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）
「Azure Machine Learning」は機械学習を民主化する
では、Azure MLにはどういった特徴があるのだろうか。相澤氏によれば、「Azure MLの特徴は、使いやすさにある」という。Azure MLは月々数千円から利用でき、申込後数分で使い始めることができる。また、Webブラウザ上で学習データや分析手法をドラッグ＆ドロップするだけで、機械学習のモデル作成が可能なため、コーディングができないマーケターでも、統計の基礎的な知識さえ得てしまえば十分に利用できるという。
更に、作成した分析モデルはWeb上に簡単に公開できるため、他のシステムやサービスとの機能連携もスムーズに行える。例えば、既存のECサイトにレコメンド機能を実装することも、Azure MLであれば比較的容易にできる。
「一般的なAIのしくみを動かすには、多額の費用と莫大な工数のシステムインテグレーションが必要になりますが、私たちの機械学習はデータさえ揃えてもらえればいい」と相澤氏は語り、Azureの優位性を強調した。
また、相澤氏は「Azure MLによって、今後は1人のスペシャリストが価値を出すよりも、一定の付加価値を出せる複数の担当者が組織的に動くことで、継続的に高い価値を出せるようになると考えています。量が質を凌駕する社会になってくる」と予想。
同社のパートナーマーケティングを担当する田中氏も「Azure MLを初めて使った時、こんなに簡単に機械学習モデルが作れるのかと自社製品ながら驚きました。これには、初めて機械学習を触る人向けに、サンプルやチュートリアルを充実させたという理由があります。機械学習における技術・知見・コストの障壁をAzure MLが大幅に下げることで、機械学習の民主化が進むのではと感じています」と展望を示した。
マクドナルドと「りんな」、「Pepper」に採用される機械学習
ここで、実際にAzure MLを活用した事例を2つ紹介したい。1つ目に紹介する事例は、北欧のマクドナルドで行われたモバイルアプリケーションのキャンペーンだ。同社がマスマーケティングからOne to Oneマーケティングにシフトしていく中で、北欧やイギリスで数百万人に対してモバイルアプリケーションを配布。ひとりひとりに「My McDonald’s ID」を発行した。
アプリの中には多種のクーポンが提供されており、キャンペーンに対する反応やクーポンの利用状況、購買情報といったデータが大量に集積された。そして、集まったデータをもとにAzure MLでレコメンデーションを行い、来店頻度の向上とアップセルを狙った。その結果、キャンペーンの参加率が従来の7倍に向上すると同時に、一人当たりの購入単価が47%上昇するという非常に大きな結果をもたらした。
もう1つは、日本マイクロソフト自身が、LINEの企業向けに提供しているAPI「LINE ビジネスコネクト」と検索エンジン「Bing」のディープラーニング技術、そしてAzure MLを組み合わせ開発した女子高生人工知能「りんな」の事例だ。
「りんな」はリリースから4ヶ月で、すでに185万人のユーザーを獲得。「“りんな”の凄いところは、会話を通じてコミュニケーションの精度を上げていく学習能力にあると思います。今後マーケティング領域でも、顧客とのエンゲージメント向上を目的とした活用を狙っている」と相澤氏は話す。
また、Azure MLとソフトバンクの人型ロボット「Pepper」を組み合わせ、店頭での接客を可能にするソリューション開発も現在行われている。このソリューションによって、Pepperはあらかじめ接客スキルを備えた接客員として店頭に配置されるようになり、また店頭での顧客行動やPOS売上などのデータを解析し、商品のレコメンドまでもPepperが行ってくれるという。
また将来的には日本語以外の多言語対応や、顧客の顔や音声を認識することでリピーターへのきめ細やかな接客なども実現可能になると同社では見込んでいる。ロボットが顧客を接客するという、まるで近未来のような話の背後にはAzure MLが大きな役割を担っているのだ。
モバイル戦略を支援するAzureの2つの機能
ここまで、機械学習を導入するメリットと事例について触れてきたが、そもそもマーケターの取り扱うデータ量はなぜ増えているのだろうか。その背景には、モバイルデバイス（以下、モバイル）の普及がある。企業と消費者のタッチポイントとしてモバイルの重要度は高まりをみせ、モバイルで取り扱われるデータ量も加速度的に増加している。
当然ながら、モバイルはマーケティング施策をプランニングする中では欠かせない。「素晴らしい顧客体験を提供し、顧客を自社のビジネスに引き寄せられるかが重要なポイントだ」と相澤氏は語る。特に、タッチポイントで顧客を深く知り、利用率を引き上げ、新しい仕組みに乗せていくことが、モバイル戦略において必要だという。Azureでは、そのモバイル戦略を実現する「Mobile App」と「Mobile Engagement」という機能も合わせて提供している。
「Mobile App」はモバイルアプリの構築時におけるオフラインデータの保持、ユーザー認証に加えプッシュ通知の設定等も可能なサービスだ。ゼロベースでモバイルアプリを開発するのは一定の開発期間と費用がかかるが、「Mobile App」はAzureのサービス費用の中で利用できる。また「Mobile Engagement」は、キャンペーン時に任意のセグメンテーションを設定しプッシュ通知等で利用を促進させていくシステム。この2つを組み合わせることで、自社アプリの構築からマーケティングまでAzureのプラットフォーム上で完結できる。
また、iOSやAndroidなどのOS別に設けられた入門チュートリアルや活用ガイド等のドキュメントなどサポートも充実しており、無料で使えるため、すぐ始めることができることも大きな特徴だという。
機械学習、ポイントは習うより慣れろ
機械学習は、早く始めることでデータも蓄積でき、さらに学習モデルを引き上げていくこともできる。とはいえ、機械学習はどんなものにも適用できるわけではないという。
「機械学習自体が自ら課題を解いてくれる魔法のような存在ではないということは、理解していただきたいですね。そして、一定量のデータを揃えることと、揃えたデータをもとに自分たちが解決したい課題を明確にしておくことが大切です」（相澤氏）
また、「まずモデルを作ってみて、必要なデータとナレッジを溜めること」と「社内外でパートナーを見つけること」が成功の鍵だと田中氏は強調する。
「Azure MLは、機械学習を“習うより慣れる”ことを可能にしたソリューションだと思っています。なぜなら、Azure MLは低価格で小さいスケールからでもスタートできるからです。そのため、まずモデルを作り、PDCAを回しながら覚えていくことをおすすめします。また、社内にデータサイエンティストがいない企業もまだ多いと思うので、弊社のパートナー企業に相談して、作成したモデルをチューニングしてもらうのも一つの手段です」（田中氏）
加えて、パートナーを探す際には、あらかじめ“機械学習がどんな役割を果たすか”といった大枠を理解しておくことが有効だ。「花火のように大きなキャンペーンを打つ時代から継続的に顧客とコミュニケーションを細かくとる時代へと移り変わった今、スタートでつまずくとゴールに到達するのに多くの時間を要してしまう。適切なパートナーに出会うことが近道なのでは」と松田氏も同調した。
最後に、機械学習に取り組みたいマーケターが今から踏み出せる一歩として「まずは回帰分析やクラスタリング、レコメンデーションなど機械学習の手法を知ることをおすすめします。難しい数式を覚える必要はなく、分析モデルのサンプルに触り手法を理解するだけでも、自社のマーケティングにどう活用できるかが見えてきます」と田中氏は提案した。Azure MLには、初心者でも分かり易いチュートリアルや豊富な学習データ、サンプルモデルが用意されている。広がり続ける機械学習の活用の波に乗るために、Azure MLで機械学習の習得を始めてみてはいかがだろうか。
