回答率
32.5%
▲ 8.4% 前期比
満足度
4.1 / 5
▲ 0.3 前期比
属性保有者数
850人
▲ 120人 前期比
平均保有属性数
2.4
▲ 0.2 前期比
購入時に重視すること TOP5
顧客セグメント構成
品質重視層 34.2%
価格重視層 28.1%
健康志向層 23.7%
その他 14.0%
属性 × 回答傾向クロス分析
| 品質重視 | 価格重視 | 健康重視 | 新商品志向 | |
|---|---|---|---|---|
| 20代 | 68% | 54% | 46% | 32% |
| 30代 | 72% | 58% | 52% | 38% |
| 40代 | 74% | 61% | 55% | 41% |
| 50代以上 | 70% | 53% | 49% | 36% |
低高
年代別の回答傾向
自由回答キーワード(上位)
コスパ安心健康
手軽国産
美味しい信頼続けやすいサポートデザイン
対象ユーザー抽出(例)
| 会員ID | 年代 | セグメント | 満足度 |
|---|---|---|---|
| A000123 | 30代 | 品質重視層 | 4.6 |
| A000456 | 40代 | 健康志向層 | 4.8 |
| A000789 | 50代以上 | 価格重視層 | 4.3 |
| A001012 | 30代 | 品質重視層 | 4.7 |
| A001345 | 20代 | その他 | 4.2 |
このダッシュボードでわかること
◎
顧客セグメントの把握
属性や行動傾向からセグメントを作成し、構成比を確認できます。
≠
属性別の違い
年代・性別・エリアなど、属性別の回答傾向の違いを把握できます。
⇄
回答傾向の比較
設問ごとの重要度や満足度の違いを比較・分析できます。
▤
施策対象の抽出
特定の条件に合うユーザーを抽出し、施策の対象リストを作成できます。
主なKPI
| KPI | 定義 | 例 |
|---|---|---|
| 回答率 | 送付対象に対する回答者の割合 | 32.5% |
| 満足度 | 満足度設問の平均スコア(5点満点) | 4.1 / 5 |
| 属性保有率 | 特定属性を保有する会員の割合 | 68.2% |
| 属性重複人数 | 複数の属性を保有する会員数 | 213人 |
| 平均保有属性数 | 会員1人あたりの平均属性数 | 2.4 |
必要なデータ
| テーブル名 | 説明 |
|---|---|
| 会員マスター | 会員の基本情報(性別・年代・エリアなど)を管理 |
| アンケート回答テーブル | アンケートの回答データを設問単位で管理 |
| 設問マスター | 設問の定義(設問ID・設問文・設問種別など)を管理 |
| 属性フラグマスター | 属性の定義(属性ID・属性名・属性種別など)を管理 |
| ユーザー属性付与テーブル | 会員に対する属性の付与情報を管理 |
推奨データモデル
会員マスター(会員ID)
アンケート回答テーブル(会員ID・設問ID)
ユーザー属性付与テーブル(会員ID・属性ID)
設問マスター(設問ID)
属性フラグマスター(属性ID)
構築ポイント
COUNTD([会員ID]) の活用
重複集計を防ぐため、COUNTDでユニークユーザー数を集計します。
縦持ち管理
回答データは設問単位の縦持ちで管理し、柔軟な集計を可能にします。
粒度に注意
会員×設問の粒度を基準にし、集計の一致を担保します。
重複集計防止
複数属性や複数回答での集計では、重複を排除する設計が重要です。
よくあるミス
回答率の分母が不一致
送付対象者数の定義が曖昧なまま計算し、回答率がずれる。
重複集計による数値の膨張
属性の重複や複数回答を考慮せず、人数が実態より多くなる。
属性の粒度が不統一
属性の定義や付与基準が統一されておらず、分析結果にばらつきが出る。
自由回答の集計漏れ
前処理やキーワード抽出ルールが曖昧で、分析に使えるデータにならない。