カニバリゼーションの測定（実績データは見えなかったが・・・）

みなさんの会社でも連休中にチラシを配布したり、クーポンによる販促など売上促進にまい進したのではないでしょうか？

さて、連休後に店舗の販売実績や工場の生産実績などの「振り返り」をしてみるといろいろなことがわかります。

具体的には、同じ5月3日、5月4日、5月5日であっても、店舗によって客数のバラツキ、同一商品の売上にバラつきが出ているでしょう

これを店舗別に『売上ベスト10商品』といった一覧表をExcelでつくって共有するのもよいことです。

しかし、BEST10がわかったから・・次にどのように活かすのでしょうか？

次の行動をうみださないデータ分析は洞察（インサイト）にかけているのかもしれませんね

たとえば、ある和菓子製造販売業A社では同じ和菓子αという商品を店舗間で比較してみるときに、PI（ﾊﾟｰﾁｪｽｲﾝﾃﾞｯｸｽ）で比較しています

例）PI（ﾊﾟｰﾁｪｽｲﾝﾃﾞｯｸｽ）で比較してみる

-店舗　-販売実績　-客数　-PI

大宮店　92　　　　801　　114.9

越谷南店　81　　　498　　162.7

同じ商品αの販売実績データでも実数だけをみていては誤解が生まれるか、独善的に判断しかねません

販売実績/客数*1000≒PI

客数1000人あたりの販売数にしてみれば、比較しやすくなります。

越谷南店では「手配りで試食品」をお客様に毎日数百もの試食品を準備してお客さまにアピールしました。

結果がでています。みなさんの会社でもPI値をうまく比較、構成、変化を捉えるのに使っていますでしょうか？

さて、この和菓子製造販売業A社では同じ「カテゴリ-和菓子」という中の3商品（ここではα1、β2、γ3としておきます）をチラシ商材として、重点販売につとめました。

結果はα1、β2が昨年同期比で200％達成、γ3だけが98％と昨年割れしてしまいました

実績だけを見ると3商品とも正の相関関係をもっているように見えます

しかし—-PIの値を使って相関関係を見た場合にα1、β2とγ3の間にマイナスの相関関係が浮かび上がってきました

これがカニバリゼーションというやつです。

α1、β2が価格を落としたわけではないのですが・・・結果はこうなりました

交差弾力性という概念もあるのですが・・・カニバリゼーションもビッグデータの中で探る必要があります