富裕層

2015年7月23日
株式会社ランドスケイプ
Copyright©2015 Landscape Co., Ltd.
会社紹介
日本最大級のデータベースを活用した
データベースマーケティング支援会社
商号
設立
資本金
従業員数
本 社
事業内容
加盟団体
：株式会社ランドスケイプ
：1990年9月10日
：466,335,500円
：120名
：東京都新宿区西新宿3-20-2
東京オペラシティ 15階
：データベースマーケティングの支援事業
独自構築した日本最大級のデータベース
（消費者9,500万件・企業情報820万件）を元にした
データベースマーケティング支援とCRM戦略立案
：米国ダイレクトマーケティング協会（ＤＭＡ）
（社）日本ダイレクトメール協会（ＪＤＭＡ）
（社）日本テレマーケティング協会（ＪＴＡ）
2
消費者属性データベースについて
ランドスケイプは 9,500万件の消費者データベース （日本の全人口の
74.8%をカバー）を独自構築しています。
コンパイルド
（出版物/公開情報）
日 本 の 全 人 口 の
約74.8%をカバー
・全国医師/社長
・高額納税者 etc.
電話帳リスト
提携先顧客データ
約7億件
データクレンジング
名寄せ処理
消費者DB
9,500万件
■データは、すべて合法的なルート・手続きを経て取得・維持されています。
3
ランドスケイプの事業領域
データベースマーケティング
4
本日の講演内容
１
情報氾濫の時代に必要なターゲティングとは？
2
富裕層マーケットの現状を理解する。
3
富裕層への効果的なターゲティングとは？
4
富裕層マーケティング
成功事例紹介
5
情報氾濫の時代に
必要なターゲティングとは？
情報氾濫
砂一時代
2010年、世界に流れる情報量はついにゼタバイト(ZB)の世界に突入・・・。
1ゼタバイト＝ 「世界中の砂浜の砂の数」
情報はターゲットしないと・・・。
富裕層マーケットの現状を理解する
ワールド・ウェルス・レポート 2013
過去最高規模となった日本の富裕層マーケット
日本の富裕層人口は約190万人を突破。
世界の富裕層の人口
*富裕層とは、主な居住用不動産、収集品、消費財および耐久消費財を除
いて、100 万米ドル以上の. 投資可能資産を保有する個人と定義される。
10
ワールド・ウェルス・レポート 2014
日本の富裕層：230万人
投資可能資産100万ドル以上を所有する個人の数
推計対象国： 71カ国
推計手法
①国別総資産の推計値を算出
②対象国別の成人間の資産分布パターンを算出
前年比22％増加 世界一の増加率
11
ワールド・ウェルス・レポート 2015
日本の富裕層：245万人
投資可能資産100万ドル以上を所有する個人の数
推計手法
①国別総資産の推計値を算出
②対象国別の成人間の資産分布パターンを算出
世界第二位の富裕層数
12
日本の富裕層数（統計）
13
参考：「21世紀の資本」
出典元；http://piketty.pse.ens.fr/files/Piketty2014Capital21c.pdf
参考：総務省「家計調査」
調査対象：二人以上の世帯
貯蓄現在高：1798万円
（前年に比べ59万円増加）
世帯分布
平均値を下回る世帯：67.6％
総務省統計局 家計調査
http://www.stat.go.jp/data/sav/sokuhou/nen/pdf/h26_gai2.pdf
「所得格差」の推移。
トップ１％の人々の総所得に対する割合
日本の人口と富裕層の推移
人口(万人）
富裕層比率
ワールド・ウェルス・レポート 2014
対人口比での富裕層割合が増加
17
日本の人口と富裕層の推移
過去
現在
富裕層
未来
より単価の高い富裕層を見つける事が大事
18
期待される市場：富裕層が興味・関心を持つ分野
クレジットカード
住居・別荘・内装
金融・資産運用
娯楽・教養
会員制クラブ
ホテル、レストラン
医療クラブ
空港、航空機、旅行
ジム、美容
ラグジュアリーブランド
自動車
子弟教育・留学
2013.6.1 週刊東洋経済など
19
ランドスケイプが特定した
富裕層約２００万人
5つのクラスターに分類
20
富裕層 約２００万人
推定資産1億円以上の富裕層
”富裕層データベース”は、さまざまな情報を「職業属性」・「居住属性」・「その他属性」の３つのカテゴリーに分け、富裕度を判定
する評価項目を設定して蓄積しており、多様なセグメンテーションを可能としたデータベースです。
これらの富裕層評価項目は、各情報収集項目毎にスコアを設けており、そのスコアを加算することによって富裕層を以下の4層に
わけて構築しています。
富裕層属性を組み合わせ以下の4層（3層+1層）セグメントを実施。
各属性に点数を付加し、その人が持つ属性の累計加点でセグメント分け。
高額納税者
株主・馬主
高級外車保有 …etc
BILL
16点
社長
優良企業役員
医者・歯科医
弁護士
公認会計士
…etc
ビリオネア層
(推計資産10億円以上)
CRYS
クリスタル層
11点
5点
約30.8万人
(推計資産3億円以上)
GOLD
ゴールド層
高級住宅街
高級マンション
豪邸 …etc
約7.7万人
(推計資産5億円以上)
PLAT
プラチナ層
8点
約3.2万人
約145.3万人
(推計資産1億円以上)
加点方式で合算評点が“５点”以上を富裕層と定義
21
富裕層クラスター：５分類
① 『自分磨きが好き
② 『旅行、オシャレ大好きな
③ 『地域密着型
50～70代の男性中心。地方を中心に分布。
車やバイクなどのアウトドアな趣味だけでなく、英会話
など知性を高める趣味にも意欲的。
また、ペット愛好家の傾向も強く、自分の趣味には
積極的にお金を費やす傾向がある。
60代～70代が中心のシニア層。
仕事を引退し、老後の生活を満喫している層である。
国内、海外問わず旅行が好きで、アートなどの鑑賞
にも興味がある。また、呉服や美容関連など、オシャレ
に気を遣う傾向がある。
30～40代、80～90代が中心。
青年会議所やロータリークラブなどの会員組織に入り、
地域と深いつながりを築いている富裕層。
小学生～25歳未満の子供がおり、代々の名士の家系
であり、⑤クラスターの中で最も富裕度が高い。
郊外居住派 多趣味なリッチ層』
647,784人（34.59％）
シニアリッチ層』
131,169人（7.00％）
④ 『消費意欲大
⑤ 『医師、官僚、教授など
ヤングエグゼクティブ』
664,291人（35.47％）
20～40代の比較的若い世代の女性が中心。
衣料関係、化粧品、ダイエット用品、スポーツ用品など
多種多様なジャンルの商品に対して消費意欲が高い。
アパート・マンションオーナーや土地保有者など、都心部
の若い地主も④クラスターに含まれる傾向がある。
地方の名士
2世代リッチ層』
164,810人（8.80％）
インテリ派リッチ層』
264,554人（14.13％）
医師や官僚、教授など比較的インテリな職業に就く方
が多い傾向がある。
また、高級ブランド品などが好きな一方で、マリンスポーツ
などのアウトドアな趣味にも興味がある。
22
富裕層ポジショニングマップ
高
『旅行、オシャレ大好きな
シニアリッチ層』
『医師、官僚、教授など
インテリ派リッチ層』
キ
ャ
ッ
シ
ュ
リ
ッ
チ
度
『地域密着型 地方の名士
2世代リッチ層』
『自分磨きが好き
多趣味なリッチ層』 『消費意欲大
ヤングエグゼクティブ』
高
低
低
投資に対するリスク選好度
参考: 都道府県別クラスター
総計
北海道
青森県
岩手県
宮城県
秋田県
山形県
福島県
茨城県
栃木県
群馬県
埼玉県
千葉県
東京都
神奈川県
新潟県
富山県
石川県
福井県
山梨県
長野県
岐阜県
静岡県
愛知県
三重県
滋賀県
京都府
大阪府
兵庫県
奈良県
和歌山県
鳥取県
島根県
岡山県
広島県
山口県
徳島県
香川県
愛媛県
高知県
福岡県
佐賀県
長崎県
熊本県
大分県
宮崎県
鹿児島県
沖縄県
1
647,784
30,416
7,229
5,401
6,964
6,089
7,818
8,510
12,820
11,131
11,001
33,901
26,142
64,464
41,258
15,872
6,415
5,989
6,120
6,007
11,804
10,861
20,385
31,371
9,897
6,767
15,634
38,841
25,571
8,003
5,330
4,029
4,515
12,562
18,509
8,238
5,005
6,848
7,848
4,733
26,149
4,068
7,643
9,791
7,635
6,861
9,065
6,274
2
131,169
1,357
195
271
782
314
621
420
1,650
918
1,054
7,695
8,059
35,374
21,360
927
466
458
247
368
742
1,081
1,805
5,279
1,018
970
2,309
14,899
7,256
3,288
795
197
184
996
1,395
483
212
403
431
407
2,115
241
418
389
218
203
549
350
3
164,810
3,174
795
905
1,123
741
2,007
1,808
3,166
2,951
2,304
10,523
7,361
31,785
11,994
2,534
1,590
1,198
1,272
1,394
2,369
3,766
4,668
14,770
2,359
1,206
3,979
11,862
8,498
2,067
1,154
425
536
1,767
2,914
976
974
1,037
971
1,168
4,228
504
706
979
611
541
752
398
4
664,291
5,317
1,688
2,165
2,513
1,746
2,378
1,800
8,461
3,987
10,218
36,119
27,720
183,899
128,157
4,507
2,215
2,927
2,273
1,812
4,186
11,861
8,630
19,391
4,251
6,128
34,270
61,569
17,094
7,511
4,803
1,230
1,080
11,369
7,474
1,845
1,640
1,899
2,533
1,545
8,776
6,549
1,759
1,946
1,435
1,019
1,782
814
5
264,554
6,593
1,550
1,431
2,357
1,237
1,786
1,824
5,020
3,567
3,773
14,879
13,468
58,045
21,291
3,114
1,748
1,704
1,386
1,556
2,943
4,116
7,867
16,557
3,313
2,189
6,149
20,178
11,844
3,654
1,800
844
781
3,296
4,361
1,783
1,952
1,849
2,027
1,426
7,697
1,259
2,099
2,363
1,350
1,073
1,802
1,653
1
100.00%
4.70%
1.12%
0.83%
1.08%
0.94%
1.21%
1.31%
1.98%
1.72%
1.70%
5.23%
4.04%
9.95%
6.37%
2.45%
0.99%
0.92%
0.94%
0.93%
1.82%
1.68%
3.15%
4.84%
1.53%
1.04%
2.41%
6.00%
3.95%
1.24%
0.82%
0.62%
0.70%
1.94%
2.86%
1.27%
0.77%
1.06%
1.21%
0.73%
4.04%
0.63%
1.18%
1.51%
1.18%
1.06%
1.40%
0.97%
2
100.00%
1.03%
0.15%
0.21%
0.60%
0.24%
0.47%
0.32%
1.26%
0.70%
0.80%
5.87%
6.14%
26.97%
16.28%
0.71%
0.36%
0.35%
0.19%
0.28%
0.57%
0.82%
1.38%
4.02%
0.78%
0.74%
1.76%
11.36%
5.53%
2.51%
0.61%
0.15%
0.14%
0.76%
1.06%
0.37%
0.16%
0.31%
0.33%
0.31%
1.61%
0.18%
0.32%
0.30%
0.17%
0.15%
0.42%
0.27%
3
100.00%
1.93%
0.48%
0.55%
0.68%
0.45%
1.22%
1.10%
1.92%
1.79%
1.40%
6.38%
4.47%
19.29%
7.28%
1.54%
0.96%
0.73%
0.77%
0.85%
1.44%
2.29%
2.83%
8.96%
1.43%
0.73%
2.41%
7.20%
5.16%
1.25%
0.70%
0.26%
0.33%
1.07%
1.77%
0.59%
0.59%
0.63%
0.59%
0.71%
2.57%
0.31%
0.43%
0.59%
0.37%
0.33%
0.46%
0.24%
4
100.00%
0.80%
0.25%
0.33%
0.38%
0.26%
0.36%
0.27%
1.27%
0.60%
1.54%
5.44%
4.17%
27.68%
19.29%
0.68%
0.33%
0.44%
0.34%
0.27%
0.63%
1.79%
1.30%
2.92%
0.64%
0.92%
5.16%
9.27%
2.57%
1.13%
0.72%
0.19%
0.16%
1.71%
1.13%
0.28%
0.25%
0.29%
0.38%
0.23%
1.32%
0.99%
0.26%
0.29%
0.22%
0.15%
0.27%
0.12%
5
100.00%
2.49%
0.59%
0.54%
0.89%
0.47%
0.68%
0.69%
1.90%
1.35%
1.43%
5.62%
5.09%
21.94%
8.05%
1.18%
0.66%
0.64%
0.52%
0.59%
1.11%
1.56%
2.97%
6.26%
1.25%
0.83%
2.32%
7.63%
4.48%
1.38%
0.68%
0.32%
0.30%
1.25%
1.65%
0.67%
0.74%
0.70%
0.77%
0.54%
2.91%
0.48%
0.79%
0.89%
0.51%
0.41%
0.68%
0.62%
【クラスター詳細】
①自分磨きが好き 郊外居住派
多趣味なリッチ層
②旅行、オシャレ大好きな
シニアリッチ層
③地域密着型 地方の名士
2世代リッチ層
④女性中心 消費意欲大
ヤングエグゼクティブ
⑤医師、官僚、教授など
インテリ派リッチ層
24
富裕層への直接インタビュー
富裕層のみ抽出
東京23区内の40～60代から
職業、富裕属性、居住形態など
から集計し、選定
ライススタイル調査アンケートと
パーティ招待を含めたDM発送
富裕層との交流だけでなく、プレゼンの場、
展示ブース出展、雑誌広告、DM発送な
どによる広告宣伝と、富裕層アンケートや
インタビューによる富裕層調査が可能。
これまでの富裕層メディアは広告とイベントいうアプローチで、
富裕層にリーチしていました。しかし、それはメディアから富裕層という一方
通行のコミュニケーションでしかありませんでした。
全く新しいタイプのメディアミックスソリューションとして展開してまいります。
25
富裕層への
効果的なターゲティングとは？
S
egment
➢切り口、枠組み
T
P
ositioning
argeting
➢将来の優良客に
➢ユーザーからの位置づけ
27
Targeting
Ｓ
Ａ
富裕層といっても数が多い…。
どんな人が自社商品を購入してく
れるのだろう？
Ｂ
28
良くあるターゲティング要素
POSデータより
買上時に
個人情報
・氏名
・年齢
・住所
・性別
・購買商品
・年間累計購入回数
・年間累計購入金額数
・年間累計来店回数
・最終来店日
『嗜好』や『ライフスタイル』に近い
情報は得られない
Ｗeb関連
・検索キーワード
・ページ滞在時間
・ページ遷移
・ページビュー
移動情報
・利用区間
・昼夜間人口
・頻度
・滞在エリア
属性情報
・資産状況
・世帯人数
・嗜好性
30
国勢調査情報など
・地域情報
・年収推計
・人口
・就業傾向
・産業傾向
・居住形態
31
データを連携させることで、ライフスタイルが見えてくる
買上時に
個人情報
・氏名
・年齢
・住所
POSデータより
・購買商品
・年間累計購入回数
・性別
・年間累計購入金額数
・年間累計来店回数
・最終来店日
Ｗeb関連
・検索キーワード
・ページ滞在時間
・ページ遷移
・ページビュー
移動情報
・利用区間
・頻度
・昼夜間人口
・滞在エリア
属性情報
・資産状況
・世帯人数
・地域情報
・年収推計
・就業傾向
・産業傾向
・嗜好性
・ 人口
・居住形態
32
新規顧客開拓の失敗例
・あいまいなセグメントによるアプローチ
・カード会社請求書同梱
・コラボレーションによるプロモーション
自社商品、サービスの嗜好性と合わない富裕層へのアプローチ
コスト増の上、レスポンスなく、疲弊・・・
33
新規顧客開拓例
新規で富裕層に
アプローチするには？
外部データ。。
獲得コスト。。
34
最初に取り組むことは、
自社顧客（富裕層）に目を向ける事
既存顧客をしっかり把握する事
35
既存顧客に目を向ける理由①
5
顧客獲得コスト(1:5の法則)
4
既存客
3
2
1
0
新規
既存
36
既存顧客に目を向ける理由②
既存顧客とは？
自社商品に肯定的な方
特有の属性
自社富裕層優良顧客
をみつける
37
既存顧客に目を向ける理由③
富裕層特有の属性
■属性付与した顧客データイメージ
経過日
（R）
購買回数
（F）
離反係数
購買期待
係数
10歳未満
あり
２０歳未満
あり
0467-46-xxxx
180
1
9.0
1.2
1
1
042-485-xxxx
210
4
2.5
5.2
075-541-xxxx
120
3
1.7
4.5
011-211-xxxx
90
2
2.3
6.2
0565-31-xxxx
180
3
9.2
2.3
0798-47-xxxx
60
3
3.2
5.2
03-5451-xxxx
270
2
2.5
9.1
047-334-xxxx
150
1
2.1
4.2
03-3430-xxxx
180
1
1.2
8.9
電話番号
６０歳以上
あり
８０歳以上
あり
富裕層
ダイエット
食品
化粧品
居住形態
GEO
SCOPE
1
C110
2
B110
1
B120
1
A310
2
A111
1
1
1
1
1
1
1
1
1
1
D220
1
1
1
1
A320
B210
1
1
1
2
A111
自社顧客富裕層を見つける
38
既存顧客を分析する。
嗜好性やライフスタイルを付与した状態で
優良既存顧客分析を行い
自社優良顧客
特有の属性
をみつける
自社商品・サービスに興味ある
優良顧客層の『嗜好性/ライフスタイル』
を見極める
39
新規顧客開拓手法：ダイレクトポスティング
富裕層
既存客
姓
名
宛名なし
ターゲットDB
既存客
類似属性
郵便番号
住所2
住所3
山田 太郎 169-8050
東京都新宿区早稲田
1-6-10
野村 良子 036-8045
青森県弘前市新寺町
2-8
田中 良朗 247-0061
神奈川県鎌倉市台
1-5-6
宛名なしダイレクトメールのため、
個人情報は利用しない。
事前セグメントをしたエリアへ
宛名なし（ラベルなし）に配送。
40
事例：高級自動車ディーラー
顧客プロット
商圏把握
富裕層プロット
宛名なし
DB
41
41
富裕層ビジネス展開事例
Copyright©2015 Landscape Co., Ltd.
42
Business Case
不動産
43
なぜ、販売に苦戦したのか？
販売に苦戦・・・。
45
どうすれば、成約するのか？
「別荘」は、こうして「成約」につながった！
0.1
40
%
%
47
「別荘」は、こうして「成約」につながった！
48
「別荘」は、こうして「成約」につながった！
0.14
38
%
%
49
「別荘」は、こうして「成約」につながった！
50
成約率を高める秘訣とは？
プロモーションの成功要因とは？
オファー
10%
クリエイティブ
30%
ターゲット
60%
※情報提供元: http://www.portopialand.com/K_K_Seikou_Fuseikou.htm
52
Business Case
外資系ホテル
53
事例:ホテル
集客した顧客の中から、
将来にわたりサービスを受けられる方（富裕層）を
特定。ＣＲＭ対象者とする。
54
Business Case
ラグジュアリブランド・保険会社・百貨店
（クロスセル・世帯施策）
Copyright©2015 Landscape Co., Ltd.
55
新規開拓の横と縦
口コミ
優良客
顧客
市場
世帯展開
家族
横だけでなく、縦のつながりを
56
課題：新規開拓
・プライバシーポリシーにより、外部リストを使った新規開拓ができない
・休眠顧客データの数が少ない。
新規購入
※Ｂさんを特定した案内ではなく、
若い方向けサービス、商品案内をする。
57
課題：顧客の高齢化
若返り施策【世帯情報を活用】
解決
ゴールド
アプローチ対象
Aさん（男性：75歳）
75歳男性
想定世帯構成
Aさん世帯（同住所）
・48歳女性
・75歳男性
・24歳女性
資産状況
48歳女性 24歳女性
Cさん世帯（同住所）
Cさん（女性：35歳）
35歳女性
40歳男性
アプローチ対象
Dさん（女性：70歳）
70歳女性
30歳男性
職業属性
・40歳男性
・35歳女性
Dさん世帯（同住所）
趣味趣向
・70歳女性
・30歳男性
58
Business Case
ラグジュアリーブランド
（休眠客の掘り起こしキャンペーン）
Copyright©2015 Landscape Co., Ltd.
59
課題：ギフトシーズンの来店向上
購買力のある休眠顧客を活性化
解決
姓名/住所/電話番号にてマッチング処理を実施。マッチしたも
のに対して、弊社より属性情報の付与を行います。
■ マッチング処理イメージ
稼動顧客
①稼動客の属性を特定
ランドスケイプ
消費者DB
休眠顧客
②休眠顧客データ稼動客と同じ属性を持つ顧客を
富裕層D/B
直近購入者
休眠顧客
特定。
属性D/B
③特定された休眠顧客へ特別なプロモーション。
④同様の流れで富裕層（購買力のある層）の
■ マッチング結果イメージ
御社保有部分
姓名
住所
TEL
弊社付加部分
直近
購入者
山田 咲
……
……
野村 紘子
……
……
太田 真由美
……
……
田中 綾子
……
……
斎藤 綾希
……
……
遠藤 舞
……
……
大久保 知帆
……
……
吉田 慶子
……
……
1
今井 ちはる60
……
……
1
富裕層
世帯
通販マインドが
高い
1
特定を行う。
通販化粧品購
入者
顧客の「顔」を可視化
1
1
1
富裕層
1
1
1
通販利用頻度高
1
1
1
1
通販化粧品購入
1
1
Business Case
化粧品通販
（プロファイル分析による高ロイヤリティ予備群の特定）
61
高ロイヤリティ予備群の特定
M↑
優良
顧客
Frequency
F↑ 累計購買回数
類似属性
R↓
買上少ない層
F↓
高所得世帯
30代女性
子供なしetc
R↑
高所得世帯
30代女性
子供なしetc
潜在顧客
M↓
Recency
最新購買日
Monetary
累計購入金額
優良顧客と類似する潜在顧客の特定
62
参考：今後の動き
データ統合により、全動線分析
個人ごとのすべての動線（セッション、イベント）の分析
→さらにリアルデータからわかる動きをシームレスに統合、ペルソナの具現化に貢献
Aさんの
データ
ポイント
カード
履歴
メルマガ
登録
WEB
ページの
化粧品を
確認
ポイント
カード
履歴
行動データを一括統合して、分析する
店舗で化粧水を購入
Aさんの
行動
化粧水購入時のリー
フレットを見て店舗
メルマガ登録
メルマガで化粧品を知って
WEBで確認
オムニチャネルでの行動データを統合
顧客属性の強化
再び店舗来訪
化粧品を
ポイントで購入
63
Business Case
大手銀行
（潜在優良客の抽出事例）
64
大手銀行事例
Business Case：ラグジュアリブランド
目的
自行で把握していない富裕層を特定、アプローチ
課題
預金残高を中心に、顧客セグメント行っていた。他行で預金残高の
高い（潜在優良見込み顧客）方は、特定する事がしづらい為、機
会損失が生じているのでは？
弊社消費者データベースより、富裕層属性を付与し、以下の３顧客群を構築。
施策
・自社顧客であり、かつ富裕層である方。
・自社顧客であり、潜在優良顧客である方（弊社にて富裕層と特定できた方。）
・自社未保有富裕層である方。（訪問、ダイレクトポスティング展開。）
効果
金融セミナー来場、預金残高向上、投資信託への展開
* 事例は過去の実績に基づいておりますが、同様の成果を保証するものではありません。
65
解決
潜在富裕層の視覚化
弊社保有部分
姓名
住所
TEL
預金額
富裕層
富裕層
ランク
職業
既知or未知
世帯
ゴールド
医者
既知富裕層
山田 咲
……
……
¥55,500,000
野村 太郎
……
……
¥5,500,000
太田 真由美
……
……
¥1,100,000
田中 綾子
……
……
¥3,300,000
斎藤 陽亮
……
……
¥500,000
三林 紀幸
……
……
¥2,500,000
大久保 史朗
……
……
¥7,000,000
吉田 慶子
……
……
¥8,500,000
今井 周平
……
……
¥1,500,000
社長
本人
クリスタル
企業役員
未知富裕層
世帯
クリスタル
弁護士
未知富裕層
66
富裕層データベース活用事例
業種
クライアント
証券
金融
銀行
保険
不動産
高級老人ホーム
高級リゾートマンション
旅行代理店
ラグジュアリーブランド
高級商材
高級車
情報サービス コンテンツ配信
活用目的
新規顧客開拓
既存客分析
休眠客活性化
既存客分析
既存アップセル・クロスセル
既存客分析
既存アップセル・クロスセル
新規顧客開拓
エリアマーケティング
新規顧客開拓
新規顧客開拓
エリアマーケティング
既存客分析
休眠客活性化
新規顧客開拓
エリアマーケティング
新規顧客開拓
エリアマーケティング
既存客分析
離反防止
詳細内容
富裕層の新規開拓を効率的に行う
経済余力のある休眠客を推定し重点的にアプローチする
既存顧客の潜在的な富裕度を把握した上で顧客戦略を立てる
既存顧客の保険ニーズを推定し効果的なアップセル・クロスセルを行う
地域や個人・世帯属性でターゲットを絞りダイレクトに物件を告知する
地域特性・住民特性をふまえ最適な新規進出地域を選定する
完成済みの高額リゾート物件を早期に完売する
営業圏内の有望見込客を把握し効果的にアプローチする
ロイヤルティの高い顧客属性を持つ休眠客を把握する
販売エリアのポテンシャルを把握し営業戦略を見直す！
新規出店にあたり基盤客獲得のためのエリアマーケティングを実施する
退会者的中率1.20倍！リスク判定による退会者特定
事例の詳細は以下URLに記載しています。
http://www.landscape.co.jp/million.html
67
ご清聴有難うございました。
Database Marketing