーを届けるための個別のグループを求めている
• プロダクト部門が、高価値ユーザーの行動パターンに基づいて機能の優先順位を決める必要がある
• 解約率が高く、ユーザーが離脱する前にリスクのあるユーザーを特定する必要がある
• 既存のセグメンテーションが恣意的に感じられ、データによる検証や改善が必要である

プロセス

1. セグメンテーションの目標を定義する — セグメントをどのような意思決定に役立てるのか（プロダクトロードマップ、マーケティングキャンペーン、顧客維持プログラム）を明確にします。目標によって、重要な変数と有用なセグメント数（通常は3～7）が決まります。references/segmentation_approaches.md を参照してください。
2. 変数を選択して準備する — ユーザー間でばらつきがあり、ビジネス成果に関連する属性または行動を3～7個選びます。欠損値を処理し、連続変数のスケールを調整します。クラスターの重心を歪める場合に限り、外れ値を除外します。
3. セグメンテーションを実行する — データ駆動型のセグメンテーションでは、scripts/segmentation_runner.py を使ってk-meansクラスタリングを実行します。ルールベースのセグメンテーションでは、ビジネスロジックのルールを適用し、各セグメントが明確に異なり、重複していないことを検証します。
4. 各セグメントのプロファイルを作成する — セグメントごとに各変数の平均値と中央値を算出し、全体平均を上回る、または下回る割合（%）で表します。各セグメントを定義する特徴を2～3個特定し、内容を表す名前を付けます。
5. 検証して解釈する — セグメント間に意味のある違いがあり（クラスタリングではシルエットスコアが0.3を超える）、ビジネス上も妥当であることを確認します。各セグメントを実際に異なる方法で扱うかどうかを問い、妥当性を確認します。
6. 戦略に対応付けて報告する — 各セグメントに推奨戦略（維持・拡大、収益化、活性化、呼び戻し、終了）を割り当てます。プロファイルと戦略上の優先事項を記載した assets/segment_profile_template.md を作成します。

スキルに必要な入力

• 属性（人口統計、プランの種類）と行動指標（セッション数、収益、機能の利用状況、最終利用からの経過期間）を含むユーザーレベルのデータ
• セグメンテーションの目的となるビジネス目標
• 検証または置き換えの対象となる既存のセグメンテーション
• クラスタリングを有意義なものにするため、想定する各セグメントにつき最低約100ユーザー

出力

• scripts/segmentation_runner.py — k-meansクラスタリングを実行し、エルボー図とシルエット図を生成して、セグメントラベルを割り当てます
• references/segmentation_approaches.md — k-means、RFM、ルールベースを使い分ける場面と、解釈のガイド
• assets/segment_profile_template.md — セグメントの規模、主な特徴、推奨戦略、追跡計画を記載したセグメントプロファイル