One to Oneマーケティングの実現に機械学習は不可欠
機械学習をデジタルマーケティングに活用すると、どういった効果が発揮されるのか。日本マイクロソフトの相澤氏は「効果的なプロモーションの実行を可能にする」と語る。
クラウド＆エンタープライズビジネス本部 相澤 克弘氏
パートナービジネス推進統括本部 田中 健太郎氏
かつてのマーケティングは、いかに幅広くリーチできるか、キャンペーンのPDCAを効率的に回すかといったことが重視された画一的なものであった。それが近年、マルチデバイス化やオム二チャネル、あるいは多様化するカスタマージャーニーなどの要因で次第に通用しなくなってきた結果、顧客一人一人を大切にするマーケティング、つまりOne to Oneマーケティングへとシフトする流れが生まれてきたのだ。
しかし、One to Oneマーケティングの実現には、顧客の購買データや趣味嗜好といった様々な情報を分析した結果から、「どのようなタイプの人なのか」「そのタイプの人たちは何に反応するのか」を理解する必要がある。加えて、顧客一人一人に対するアプローチの最適解を見極め、適切なコミュニケーションを図らなければならない。そのためには、「データ環境がきちんと整えられたプライベートDMP、その上での機械学習を活用したデータ分析が必須になる」と相澤氏は語る。
人力のデータ分析に限界が訪れる
同社で広告主としてデジタルマーケティングを推進する松田氏は、マーケターの抱えている課題について、「マーケターが扱うべきデータ量は完全に飽和している。最近マーケティングオートメーションの登場でマーケターの工数が減ると思われていますが、実際は多くの人的リソースを割いているのが現状」と話す。
例えば、広告キャンペーンひとつを取ってみても、プランニングに必要なデータを抽出し、比較・分析するシーンは多くみられる。松田氏と相澤氏によれば、こうした人間の経験と勘によって行われる比較・分析においても、機械学習を適用することができるという。
「昔はCTRとかCPAといった指標だけだったものが、昨今ではビューアビリティやLTVなど見るべき指標もカスタマージャーニーが複雑になったことで、多様化しています。もうマーケターの力のみでは、手に負えないので、機械学習がとても役立ちます」（松田氏）
「データの必要性や優先度合いも、機械学習によるスコアリングで導き出すことができます。また、ユーザーグループごとの相関を見てどの時間帯・商品に反応するかということを導き出すことも可能です。今は個々のテクノロジーが進化しているものの、それぞれが分断化していて局所的にしか効果を高めることができない。その上、得られたデータを比較・分析するといったマーケターの負担が増えるという悪循環が起きています。
そのため、プライベートDMPにデータを集約し、機械学習を活用して分析すれば、人力では得られない分析結果が得られる。そして、Microsoft Azure（以下、Azure）とAzureの機械学習ソリューション、Azure Machine Learning（以下、Azure ML）であればその環境を実現することができます」（相澤氏）
