1. イントロダクション：データ分析の視点が変わる「瞬間」
お店の売上データを見ていて、「今日はパンが100個売れた」という数字だけで満足していませんか？ 確かに売れた事実はわかります。しかし、その「100個」は、100人の「隣人」が1個ずつ買ったのでしょうか？ それとも、1人の「大ファン」が100個買ったのでしょうか？
実は、従来の「POS分析」だけでは、この違いを見抜くことができません。POSデータはあくまで「レシートの記録（商品の動向）」、いわば「モノの動き」の集計に過ぎないからです。
これに対し、会員カードなどで「誰が買ったか」を紐付けたものが「ID-POSデータ」です。これは単なる数字の羅列ではなく、レシートの向こう側にいる**「人の暮らしの記録」**です。お客様を「透明な数字」から「血の通った人間」へと変える。この視点の転換こそが、商売を最高に面白くする瞬間なのです。
2. 「点」の分析から「線」の分析へ：POSとID-POSの比較
まず、データ構造がどのように変化するのかを整理しましょう。最大の違いは、売上の構成要素である「客数」の捉え方にあります。
分析手法 売上の構成式 「客数」の正体 分析の視点
POS分析 売上 ＝ 客数 × 客単価 レシートの枚数<br>（決済の回数）
商品がその瞬間に「何個」売れたかという**「点」の視点**
ID-POS分析 売上 ＝ ID客数 × 頻度 × 客単価 ユニーク客数（何人）<br>と頻度（何回）
顧客が期間内に「どう」動いたかという**「線」の視点**
分析の解像度を上げるヒント
POS分析での客数は、あくまで「レシートが何枚出たか」を指します。しかしID-POS分析では、客数を**「ID客数（何人のお客さまが来たか）」と「頻度（その人は1ヶ月に何回来店したか）」**に切り分けます。
「売上が上がったのは、新しいお客さんが増えたから（ID客数の増加）なのか、いつもの常連さんがもっと頻繁に来てくれるようになったから（頻度の増加）なのか」。これが見えるだけで、私たちが明日打つべき「次の一手」は劇的に変わります。
3. 「頻度」という魔法の杖：鈴木さんと佐藤さんの例
「頻度」が見えるようになると、レシートの見え方はどう変わるでしょうか。10月1日から7日までの購入例で、データが「人の体温」を帯びる様子を見てみましょう。
- POSデータで見た場合（顧客が「透明」な状態）
- 結果： 商品Xが4回、商品Yが4回売れた。
- 限界： 「4回の購入」が別々の4人によるものか、1人のリピートかは誰にもわかりません。
- ID-POSデータで見た場合（顧客が「人間」になる状態） ID（名前）が紐付くと、鈴木さんと佐藤さんの顔が見えてきます。
- 鈴木さん： 10/1(X,Y)、10/3(Y)、10/5(X)、10/6(Y)に購入。<br>⇒ 商品Xを2回、商品Yを3回もリピート！ 鈴木さんはお店の強力なサポーターです。
- 佐藤さん： 10/2(X)、10/4(X)、10/7(Y)に購入。<br>⇒ 商品Xを2回、商品Yを1回購入！
「So What?」：なぜこれが重要なのか
頻度がわかれば、「たまたま1回買った人」と「お店を支えるファン」を明確に区別できます。データを通じて「いつもありがとうございます」と心の中で言えるようになる。これこそが、データ分析によって実現する「おもてなし」の第一歩なのです。
4. ARPU（アープ）の分解：売上を「面積」で最大化する
ID-POS分析の醍醐味は、1人あたりの売上を最大化する**ARPU（アープ）**という考え方にあります。
ARPU（Average Revenue Per User）とは？ 顧客1人あたりの平均売上金額のこと。 ARPU ＝ 頻度（何回） × 客単価（1回いくら）
ここで、売上を**「ID客数（横軸：広さ）」×「ARPU（縦軸：高さ）」の「面積」**としてイメージしてみてください。売上を伸ばすとは、この面積を広げる活動に他なりません。この視点で見ると、商品は以下の5つのタイプに分類できます。
- お店の看板娘：支持層が広い商品（タイプD）
- ID客数が最大。とにかく多くの顧客に愛されている定番品です。
- 絶対的エース：ロイヤリティが高い商品（タイプA）
- ARPUが最大。 「頻度」も「単価」も高く、特定のファンが何度も高単価で購入してくれる、商売の宝物です。
- こだわりの名脇役：ニッチな高単価商品（タイプE）
- ID客数は少ないがARPUは高い。一部のこだわり客に強く支持されています。
- 頼れる中堅：中間的な商品（タイプB）
- 客数・ARPUともに平均的。安定感のある商品群です。
- 成長期待株（あるいは見直し対象）：課題のある商品（タイプC）
- 客数もARPUも低い。配置を変えるか、役割を再検討する必要があります。
5. 「同時併買」と「期間併買」：時間の壁を超える分析
最後に、ID-POSだからこそできる「時間の経過」を捉えた分析を紹介します。
種類 概要 具体例と分析の意義
同時併買 同じレシート（同じ瞬間）に、XとYが一緒に買われること。 「カレー粉とジャガイモ」のように、今日の献立の工夫に繋がります。
期間併買 時間をまたいで、同じ人がXとYを買うこと。 「生活サイクル」が見える。
1日にシャンプーを買い、15日に詰替用を買うといった行動です。
分析の意義：ライフサイクルに寄り添う
期間併買がわかると、「この人は数日おきに牛乳を買うから、次はこれを勧めてみよう」といった**「顧客の生活の次」を予測**できるようになります。POSの限界だった「瞬間の分析」を超え、お客様の「暮らしのサイクル」に寄り添うことができる。これがID-POS分析の真の面白さです。
6. まとめ：データ分析の主役はいつも「人」である
ID-POS分析を学ぶことは、決して複雑な計算式を暗記することではありません。レシートの数字を、鈴木さんや佐藤さんの「生活の足跡」として読み解き、その向こう側にある**「お客様の暮らし」を想像する力を養うこと**です。
データは単なる数字ではありません。それは、私たちがもっとお客様を幸せにするための「声」なのです。明日からデータを見る際は、ぜひ以下の3つの視点を持って、レシートの向こう側の「笑顔」を想像してみてください。
💡 今すぐ意識できる「3つの視点」チェックリスト
- [ ] 誰の顔が見えるか？（その売上は「何人（ID客数）」によるものか？）
- [ ] どれだけ愛されているか？（そのお客さんは「何回（頻度）」来てくれているか？）
- [ ] 暮らしのサイクルは？（「期間併買」から、お客様の生活リズムが見えているか？）
noteで音声解説もどうぞ！！