共有  

お客様ごとの反応を予測して、ダイレクトメールの送付先を最適化します

 

お客様ごとの反応を予測して、ダイレクトメールの送付先を最適化します

送付先候補すべてに反応率スコア付与を行います
数値による比較ができるので、勘と経験から脱却し効率の向上が見込めます
どの要因により反応率が高くなるかが分かるため、クリエイティブ等の作成にも活かせます

使って欲しいお客様、利用後の目指す姿

【このような課題を持つお客様におすすめです】

・同じコストで多くのお客を獲得したい
・送付の効率を上げ、コストを削減したい
・自社で行っている送付の判断が良いのか判断がつかない

【利用後の目指す姿】

・お客様ごとの反応率スコアが付与されるので、定量的にデータから判断、議論が出来る
・反応率を上げる要因が分かるので、より効果が高いクリエイティブの議論が出来る
・実際の反応を結果として取り込めば、自社判断と解析での結果の比較ができ、更なる効率化UPにつながる

サービス概要

 DMを効率よく送るための反応率スコアを付与します。このサービスでの”効率が良い”とは、反応率を上げることです。売上向上や顧客生涯価値(LTV)を上げる解析は、後述してあります。

 当社のbodaisスコアリングエンジンを活用することで、時間も短く、正確に、慣れればどの方でも、活用可能なサービスとなっています。

【進め方】
1.ゴールの設定、ヒアリング
・何のために、どの課題を解決するためのモデルか
・どの商品に対するお客様に対して行うか
・お客様に関する属性、過去に送った際の反応結果はあるか
・解析結果が出た際に、自社行動としての施策は何があるか
・自社送付を全面見直し前に、一部対象に解析結果で送付して比較するか

2.α版としてのモデル構築
・1次的にヒアリングさせて頂いた内容で、モデルを構築します
・タタキのモデルを使い、お客様とデスカッションを行い、修正点をあぶりだします

3.最終モデル
・何度かやり取りを行い、最終モデルを確定させます
・その際に、使い方や読み解き方も含め、最終モデルの説明も行います。

【必要なデータ】
・過去送付による購入結果 (例: 送付内容、送付対象商品、
・送付を決める
※ 具体的なデータ項目は、下記の事例にある情報を参考にお願いします。

【提供物】
・モデル一式(bodais上にセット)、作成物一式、必要に応じて利用のための社内教育

【図の説明】(画像をクリックすると拡大します)
・左の四角
 全顧客を表すイメージ図です
・右の表
 自社内のIDとは違う解析専用の「顧客ID」を付与し、そのID毎に反応率を表すスコアを付与するサービスです
・赤文字部分
 基本的には、自社商品の費用対効果が発揮できる反応率まで送るという判断が出来ます

独自の価値提供

 AI専業会社20年の実績の中で、お客様の見落としやすい観点の知見があります。過去様斬な業界での構築事例がありますので、施策という観点でも経験があります。
 使い方の説明も何度も行っていますので、運用できる状態でモデルをお渡しできると確信しています。

反応率だけではない、売上の最大化の解析も行っています。


サブスク型の自動解析エンジンがあるから、簡単に解析できます。

 また必要であれば、システム構築やその後の運用も対応できます。

事例

大手教育会社様 大手アパレル会社様 大手クレジットカード会社様 大手医薬品製造販売会社様 大手通販会社様 など

詳細

スコアリングエンジン

  • 教育,学習支援業
詳細

スコアリングエンジン

  • 金融業,保険業
詳細

スコアリングエンジン

  • 医療,福祉
詳細

PoC/受託解析

  • 卸売業,小売業

お客様の声

クレジットカードに関するお客様の声です。

営業に関するお客様の声です。

信頼を補足する情報

関係する解析も多数あります。当社で一番実績のある解析が、本解析です。

商品の最適化を行っています。


商品/顧客ターゲティングの最適化も行っています。

電子メール送付の最適化も行っています。

アウトバンドコールの最適化も行っています。

サービス詳細

 結果は、スコア付きのお客様リストです。そのリストの効率を考える際に持ちられるのが、図にある「ゲインチャートです」

ゲインチャートとは、横軸にはお客様のスコアの高い人から並べ、縦軸には実際に購入すると思われる人を積み上げた図のことです。

 つまり予測したスコアで描かれる曲線が上に膨らめば膨らむほど良いモデルとなるわけです。

【図の説明】(画像をクリックすると拡大します)
・横軸
 全部で100,000人に対してスコアを付与しました。よって、横軸の人数は100,000人です。
・縦軸
 購入予想者を積み上げた人数です。横軸の一番上は10,000人ですので、100,000人の10%が購入するリストとなります。
・赤い曲線
 購入者を左から右に(スコア高いから低い)向かって購入者を予測したグラフです。
・黒の点線
 ランダムに選んだとすると、当然に10,000人に向かって一直線に増えます。購入しやすい人を左に配置していますので、確率計算上は赤の曲線のように購入者が前倒しになります。
・緑の矢印
 仮に、50,000人に送ったとすると、8,247人が購入すると予測されいます。約16.5%の購入率となり、全員に送る場合(10%)より効率が良くなります。
・黒の矢印
 当然にランダムで選べば、購入者は5,000人となり、全体に送る場合と同じで、10%となってしまいます。

提供方法・利用手順

 新規顧客の獲得にDM送付による勧誘を行っていたが、送付結果の反応率がよくないので、過去の入会者の傾向を分析して効率よく施策を行いたかった。

「性別」、「発送回数」、「各媒体の資料請求履歴」、「購入回数」、「兄弟情報(人数、年齢差)」、「添削提出回数」、「クレーム回数」、「紹介/被紹介履歴」、「保護者世帯購入累計金額」、「保護者アクセス履歴」、「最新行動履歴」など数十の要素を用いて入会しやすい人の傾向を学習した。

 一度に全部変更するのは不安な会社様には、図の通り、「bodais」でのお客様への送付も行い比較して頂くのも良いと思っています。

【図の説明】(画像をクリックすると拡大します)
・左上の四角
 貴社で行っている「従来法」と本サービスでのスコア上位の「bodais」で抽出を行います
・左下の四角
 多くの部分は両手法でお客様が被りますが、差分が比較対象となります
・右上の図
 前項目で説明したゲインチャートでどの程度リフトされたか確認します
 ※検証の考え方は、次項目の動画も参考にして下さい

実運用と結果検証

一般的な検証の考え方の動画です

よくある質問

Q1: 不動産屋です。億ションの販売DMを送っています。DMだけでの購入者はほぼ0です。購入確率が低い場合でも予測できるのでしょうか?

A1: 予測できません。基本的には、反応率が0.1%を切る場合の解析をお勧めしていません。その際は、モデルルームに来た人など、購入につながる事前の行為に広げ、反応率をためることを行います。ご相談頂ければ、過去の知見から説明させて頂きます。

Q2: 製造現場の担当者です。同じ考え方だと、不良品率も当てられそうな気になってきましたが、適応できるるのでしょうか?

A2: 実は、問題としては同じですので、適応できます。前述「信頼を補足する情報」にもある通り、営業スタッフの訪問先、電子メール、アウトバウンドコール、建物の保守メンテ場所、などなど、同種の解析にはすべて適応可能です。

開発秘話

 データサイエンティストという言葉が出来る前から解析しています。その当時は、データも十分ではなく、解析結果を出す前の準備ですら非常に大変でした。そんな中、日本で一番ダイレクトメールを送っている会社様からの依頼が来ました。

 当時は、bodaisスコアリングエンジンもなく、手動で試行錯誤を繰り返し解析を行ってきました。データの準備では、欠損が多く使えない項目や、カテゴリーの種類が多すぎて解析に使えないものをあぶりだし、きれいに成形する必要があります。その全ステップを場合分けし、それぞれにプログラミングした結果が、bodaisスコアリングエンジンです。

 3年間の経験、その経験をすべて定式化し、数億円の投資をして出来上がった、当社自慢のエンジンです。

購入する理由(まとめ)

 当社で一番実績のある解析です。上記「開発秘話」にあるbodaisスコアリングエンジンが出来てから、スピードが一気に上がりました。

 加えて、データサイエンティストが試行錯誤する工程をすべて自動化しているので、時間的にも精度的にも、飛躍的に向上しました。

費用・期間

料金の目安:350万円~
期間の目安:3ヵ月

ユーザー法人への特典

取引初回の企業様に限り

値引き、20万円


このサービスに関するお問い合わせは、下記フォームよりお問い合わせください。

お問い合わせはこちら 
03-5259-9004