小売業では、集客、効率の向上とコストの削減が経営指標の達成に結びつくと考えられています。
しかしこれらの多くは、ある要素の向上が別の要素の低下を招くなど、相反する関係にあるケースが多く、特に小売業では、同じ商品を取り扱う他店との価格競争が招く薄利多売に陥りやすく、利益を大きく上げることの難しさに直面し続けています。
それぞれの要素がお互いに干渉しあわない解決策や対策を実践する事で経営指標は大きく向上させることができ、半ば諦め状態だった小売業でもその要素は実はまだまだ潜在しています。
昨今では、「見える化」することで潜在する課題・問題、解決策・対策を明らかにしてくれるKPI（ロジック）ツリーとKPIマネジメントの導入が進んでおり、苦戦を強いられている小売業に適切な対策をもたらしてくれます。
「小売業」とはメーカーが製造、生産者が収穫した商品を卸売業者から仕入れ、顧客に販売する業種のことで仕入価格と販売価格との差分で利益を得ています。
ただ、商品を店頭で取り扱うだけでなく、性質・品質の情報や店舗を利用することのメリットなどもサービス・付加価値として顧客に提供しています。
小売業者間の競争は激化が進んでおり、
といった競合他店との差別化を主な戦略の柱としていします。
また選択幅の拡大や頻繁な新製品の販売などにより、顧客の関心、興味の移り変わりも大きいため、昨今では、小売業者、顧客、双方の関係は複雑化を辿り続けています。
小売業の場合、経営指標は、利益・経費・生産性としており、着実に利益をあげ、存続し続けるためには、これらの指標を達成するためのKPIを設定する必要があります。
小売業は他の業種と比べ、
といった経営環境にあるため、商品の知識と顧客のニーズ・動向については、あらゆるデータを活用して、把握する必要があります。
また飲食業ほどではないものの、昨今のコロナ禍の影響を強く受けている業種でもあり、現状の把握、出口戦略の画策にもKPIの活用はとても有用です。
ロジックツリーとは、問題をツリー状に分解し、その原因や解決策を論理的に探すためのフレームワークのことです。
問題を頂点とし、原因や解決策で分解し、それらを線で結んだ図が“木”に見えるため、”論理の木“とも呼ばれています。
KPIツリーは、もともと問題解決プロセスであるロジックツリーから派生したものです。
問題をKGI（Key Goal Indicator/経営目標達成指標）に、原因や解決策をKPI（Key Performance Indicat/重要業績評価指標）やそのKPIを達成するためのより細かいKPIに置き換えます。
KPIはKGIの中間目標に位置付けられ、それに紐づいた日々のアクションの実践の進捗を示します。
そのため、KPIツリーでは、他のロジックツリーと異なり、各要素の数値化を前提としています。
この各KPIの数値を進捗として、タイムリーに確認することで、KGIの達成に向けた企業の動きが管理しやすくなります。
小売業では、売上の経営指標達成のKPIを集客、購買率、客単価としています。
昨今では、WEB媒体による宣伝・広告を集客手段としており、様々な施策を併用することで見込み顧客を獲得し、来店客数の向上に繋げています。
それ以外の購買率、客単価に関しては、販売価格、販売方法、サービス、接客力などに依存しますが、昨今では、顧客のニーズの複雑化と販売製品種数の増加により、適切な施策が見極めにくい状況に陥っています。
顧客満足度が得られない施策の一人歩きは、競合他店との格差を生み、一度、ユーザーが不満を抱いてしまった場合、その顧客だけでなく、ユーザー評価・口コミなどを通じ、他の見込み客に共有されてしまうため、挽回は非常に困難です。
継続的に経営指標を向上し続けるには、より深く、高い精度で問題・課題を抽出する必要が有ります。
そこで小売業で今注目されているのが、KPIツリーによる課題・問題の探索とKPIマネジメントによる経営指標の向上プロセスです。
昨今では、ITツール、シムテムに加え、センシング技術、IoT、AI、そしてこれらを連携するシステムにより、様々な小売業の業務のデータが収集できるようになりました。
最先端の小売業の現場では、収集したデータを適切に分析し、BI（ビジネス・インテリジェンス）ツールで「見える化」することで、より深部に潜伏する問題・課題を捉えてくれます。
小売業の場合、同じ製品や同じ品質の食品を自店以外からも購入が可能なケースが多いため、店舗の運営効率をベースに、立地や利便性などを考慮したKPIを経営指標、店舗運営効率の向上に活用しています。
| 分類 | 指標 | 概要 |
|---|---|---|
| 集客 | 来店客数 | 店舗を訪れた顧客の人数 |
| 来店頻度 | 特定の顧客が一定期間に来店する頻度、回数 | |
| 店前通行量 | 店舗の前を通る人の人数 | |
| 来店率 | 店舗の前を通った人のうち、実際に入店した人数 | |
| 効率 | 購買率 | 店舗を訪れた顧客に対し、実際に商品を購入した人数の割合 |
| 客単価 | 1顧客あたりの売上 | |
| 一坪売上高 | 店舗の１坪あたりの売上 | |
| 商品回転率 | 売上高（売上原価）÷平均在庫高（平均在庫金額）で、一定期間内に商品がどれくらい売れたかを示す。 | |
| 商品回転期間 | 商品を仕入れてから販売されるまでにかかる期間 | |
| コスト | 原価率 | 商品の売上に対する仕入の金額の割合 |
| 廃棄率 | 仕入れた商品数に対する廃棄処分した商品数の割合 |
なお小売業では、営業・バックオフィス部門と一体でチェーン店展開している企業も多く、店舗運営だけでなく、帳票業務、労務状況などのKPIで経営指標への影響を定量的に計っています。
また小売業では、顧客のサービス満足度も重視しており、来店客との関係で知り得た独自のノウハウをKPIに設定することで他店との差別化にもつなげています。
KPIの導入は、ただやみくもに指標を設定するのではなく、あらゆるデータを様々な観点で分析し、具体的なアクションとその効果まで十分に検証した上で使用する必要があります。
特に小売業の場合、立地や周囲の環境の変化などが売上減少を招いている場合があります。
その場合、移転や新装開店といった選択肢を決断する場合もあり、その経営選択には様々なデータを用いた上で判断する必要があります。
改善策がまだある状況でこのような手段を選択する小売業も実はかなり多く、有効活用の観点で表面上には見えていない潜在する課題・問題を対処することで自店の売上が伸ばせるケースも少なくはありません。
表面上に見えない課題・問題の多くは、深部に潜んでいるため視覚や推測で捉えることが難しく、それにはデジタル技術によって蓄積したデータ活用が必要不可欠です。
昨今の小売業に導入しているシステム、機器は店舗運営だけなく、接客、顧客の行動などもデータにする機能を備えています。
取得したデータは、データベースエンジンとBIツールを活用することで、KPIロジックツリーの作成のみならず、KPIマネジメントにも活用することができます。
昨今の小売業では、集客から顧客維持に至るプロセスを行うと同時に、様々なデータも収集しています。
アプリ・システム・機器から得たデータを集計・分析し、原価率、商品回転率、店前通行量といった小売業の指標をより下位のKPIに分解する事で今まで気が付かなった振る舞いや傾向が「見える」ようになります。
それには、システムのデータだけでなく、IoTやAIでテータ収集・分析手段を増やし、自店の業務をマクロな視点で把握できるようにする必要があります。
セグメントとは、KGI、KPIがそれより下位のKPIの足し算で成立する場合の項を指します。
例えば、“小売店を選ぶときに参考にした情報”の場合、情報サイト、口コミ、店舗HP・ブログ、取扱製品、クーポン、チラシ・折り込み広告などの和がKPIとして求められます。
セグメントに分解したKPIをさらに分解すると、様々な“行動”が「見える化」されます。
小売業の場合、消費者の購買行動を示すAIDMA（アイドマ）で分解し、自店の実情と照らし合わせる事で、課題や対策が明確化します。
ちなみにAIDMAの法則とは、消費者が物を購入するときには“注意”→“興味”→“欲求”→“記憶”→“購入”の流れを無意識に行っているというマーケティングのフレームワークです。
| Attention | 注意・注目 |
|---|---|
| Interest | 興味関心 |
| Desire | 欲求 |
| Memory | 記憶 |
| Action | 行動・購入 |
の頭文字をとって「AIDMA」といいます。
これら一つ一つが占める割合などを定量的に把握することで、様々な特徴が「見える」ようになります。
KPIは、KGIや上位のKPIとリンクする事は必要不可欠ですが、さらに数式化することで定量的に取組みが実践できるになります。
売上は顧客数×来店頻度×商品単価×購入点数で成り立ちますが、これらを数値化することでどの施策に注力すべきか？といった優先順位や戦略が考えられるようになります。
データでは、KPIに設定できる可能性は示しているものの、その要素の正体が不明確なケースは実は少なくありません。
データ化が可能なものは、新たに分析する事で追従できますが、そうでないものに関しては、仮説を立てて、検証する必要があります。
仮説を明らかにするための施策は、PDCAで実践する事でより高い確度で進められます。
仮説が立証されたKPIは、上位のKPIに繋げることで経営指標の達成具合が計れるになります。
先程紹介した仮説で更なるデータの分析でも行動に至る要素が分析できない場合、カットアンドトライ、消去法といった施策でその構造を明らかにしていきます。
これらの多くは、システムの未導入、施策の未活用に潜伏しているケースが多く、例えば、
といったことを要素としている可能性があります。
小売業は、販売員の接客の質、スキルなど、自動化されていないプロセスがかなり多く、このような領域をフォーカスすることで高い効果を得ることが期待できます。
構造の実証には比較的時間を要し、また上位のKPIに繋がらない可能性もあるため、全体のKPIから切り離した方が実証はスムーズに進みます。
セグメント、行動で分解したKPIを抽象度の高い要素を頂点に置き、それの要素になるKPIを線（枝）で結びます。
これをツリーの末端となる要素（葉）まで繰り返すことでKPIツリーが完成します。
KPIツリーを作成する事で、具体的な施策に至るまでのプロセスが網羅できるようになります。
また、いざ実践をするにあたって、注入すべきマンパワーや投資なども「見える化」されるので、経営面のリスクの回避にも繋がります。
KPI向上は、設備投資で対処できるものは、即座に対応し、そうでないものは、ノウハウ、ナレッジ化といった観点で取り組むことで着実な向上が期待できます。
飲食業で経営指標の達成を高めるにはKPIの「見える化」が必要不可欠です。
データを集約・可視化するウイングアーク1ｓｔ社の「MotionBoard」を採用することでKPIツリー、KPIマネジメントに成功している飲食業の導入事例をご紹介します。
「MUJI passport」で、顧客とのコミュニケーションの活性化と顧客の行動データを地図上にプロットし、現場担当者による商圏分析を可能にした株式会社良品計画様の導入事例をご紹介します。
| 会社名 | 株式会社良品計画 |
|---|---|
| 設立 | 1989年 |
| 本社所在地 | 東京都豊島区 |
| 事業内容 | 「無印良品」の企画開発・製造から流通・販売までを行う製造小売業 |
| URL | https://ryohin-keikaku.jp |
MUJI passportのサービス開始以来、アプリから顧客の行動データを収集しているが、データを分析できる環境がなかった。そのためエリアマネージャーは担当エリアの商圏を感覚的にしか把握できておらず、店舗開発担当者も新規出店計画にデータが活用できていなかった。
ITを活用したKPIマネジメントによる経営基盤の強化とデータを活用することで販売スタッフの“収益”への意識を定着させた株式会社メガネスーパー様の導入事例を紹介します。
| 会社名 | 株式会社メガネスーパー |
|---|---|
| 設立 | 1980年 |
| 本社所在地 | 神奈川県小田原市 |
| 事業内容 | 眼鏡、コンタクトレンズ・補聴器および用品の販売 |
| URL | https://meganesuper.co.jp |
経営者自らがBI ツールを使って業績を予測することで、KPIを全社で共有し、次のアクションに繋がるプロセスを定着させた株式会社ベリテ様の導入事例を紹介します。
| 会社名 | 株式会社ベリテ |
|---|---|
| 設立 | 1948年5月13日 |
| 本社所在地 | 神奈川県横浜市 |
| 事業内容 | 全国に80店舗を超える宝飾品専門小売業 |
| URL | https://www.verite.jp |
メルマガ登録をしていただくと、記事やイベントなどの最新情報をお届けいたします。
30秒で理解！インフォグラフィックや動画で解説！フォローして『1日1記事』インプットしよう！
データのじかんをもっと詳しく データのじかんフィーチャーズ 
データで越境するあなたへおすすめの 『ブックレビュー』 
BIツールユーザーによる、BIツールユーザーのための、BIツールのトリセツ 
CIOの履歴書 by 一般社団法人CIOシェアリング協議会 
なぜ、日本企業のIT化が進まないのか――日本のSI構造から考える 
日本ビジネスの血流である帳票のトレンドを徹底解説 
データを武器にした課題解決家「柏木吉基」のあなたの組織がデータを活かせていないワケ 
BI（ビジネスインテリジェンス）のトリセツ 
入社1年目に知っておきたい 差が付くKPIマネジメント 
CIOLounge矢島氏が紐解く トップランナーたちのDXの“ホンネ” 
データのじかん Resources 越境者のためのお役立ち資料集 AI実装の現在地点-トップITベンダーの捉え方 
データでビジネス、ライフを変える、 面白くするDATA LOVERS 
データマネジメント・ラジオ by データ横丁 データのじかんNews 
データ・情報は生もの！ 『DX Namamono information』 ちょびっとラビット耳よりラピッドニュース 
AI事務員宮西さん（データ組織立ち上げ編） 藤谷先生と一緒に学ぶ、DXリーダーのための危機管理入門 
生情報取材班AI時代に逆行？ヒトが体感した「生情報」のみをお届け！ 
データはともだち 〜怖くないよ！by UpdataTV Original 
データ飯店〜データに携わるモノたちの2.5thプレイス by UpdataTV〜 
インサイトーク〜データで世界を覗いてみたら〜by WingArc1st + IDEATECH 
