データ分析・レコメンド・MAをひとつに

　アクティブコアでは、データ分析・レコメンド・マーケティングオートメーション（以下、MA）機能をひとつにまとめた「マーケティングクラウド」を提供している。代表取締役社長を務める山田賢治氏は、同社のマーケティングクラウドの特徴を次のように述べる。

　「アクティブコアのマーケティングクラウドは、オンライン・オフラインの行動履歴や、年齢・性別などの顧客属性、購買履歴等、散在するすべての顧客データを統合して管理することができます。蓄積したデータを独自開発したAIで分析し、ユーザー毎に最適なタイミングでアプローチします。そして、MAによってメール配信や、LINE、アドネットワーク等への広告配信などを自動化します」（山田氏）

　アクティブコアのレコメンド機能は、ディープラーニングを活用することで、ユーザーの特徴・嗜好から「類似ユーザーが好む商品」をレコメンドできることが特徴だ。

　「Amazonのレコメンドエンジンなどで採用されている、『これを見た人はこれも買っています』というのを表示する協調フィルタリングとは別に、ディープラーニングで顧客の特徴を洗い出して、その特徴と類似する人の購入データからレコメンドするという独自のレコメンドエンジンをMAに組み込んでいます。当社の利用企業様の比較では、こちらのエンジンのほうが協調フィルタリングと比べてCVRが20%ほど高くなっています」（山田氏）

AI・ディープラーニングで顧客行動を予測する

　データ分析にはAIを活用しており、たとえばサイト訪問したら何点、メルマガから流入したら何点というように、AI側でユーザーの行動に重み付けをしていき、コンバージョンする確率などを予測している。顧客属性や商品情報といった「学習データ」とあわせて、購入した人やコンバージョンした人の情報などの「教師データ」を与えることで学習し、AIの分析精度はどんどん上がっていく。

　「このとき、教師データを7割ほどAIに教え、予測モデルを作ります。たとえば、そのモデルの正解率を、残りの3割と照らし合わせて確認します。正解率が高ければ、良いモデルと言えます」（山田氏）

　山田氏は、化粧品通販の事例を取り上げ、「教師データの量とAIの正解率」の関係を次のように説明する。

　「こちらは、最初に無料サンプルを注文してもらって、本購入で初めて費用が発生し、以降は毎月定期購入してもらうというビジネスモデルの企業です。まず流入経路の情報だけをAIに与えると、予測モデルの正解率は15.7%ととても低くなりました。そして購入者に響いた広告が掲載された媒体やキャッチコピーといった情報を与えたところ、29.1%まで上昇。さらにサイト内の閲覧データなどを与えたら、86.2%と予測モデルの正解率が大幅に上がりました」（山田氏）

　「当たり前ではありますが、教師データが多ければ多いほど、AIの予測精度も高くなります。様々なデータを統合する意味は、ここにあります。広告だけ、サイトだけとデータが分断していては、分析・予測の精度が低くなるということです」（山田氏）