SHOEISHA iD

※旧SEメンバーシップ会員の方は、同じ登録情報(メールアドレス&パスワード)でログインいただけます

新着記事一覧を見る

おすすめのイベント

おすすめの講座

おすすめのウェビナー

マーケティングは“経営ごと” に。業界キーパーソンへの独自取材、注目テーマやトレンドを解説する特集など、オリジナルの最新マーケティング情報を毎月お届け。

『MarkeZine』(雑誌)

第107号(2024年11月号)
特集「進むAI活用、その影響とは?」

MarkeZineプレミアム for チーム/チーム プラス 加入の方は、誌面がウェブでも読めます

MarkeZine Day 2016 Spring(AD)

機械学習、活用のコツは「データを集め、正しく問いかけること」 マーケターに必要な知識をSASが解説

 2016年3月3日に秋葉原コンベンションホールで開催された「MarkeZine Day 2016 Spring」。SAS Institute Japanの津田 高治氏によるセッションでは、「機械学習によるマーケティング・アナリティクス革新~簡単操作で予測分析からテキスト分析、画像認識まで」と題し、マーケターにとって難解な機械学習の活用方法と必要なマインドセットに関して解説した。

機械学習は何のためにあるのか?

 数十年前から機械学習テクノロジー製品を提供してきたSAS Institute Japan(以下、SAS)は、機械学習をビジネス価値につなげることにフォーカスして大幅な強化・拡張を続けている。現に、Fortune 500のトップ100社中90社がSASを採用しており、世界中で80,000サイトの導入実績を誇る、アナリティクス・ソフトウェアとサービスのリーディング・カンパニーだ。

 そんなアナリティクス・ソリューションを先進的に提供してきた同社から見て、「昨今、マーケティングの文脈で語られる機械学習の話では『そもそも機械学習とは何をやるためのものなのか』という話が抜け落ちています」と津田氏は語る。

SAS Institute Japan株式会社 アナリティクスビジネス開発
シニア・プリセールス・コンサルタント 津田 高治氏

 「機械学習において、人間がやるべきことは“問いかけること”、“データを準備すること”の2つのみ。もちろんデータマイニングや統計ソフトを使わずに、人間が経験や勘をもとに予測することもできます。ただ機械学習によって、より高精度で予測し、詳細に説明できるのであれば、使うべきだと思うのです」(津田氏)

 また、予測に機械学習を活用した効果として、津田氏は海外小売業におけるクーポンの利用率を例に挙げた。

 「ある企業で、データ分析をせずクーポン配布を行ったところ、利用率は1%未満でした。さらにその結果に基づいて配布時間や内容を改善したことで、利用率を6%から10%まで向上させることができました。しかし機械学習で顧客の購買行動を分析し、予測された最適なタイミングでクーポン配布を行った結果、利用率を25%まで大幅に向上することができました。

 つまり、ロジックに基づいて予測をすれば、確実に成果を伸ばすことができる。こういった事例からも、機械学習の必要性を実感していただけるのではないでしょうか」(津田氏)

マーケターに必要なのは「問いかける」こと

 機械学習の詳細について触れる前に、データ分析や統計モデルについての理解確認として津田氏は次の資料を提示した。

ワインの価格を決定づける統計モデル:クリックで拡大
出典:『その数学が戦略を決める』(イアン・エアーズ)

 統計モデルの入門としてよく引き合いに出される、アッシェンフェルター氏が提唱したワインの価格を決定づけるモデルだ。この式ができる以前、ワインの価格は評論家による定性的な味の評価によって決まっていたが、この式の登場をきっかけに定量的な価格設定が行われるようになった。

 「なんだか難しそうな式だなと思われるかもしれませんが、とても簡単です。数式を読み解く際、重要なのは符号を見ることです。実際に計算式を見てみると、“冬の降雨量” は係数の前がプラス(+)になっているため、冬に雨がたくさん降るとワインの価格が高くなるということがわかります。逆に収穫期の降雨量はマイナス(-)になっているので、収穫期に雨が降るのは価格が下がる要因になるということですね」と津田氏は解説した。

 データが大切だと言われる所以は、こうした数式を立てるための十分な説明変数(ここでは冬の降雨量や気温など)を取ってくる必要があるからだという。画像の右側にあるグラフを見てもらいたい。青色の実線が数式による理論値を表し、赤色の×印が様々なワインの実測値を表している。数式を立てた上で数字を当てはめたときに、すべてのデータが青色の直線上に乗っていたら、その計算式、つまり統計モデルは「超精確」であるのに対し、線上からやたらに離れたデータが散見されると「不精確」であるとされる。「この統計モデルの精確さを確認する作業をデータサイエンティストは日々繰り返している」と津田氏は説明した。

●機械学習を導入、活用するコツを海外企業の事例を基に解説したホワイトペーパーが今ならダウンロードできます。詳細はこちら

次のページ
精確性を高めマーケティングに貢献する

この記事は参考になりましたか?

  • Facebook
  • X
  • Pocket
  • note
関連リンク
MarkeZine Day 2016 Spring連載記事一覧

もっと読む

この記事の著者

野本 纏花(ノモト マドカ)

1983年生まれ。成蹊大学経済学部卒業。大学卒業後、大手IT企業にてレンタルサーバーサービスのマーケティングを担当。その後、モバイル系ベンチャーにてマーケティング・プロダクトマネージャーを務める傍ら、ライター業を開始。旅行関連企業のソーシャルメディアマーケターを経て、2011年1月Writing&Marketing Com...

※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です

【AD】本記事の内容は記事掲載開始時点のものです 企画・制作 株式会社翔泳社

この記事は参考になりましたか?

この記事をシェア

MarkeZine(マーケジン)
2016/04/15 10:00 https://markezine.jp/article/detail/24178

Special Contents

PR

Job Board

PR

おすすめ

イベント

新規会員登録無料のご案内

  • ・全ての過去記事が閲覧できます
  • ・会員限定メルマガを受信できます

メールバックナンバー

アクセスランキング

アクセスランキング