自社データの活用目的を見極めることが、機会損失を防ぐ

　現在“ビッグデータ”と表されるものには、数値で整理できる「構造化データ」と、テキストのような数値化できない「非構造化データ」が含まれる。「ネットが普及する中で、これからも大量に得られるこうしたデータが、大きな経営資源になることは間違いありません」と、ブレインパッドの杉原洋輔氏は話す。

　しかし、蓄積可能なデータが増大する一方で、分析可能なデータ量はそれに追いついておらず、ギャップが拡大している。「目的を明確にした上で自社のデータ活用を推進していかなければ、合理的また効率的な意思決定の機会損失が起きてしまいます」と杉原氏。130名のスタッフのうちに約50名のデータ分析官を抱えるブレインパッドでは、こうしたロスを防ぐために、データマイニングツール「KXEN InfiniteInsight」（ケーエックスイーエヌ インフィニットインサイト）の提供や各種分析・ソリューション事業を展開している。

　ソーシャルメディアの普及などにより、非構造化データである言語情報にも注目されているが、ブレインパッドの東一成氏は「まだまだ構造化データを活かしきれている企業は多くない」と指摘する。杉原氏は、構造化データの活用の特徴について次の3点を挙げる。

データ収集から分析、施策立案、効果検証までが1サイクル

　顧客データや購買データなど、会員制度を持つ小売業態であればどの企業でも有しているような一般的なデータでも、こうした3点に注目することで、まだ多くの知見を掘り起こすことができる。では、具体的に構造化データはどのようなステップで活かしていけばいいのだろうか？

　まず、1つめのポイントはデータ収集。マーケティングに活用できるデータウェアハウスを作ること。顧客データや購買データ、メールのレスポンスやWebのアクセスデータなどを統合し、分析の元になるデータ群を分析ツールに蓄積する。

　次のポイントはデータ分析。単純な集計や統計分析からデータマイニングまで、手法はさまざまだが、「集計や統計分析は、ある程度、人が仮説を立てて処理をする必要があります。一方データマイニングは、仮説がなくてもユーザーの特徴からグループを抽出することなどが可能です」と東氏は解説する。

　そして3つめのポイントは、施策を実行し評価すること。当然、このステップが実際の成果を獲得するフェーズであると同時に、立てた仮説や分析結果の活かし方が正しいのかを確認し、また次の分析や施策へとつなげるための重要な段階になる。

「テーマの明確化」がビッグデータ活用の要

　「今や多くの企業が分析ツールの導入を検討し、ビッグデータを活かそうとしています。それがうまくいっていない理由の一つは、分析テーマが明確化されていないことです」と、杉原氏は指摘する。

　データが膨大なだけに、「顧客をセグメントに分けたい」「優良顧客の定義を明らかにしてCRMにつなげたい」といった大きなテーマでは、なかなか分析の仕方や施策の方向性が定まらない。そこでブレインパッドでは、「テーマの明確化」をビッグデータ活用のポイントに挙げている。

　データマイニングツールは、高速でデータの法則や特徴を見つけ出してくれるが、優良顧客になる条件や顧客セグメントを定義してくれるわけではない。そこで、何をしたいかというテーマを事前に見据えておく必要がある。例えば「初回購入の顧客が2回目にも購入する確率を出し、それが4％以上の人にクーポンを出す」「過去に未購入の商品から次に買う確率が高い商品を5個ピックアップし、レコメンドする」などだ。これらのテーマのうち、分析に関わる部分はツールを操作することで短時間にデータを得ることができる。

　分析には、顧客マスター（個人情報は不要）と購買履歴のほかに、商品情報、Webアクセスログ、それからソーシャルメディア上の情報や位置情報データなどを利用できるが、「顧客マスターと購買履歴があれば、「KXEN InfiniteInsight」でかなり詳細な知見を得られる」と東氏は話す。

過去のデータを未来の購買促進に活かす

　具体的には、まず顧客一人ひとりに対していつ何を購買したかをひもづけ、購入履歴から商品別や月別の売上金額を集計し、すべて一行にまとめてAR（Analytical Record）を構築する。単なる集計ではなく、各顧客の動きやパターンを表現したARデータを分析すれば、顧客行動の傾向を導き出すことができる。そうすると、その傾向から未来予測をすることが可能になる。

　「例えば、ある属性である行動を取った人が商品Aを買う確率が高かったとすると、顧客データの中からその属性と行動に該当する人を抽出し、商品Aをレコメンドします。そうすることで、やみくもにレコメンドするよりもはるかに高い確率で売上を上げることが望めます。こうした形で、過去のデータを未来の購買促進に活かすことができます」（東氏）

　ここからは、実際に「KXEN InfiniteInsight」を活用して成果を挙げている企業の事例が紹介された。まず挙げられたのは、全国に4,500の支店と12万人の販売員を擁する国内大手化粧品メーカーの事例だ。訪問販売が特徴であり、700万件もの購買データを蓄積していたが、予測分析を実施してデータを販売活動に活用することが十分にできていなかった。そこで「KXEN InfiniteInsight」を使って20万人の顧客一人ひとりに最適なレコメンド商品を分析し、営業支援として販売員に提供。新人でも成果を出せるようになり、売上が3％向上したほか、販売員のモチベーションも上がったという。

多岐にわたる顧客層を整理、キャンペーンを自動化

　事業者向けに、300万点もの工具や部品を扱う大手MRO通販企業は、60万の顧客、1,200万件以上の購買情報という膨大なデータをより有効に活用していくことに課題を抱えていた。特に、自動車整備工場から食品加工所、農業研究所など、顧客の業種の幅が多岐にわたるため、施策を検討するための分析データを整備するだけでも膨大な時間がかかってしまっていたという。

　「特価キャンペーンを毎日行っていましたが、顧客層が幅広いことから、ニーズにまったく合わないものも出してしまっている状況でした。それを整理し、予測モデル構築を自動化して、キャンペーン管理ソリューションに統合。ターゲットにしっかり合ったキャンペーンを、自動で年間500以上も実施できるようになり、売上増につながりました」（東氏）。顧客の状況もそれぞれ異なるため、EメールやFAX、カタログ、Webサイトなどマルチチャネルでの展開も奏功した。

　ほかにも、世界最大級の金融サービスとして約5,800万人の顧客を抱える米国大手金融機関が、予測分析により顧客の流出を防いでいる事例などが紹介された。顧客が多いほど、当然ながら顧客の属性や購買・行動データは膨大になる。「それを扱う時間を短縮し、人的な負荷を減らせることも、ツール導入の大きなメリット」と杉原氏は話す。

ネットワーク分析を活用し、適切なレコメンドを実現

　さらなる最新の分析として、東氏は顧客同士や商品同士の関連性の活用を挙げる。「KXEN InfiniteInsight」の「ネットワーク分析」モジュールを使うことで、顧客同士のネットワークを形成し、似ている傾向の人を抽出することで、ニーズの高い商品を洗い出すことができる。また、顧客同士の分析だけでなく、商品やジャンルを切り口に関連性を見ることも可能だ。

　フランスの映画・動画コミュニティサイトでは、ネットワーク分析を活用して適切なレコメンドを実現。PV数や広告収入を10％前後に伸長させた。「アクセスログから200万人以上の登録ユーザーの好みを分析し、1人1人に最適なレコメンドを行いました。また、アクセスログが十分に取得できない未公開の作品も、監督や出演俳優などの作品属性から作品同士の関連性の強さを分析してレコメンドが可能なため、目に見える成果につながりました」と東氏は語る。

　このように、扱うデータソースはシンプルだが精度の高い分析によって購買予測を導いたり、あるいは顧客同士、商品同士の関連性をもって適切なレコメンドを行ったりと、ただ蓄積しているだけのデータからまだまだ成果を引き出すことができる。ブレインパッドでは、「KXEN InfiniteInsight」のほかにも、データウェアハウス構築やキャンペーン管理ツールなども提供しているほか、約50名在籍するデータサイエンティストによる分析作業そのものの受託サービスも実施している。適切な組み合わせによって、まだ可能性を引き出しきれていない蓄積データを存分に活かすことで、ビジネスで目に見える大きな成果を残せるだろう。