マーケティングにおけるAI活用~予測に活用できるデータの取得~
見出し画像

マーケティングにおけるAI活用~予測に活用できるデータの取得~

こんにちは。DXnoteです。

DXnoteでは、企業のDX推進に貢献するため、データ基盤(DWH/CDP)・マーケティング基盤(MA/接客など)の側面から情報発信をしていきます。
※更新情報はTwitterでもお知らせしています。
https://twitter.com/uncovertruth_

|予測に活用できるデータの取得

CDPを作っていれば、顧客に紐づくデータは基本的につながっていると思います。ただし、これから何を予測したいのか?によって、現状で取得できているデータだけでは足りない場合もあります。※CDPについてピンとこない方はこちらも併せてご覧ください。

今回は、わかりやすく解説するために、あえてマーケティングから離れた例を元に説明しますね。

例えば、あなたが中学校の先生だったとして、次のテストで赤点を取ってしまう生徒が誰か?を予測することを想像してみてください。先生としては自分の生徒が赤点をとらないように、赤点を取ってしまいそうな生徒を予測して、その生徒に対して積極的に声をかけ、サポートしようと考えていたとします。赤点を取りそうな生徒予測AIをつくるために、次のようなステップでデータの取得準備をします。

画像1

出典 著者名:小畑 陽一 (著), 菊池 達也 (著), 仁藤 玄 (著) 書名:ユーザー起点マーケティング実践ガイド 出版社:マイナビ出版社 出版年:2021 該当ページ:150

|予測に効きそうなデータを洗い出してみる

まず、「予測に効きそうなデータ」を洗い出してみましょう。赤点を取りそうな生徒は以下の点において「特徴」が表れるのではないでしょうか。

赤点を取りそうな生徒に特徴が現れそうな項目例
・前回のテストの点数
・遅刻回数
・宿題の提出回数
・授業中の質問回数
・授業中に眠っている回数
・ノートの記入ページ数
・通塾の有無
・所属部活動
・自宅での勉強時間
・志望校 etc

|そのデータの取得ができるのか、を確認する

そもそもデータを取得しないことには、どんなに「予測に効きそうなデータ」だとしても活用できませんね。予測に効きそうなデータを洗い出せたら「そのデータは取得できるのか」を確認してみましょう。

例えば「自宅での勉強時間」を把握しようとしても、各生徒に報告してもらわない限り把握は難しいでしょうし、その生徒が正確な時間を答えてくれているかの判断も難しいでしょう。また、ほかの先生が教えている授業での質問回数などはその先生に聞かないとわからないし、その先生が生徒ごとの発言数をカウントしていなかったらそのデータの取得は難しいですよね。

特徴を捉えるために必要だと思うデータについては、それが取得できているのか、できていないのであれば、どうしたら取得できるのかを考えなくていく必要があります。

|取得するデータの優先度を決める

「データが取得できるのか」を確認したら「データの優先度」を決めて取得の準備を行います。

例えば、赤点を予測する上で「授業中の質問回数」は全く相関がないかもしれませんし、遅刻回数も「直近1ヵ月」であれば相関はあるかもしれませんが「半年間」などでは予測に効かないかもしれません。

思いついたデータをすべて集められればもちろん良いのですが、集めるデータが増えれば増えるほど、データを集めたり管理したりするコストも大きくなっていくものです。コストや手間の観点を鑑みて、予測の精度を高めるために本当に必要なデータは何なのかを確かめたいですね。

どのデータを優先的に取得すべきなのかは、まずは少量のデータでも良いので試しに集めてみて相関を確認しておくのがおススメです。もしデータがどうしても取得できない場合は、仮説をベースに優先度を決めていくこともあります。マーケティングの現場では、新たなデータを取得するにはシステムを変更しなければならないなど、時間やコストがかかることもあります。

そのため、新たに把握したいデータは取得しやすいのか、取得できたときにどういった予測に活用できそうか、その予測ができた場合にどれくらいビジネスインパクトがあるかなどを考慮し、優先度を決めて新規データの取得設計をしていくことが必要です。

|マーケティング活用における予測目的

マーケティングにおいてどのような予測をするか、その目的はさまざまです。予測目的とその予測結果を活用したアプローチの例を以下にまとめてみました。

画像2

上記はあくまでも一例で、それぞれの企業ごとに抱えている課題や実現したい予測目的はさまざまです。また、何でもかんでも予測できるわけではなく、予測目的や活用できるデータによっては予測の難易度が高かったり、予測自体が不可能なこともあります。

事前に顧客の属性や行動を分析・把握して、その目的に対して顧客の属性・行動傾向がデータに表れそうかを確認しつつ、予測目的を選択していけると良いですね。

 ーーー

次回は予測AIの基本&AI構築ツールについてのnoteを書こうと考えています。それはまた次回のnoteでお会いしましょう!

✏この記事の著者✏

画像3

小畑 陽一(オバタ ヨウイチ)
株式会社UNCOVER TRUTH 取締役 COO
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
music.jpやルナルナを手がけるエムティーアイ社出身。ソリューション事業責任者として、大手企業向けモバイルサイト構築ソリューションで、国内ナンバーワンのASPサービスを展開。2014年、取締役として株式会UNCOVER TRUTHの取締役COOとして経営に参加。経営・事業戦略とマーケティングを管掌。ad:tech Tokyo / Kyushu、宣伝会議、MarkeZine、Web担当者フォーラムなど講演活動多数。
著書:『ユーザー起点マーケティング実践ガイド』(CDP専門書籍)






最後までお読みいただきありがとうございます!UNCOVER TRUTHのニュース、更新情報をTwitterで発信しています。

ありがとうございます。よろしければシェアもお願いします♬
CRMエージェンシーとして、クライアント企業のオンラインとオフラインの統合データ分析・コミュニケーション施策立案・実行PDCA運用などのデジタルマーケティング活動支援を行うUNCOVER TRUTHがノウハウや実例を織り交ぜてお届けする、DXマーケ担当者を応援するメディアです。