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

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。

定期誌「MarkeZine」

第71号(2021年11月号)
特集「きれいごとで終わらせないパーパス・ブランディング」

定期誌購読者なら
誌面がウェブでも読めます

MarkeZine Day 2018 Spring(PR)

マーケティングにどう活かす?アクティブコアが語る「AIの本質」

 現在、一般社会で最も注目されているテクノロジーといえばAIだろう。株価予想や投資判断はもちろん、囲碁や将棋まで、様々な分野でAIの適用が進んでいる。マーケティングも例外ではない。では、AIの適用でマーケティングはどのように変わり、どのような成果が期待できるのか。マーケティングオートメーションのクラウドサービスと、AIとの融合を進めるアクティブコアの山田賢治氏が、2018年3月に開催されたMarkeZine Day 2018 Springで「AI×マーケティング」の可能性について語った。

AI活用の前段階に潜む課題

 AI(人工知能)は現在、一部の研究者や技術者のためのものではなく、ビジネスでも活用されるテクノロジーとなっている。マーケティングのクラウドソリューションを提供するアクティブコアの代表取締役社長を務める山田賢治氏も、とあるITイベントに出展したところ「AIへの期待が高まっている」と感じたという。

株式会社アクティブコア 代表取締役社長 山田 賢治氏
株式会社アクティブコア 代表取締役社長 山田 賢治氏

 「ITイベントの来場者に事前アンケートを取ったところ、現在企業が感じている経営課題は、『顧客データ統合』『AI・自動化』『施策分析・アプローチ』『業務効率化(RPA)』というものが挙がりました。これらをまとめると、顧客単位でデータをまとめて統合・可視化し、その行動やニーズを予測・最適化し、チャネル横断で業務を自動化する。そのためにマーケティング基盤を構築して最適化と自動化を実現したいということではないでしょうか」(山田氏)

 では、データの統合・可視化、施策の分析、チャネル横断の業務の自動化、AIの活用は進んでいるのだろうか。その実態としては、チャネルごとにデータの運用も分析もバラバラで、顧客視点でのデータ統合はまだできていない企業が多いという。

 分析を行うシステムも、広告なら広告効果測定ツール、Web解析はGoogleアナリティクス、メールはメールシステム、購買や売上分析はExcelと、分断されている状態がまだまだ多い。

 そして山田氏は、データの基盤整備や分析基盤の整備・統合だけでなく「広告施策やメール施策などのアクションを行う基盤も、統合することが必要」と解説する。確かに、分析・計測した結果を施策に反映する上で、基盤が分断されているのはスピード感の喪失につながる。そしてこれらの基盤が統合されてこそ、AIも真価を発揮しマーケティング業務の自動化の実現に近づくわけだ。

AIとはどのような技術?

 続いて山田氏は、AIと機械学習にテーマを移し、AIを支えるディープラーニングの仕組みについて解説した。

 ディープラーニングはニューラルネットワークの発展形だ。たとえば、Webサイトを訪問したユーザがコンバージョン(CV)するかどうかを予測する場合には、ユーザの行動に合わせて点数に重みを掛け合わせ、一定のしきい値を超えればCVするというように予測する。このように複数の入力から予測(出力)するのが神経と似ていることからニューラルネットワークと呼ばれる。

 実際のAI・機械学習では、ニューラルネットワークを幾層も重ねて多層モデルを構築する。点数と重みを一度掛け合わせるだけでなく、ニューラルネットワークを何層にも重ねることで、実際の結果との誤差から重みづけを前の層に遡って更新(学習)していく。これを繰り返すことによって予測の正解率を向上させる。これがAI・機械学習の本質だ。

 従来のスコアリング手法では、特徴量設計ができず、変数や重みづけは人間が決めていたことが大きな課題だった。これを解決したのがディープラーニングだ。特徴量抽出がアルゴリズムに組み込まれており、特徴をフィルタして抽出することで、特徴量を学習する。

 たとえば、画像認識では、画像ビットマップにフィルタをかけ、どれだけ合致するかの特徴マップを作る。ディープラーニングは特徴をフィルタして抽出、特徴量を学習する。

 そして、目や耳や鼻の特徴を自動的に抽出してその出力を多層ニューラルネットワークに渡す。これにより大幅に予測精度が向上する。これまでの統計・機械学習では特徴量は人間が決めていたが、ディープラーニングが画期的なのは特徴量をデータから自動抽出して学習する点だ。

次のページ
AIのセグメントがもたらした成果

この記事は参考になりましたか?

  • Facebook
  • Twitter
  • Pocket
  • note
関連リンク
MarkeZine Day 2018 Spring連載記事一覧

もっと読む

この記事の著者

岩崎 史絵(イワサキ シエ)

リックテレコム、アットマーク・アイティ(現ITmedia)の編集記者を経てフリーに。最近はマーケティング分野の取材・執筆のほか、一般企業のオウンドメディア企画・編集やPR/広報支援なども行っている。

※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

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)
2018/04/17 11:00 https://markezine.jp/article/detail/28230

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