数値管理に必要なダッシュボードを作成する際には
最終系のイメージから逆算すると作成しやすいです。
例えば、顧客のクラスター分析をする場合
ダッシュボード構成としては、
5個のグループ（セグメント）分けた
既存顧客と離脱顧客で分割したクロス集計表
散布図は、
縦軸を金額別
横軸を在籍期間別の分布にする
在籍期間＝（初回購入日付から最終購入日付の差分）
顧客リストテーブル表
顧客ランク別明細
既存顧客と離脱客ごとに分割した
顧客別最終購入日別の顧客数グラフ
この４つで構成されてテーブルを
作成することで顧客のポートフォリオが見える化できます。
あとは、それぞれのグループを
分類するためのパラメータコントロールで
設定可能とすることで自社オリジナルになります。
顧客グループの考え方と分類基準を整理する
顧客グループの考え方および、
分類基準は下記の通りです。
注意が必要なのは、分類基準は
一般的なものにこだわる必要はないということです。
自社の事業ドメインに合わせてむしろ
カスタマイズすべきだと考えます。
あなたも、積極的に自社独自の
勝ちパターンで分類基準を設計してみてください。
ただし、MECE（漏れ抜けがない）ように設計してください。
例ですが、
基準で５グループに分けます。
（１）初回購入日から最終購入日までの期間（=在籍期間）を軸に考える
初回購入日から最終購入日までの日数の差：0
：初回客（=つまり1回しか購入していない客））
初回購入日から最終購入日までの日数の差：90日以内
：よちよち客（=90日以内に2回以上購入した客））
（２）さらに、購入金額基準を加える
a) 初回購入日から最終購入日までの日数の差：90日以上
＆購入金額が70,000円未満
：コツコツ客
b) 初回購入日から最終購入日までの日数の差：90日以上210日未満
&購入金額が70,000円以上
：流行客
c)初回購入日から最終購入日までの日数の差：210日以上
&購入金額が70,000円以上
：優良顧客
（３）最終購入日から本日までの経過日数基準を加える
a) 最終購入日から本日までの日数の差：240日未満
：既存顧客
b) 最終購入日から本日までの日数の差：240日以上
：離脱客
F2転換商品・初回チャネル単位でのLTV最大化傾向
Tableau（タブロー）を使って、いつでも確実に
把握できる準備ができていると良いです。
（１）離脱客には帰ってこないそれなりの深い理由がある
（２）特に強いセグメントは何をやってもどんどん勝手に伸びていく
（３）現役優良客を徹底的に喜ばせると現役初回客が自然と増えることが多い
（４）スキルがもっとも問われるのは中長期的成長の鍵となるコツコツ客の育成