# ============================================ # カスタマージャーニーマップの作成と分析 # ============================================ # カスタマージャーニーマップとは？ # → 顧客が商品・サービスに出会い、購入・利用するまでの # 体験を可視化したもの # → 各段階での感情、行動、タッチポイントを整理 # → 改善すべきポイント（ペインポイント）を特定 import pandas as pd import numpy as np class CustomerJourneyMap: “”” カスタマージャーニーマップを管理するクラス 使い方: 1. ペルソナを指定してインスタンス作成 2. 各段階（認知、検討、購入…）を追加 3. マップを生成して改善ポイントを特定 “”” def __init__(self, persona_name, persona_description): “”” Parameters: ———– persona_name : str – ペルソナの名前 persona_description : str – ペルソナの特徴 “”” self.persona_name = persona_name self.persona_description = persona_description self.stages = [] # 各段階の情報を格納 def add_stage(self, stage_name, actions, touchpoints, emotion_score, pain_points, opportunities, metrics): “”” ジャーニーの段階を追加 Parameters: ———– stage_name : str – 段階名（認知、検討、購入など） actions : list – 顧客の行動（何をするか） touchpoints : list – タッチポイント（企業との接点） emotion_score : int – 感情スコア（-3〜+3） +3: とても満足、0: 普通、-3: とても不満 pain_points : list – ペインポイント（課題、不満） opportunities : list – 改善機会 metrics : dict – 関連するデータ指標 “”” self.stages.append({ ‘stage’: stage_name, ‘actions’: actions, ‘touchpoints’: touchpoints, ‘emotion’: emotion_score, ‘pain_points’: pain_points, ‘opportunities’: opportunities, ‘metrics’: metrics }) def generate_map(self): “”” ジャーニーマップを生成 登録されたすべての段階を時系列で出力し、 各段階の行動、タッチポイント、感情、 ペインポイント、改善機会を表示する “”” print(“=” * 70) print(f”カスタマージャーニーマップ”) print(“=” * 70) print(f”\n【ペルソナ】{self.persona_name}”) print(f” {self.persona_description}”) # 各段階をループ処理 for stage in self.stages: print(f”\n{‘─’ * 70}”) # 感情スコアを視覚的な表示に変換 emotion_bar = self._emotion_to_bar(stage[‘emotion’]) print(f”◆ {stage[‘stage’]} 段階 感情: {emotion_bar}”) print(f”{‘─’ * 70}”) # 顧客の行動（この段階で何をするか） print(f”\n【行動】”) for action in stage[‘actions’]: print(f” ・{action}”) # タッチポイント（企業との接点） print(f”\n【タッチポイント】”) for tp in stage[‘touchpoints’]: print(f” ・{tp}”) # ペインポイント（課題・不満） print(f”\n【ペインポイント】”) for pp in stage[‘pain_points’]: print(f” ⚠ {pp}”) # 改善機会 print(f”\n【改善機会】”) for opp in stage[‘opportunities’]: print(f” → {opp}”) # データ指標 # .items(): 辞書のキーと値をペアで取得 print(f”\n【データ指標】”) for key, value in stage[‘metrics’].items(): print(f” {key}: {value}”) def _emotion_to_bar(self, score): “”” 感情スコアを視覚的なバーに変換 Parameters: ———– score : int – 感情スコア（-3〜+3） Returns: ——– str – 絵文字と星で表現した感情状態 “”” if score >= 2: return “😊 ★★★★★ (とても満足)” elif score == 1: return “🙂 ★★★★☆ (満足)” elif score == 0: return “😐 ★★★☆☆ (普通)” elif score == -1: return “😕 ★★☆☆☆ (不満)” else: return “😫 ★☆☆☆☆ (とても不満)” def identify_critical_points(self): “”” 重要な改善ポイントを特定 感情スコアが0以下の段階を抽出し、 優先的に対応すべきポイントを特定する Returns: ——– list – 重要改善ポイントのリスト “”” print(“\n” + “=” * 70) print(“【重要改善ポイント分析】”) print(“=” * 70) # リスト内包表記で感情スコアが低い段階を抽出 # s[‘emotion’] <= 0: 普通以下の感情状態 critical = [(s['stage'], s['emotion'], s['pain_points']) for s in self.stages if s['emotion'] <= 0] if critical: print("\n⚠ 感情スコアが低い段階:") # sorted(): 感情スコアが低い順にソート for stage, emotion, pains in sorted(critical, key=lambda x: x[1]): print(f"\n {stage}段階 (スコア: {emotion})") for pain in pains: print(f" ・{pain}") return critical # ============================================ # ECサイトのカスタマージャーニーマップを作成 # ============================================ # 顧客が商品を認知してから推奨するまでの # 体験を段階ごとに整理する # 1. ペルソナを指定してインスタンス作成 journey = CustomerJourneyMap( persona_name="田中花子（30代女性会社員）", persona_description="都内在住、年収500万、仕事が忙しく時短ニーズが高い" ) # ============================================ # 2. 各段階を追加 # ============================================ # add_stage()で認知→検討→購入→利用→推奨の各段階を定義 # 認知段階：商品を知る journey.add_stage( stage_name="認知", actions=["Instagram広告を見る", "Google検索する", "友人のSNS投稿を見る"], touchpoints=["SNS広告", "Google広告", "インフルエンサー投稿"], emotion_score=1, # 満足 pain_points=["広告が多すぎて信用できない"], opportunities=["実際のユーザーレビュー掲載", "インフルエンサー活用"], metrics={"クリック率": "2.0%", "CPC": "¥120", "リーチ数": "100,000"} ) # 検討段階：購入を検討する journey.add_stage( stage_name="検討", actions=["商品ページを閲覧", "レビューを確認", "比較サイトを見る"], touchpoints=["Webサイト", "レビューサイト", "SNS"], emotion_score=0, # 普通 pain_points=["商品情報が不足", "比較が難しい", "サイズ感が分からない"], opportunities=["詳細な商品説明", "比較表作成", "動画コンテンツ"], metrics={"訪問数": "10,000", "直帰率": "60%", "平均滞在": "2分30秒"} ) # 購入段階：実際に購入する（⚠ ペインポイント多い） journey.add_stage( stage_name="購入", actions=["カートに追加", "会員登録", "決済情報入力", "注文確定"], touchpoints=["ECサイト", "決済ページ", "確認メール"], emotion_score=-1, # 不満 ← ここが改善ポイント！ pain_points=["会員登録が面倒", "入力項目が多い", "送料が高い"], opportunities=["ゲスト購入導入", "入力項目削減", "送料無料ライン設定"], metrics={"CVR": "2.0%", "カゴ落ち率": "70%", "平均購買額": "¥8,500"} ) # 利用段階：商品を使う journey.add_stage( stage_name="利用", actions=["商品受け取り", "開封・使用開始", "使い方を調べる"], touchpoints=["配送", "同梱物", "サポートページ", "チャット"], emotion_score=1, # 満足 pain_points=["使い方が分からない", "期待と違う"], opportunities=["使い方動画", "チャットサポート強化", "同梱物の工夫"], metrics={"返品率": "3%", "問い合わせ率": "5%", "NPS": "+35"} ) # 推奨段階：他の人に勧める journey.add_stage( stage_name="推奨", actions=["リピート購入", "レビュー投稿", "友人に紹介"], touchpoints=["メール", "アプリ", "SNS", "紹介プログラム"], emotion_score=2, # とても満足 pain_points=["リピート購入の導線が分かりにくい"], opportunities=["ポイントプログラム", "紹介特典", "定期購入プラン"], metrics={"リピート率": "30%", "レビュー投稿率": "5%", "紹介率": "10%"} ) # マップ生成 journey.generate_map() # 重要改善ポイントの特定 journey.identify_critical_points()

# タッチポイント別の効果測定 def analyze_touchpoints(touchpoints_data): “””タッチポイント別の効果を分析””” print(“=” * 60) print(“タッチポイント効果分析レポート”) print(“=” * 60) results = [] for name, data in touchpoints_data.items(): contacts = data[‘接触数’] cvr = data[‘CVR’] cost = data[‘コスト’] conversions = contacts * (cvr / 100) cpa = cost / conversions if conversions > 0 else float(‘inf’) roas = (conversions * data.get(‘平均購買額’, 8500)) / cost if cost > 0 else float(‘inf’) results.append({ ‘タッチポイント’: name, ‘接触数’: contacts, ‘CVR(%)’: cvr, ‘CV数’: int(conversions), ‘コスト’: cost, ‘CPA’: int(cpa) if cpa != float(‘inf’) else 0, ‘ROAS’: round(roas, 2) if roas != float(‘inf’) else 0 }) # CPAでソート results_sorted = sorted(results, key=lambda x: x[‘CPA’] if x[‘CPA’] > 0 else 999999) print(“\n【タッチポイント別効果（CPA順）】”) print(“-” * 60) for r in results_sorted: print(f”\n◆ {r[‘タッチポイント’]}”) print(f” 接触数: {r[‘接触数’]:,} CVR: {r[‘CVR(%)’]:.1f}%”) print(f” CV数: {r[‘CV数’]:,} コスト: ¥{r[‘コスト’]:,}”) print(f” CPA: ¥{r[‘CPA’]:,} ROAS: {r[‘ROAS’]:.1f}倍”) # 推奨アクション print(“\n” + “=” * 60) print(“【推奨アクション】”) print(“-” * 60) best = results_sorted[0] worst = results_sorted[-1] print(f”\n✅ 強化推奨: {best[‘タッチポイント’]}”) print(f” → CPAが最も低く効率的。予算増額を検討”) print(f”\n⚠️ 改善/見直し: {worst[‘タッチポイント’]}”) print(f” → CPAが高い。最適化 or 予算削減を検討”) return results_sorted # タッチポイントデータ touchpoints = { ‘SNS広告’: {‘接触数’: 100000, ‘CVR’: 0.5, ‘コスト’: 500000, ‘平均購買額’: 8500}, ‘Google検索’: {‘接触数’: 50000, ‘CVR’: 3.0, ‘コスト’: 300000, ‘平均購買額’: 8500}, ‘レビューサイト’: {‘接触数’: 30000, ‘CVR’: 5.0, ‘コスト’: 50000, ‘平均購買額’: 8500}, ‘メール’: {‘接触数’: 20000, ‘CVR’: 8.0, ‘コスト’: 30000, ‘平均購買額’: 8500}, ‘リターゲティング’: {‘接触数’: 15000, ‘CVR’: 4.0, ‘コスト’: 200000, ‘平均購買額’: 8500}, } results = analyze_touchpoints(touchpoints)

# ペインポイントの優先順位付け def prioritize_improvements(pain_points): “””ペインポイントを優先順位付け””” print(“=” * 60) print(“改善施策優先順位マトリクス”) print(“=” * 60) # スコア計算（影響度×(4-難易度)で優先度算出） priority_map = { (‘高’, ‘低’): (‘最優先’, 1), (‘高’, ‘中’): (‘高’, 2), (‘中’, ‘低’): (‘中’, 3), (‘高’, ‘高’): (‘中’, 4), (‘中’, ‘中’): (‘低’, 5), (‘低’, ‘低’): (‘低’, 6), (‘中’, ‘高’): (‘保留’, 7), (‘低’, ‘中’): (‘保留’, 8), (‘低’, ‘高’): (‘見送り’, 9), } results = [] for pp in pain_points: key = (pp[‘影響度’], pp[‘難易度’]) priority, score = priority_map.get(key, (‘未定’, 99)) results.append({ **pp, ‘優先度’: priority, ‘スコア’: score }) # 優先度順にソート results_sorted = sorted(results, key=lambda x: x[‘スコア’]) print(“\n【優先順位リスト】”) print(“-” * 60) for i, r in enumerate(results_sorted, 1): print(f”\n{i}位: [{r[‘優先度’]}] {r[‘段階’]}段階”) print(f” 課題: {r[‘ペイン’]}”) print(f” 施策: {r[‘施策’]}”) print(f” 影響度: {r[‘影響度’]} 難易度: {r[‘難易度’]}”) print(f” 影響顧客: {r[‘影響顧客’]:,}人”) return results_sorted # ペインポイントデータ pain_points = [ { ‘段階’: ‘認知’, ‘ペイン’: ‘広告が信用できない’, ‘施策’: ‘実ユーザーレビュー掲載’, ‘影響度’: ‘中’, ‘難易度’: ‘中’, ‘影響顧客’: 10000 }, { ‘段階’: ‘検討’, ‘ペイン’: ‘商品情報が不足’, ‘施策’: ‘詳細説明・比較表作成’, ‘影響度’: ‘高’, ‘難易度’: ‘低’, ‘影響顧客’: 6000 }, { ‘段階’: ‘購入’, ‘ペイン’: ‘会員登録が面倒’, ‘施策’: ‘ゲスト購入導入’, ‘影響度’: ‘高’, ‘難易度’: ‘低’, ‘影響顧客’: 1200 }, { ‘段階’: ‘利用’, ‘ペイン’: ‘使い方が分からない’, ‘施策’: ‘使い方動画作成’, ‘影響度’: ‘中’, ‘難易度’: ‘低’, ‘影響顧客’: 360 }, ] prioritized = prioritize_improvements(pain_points)