この特集では、膨大なデータから最適なアクション等を予測する「スコアリング」についてご紹介し、各社が提供する関連すう商品・サービス・事例をご紹介します。
動画をご覧になっていない方は、こちらをご覧ください。
多種多様なマーケティング施策と、その施策をサポートする手段も多くあります。「手段」先行で考えてしまって、こんな筈ではなかったとか、この結果を何に使うのかが漠然としていて、結果として何も改善されないという話をよく聞きます。いかに高度な解析や分析も目的がしっかり設定され、その目的を達成するため、あるいはこれまでの方法の課題を解消するのに適した手段が選択されている必要があります。
マーケティング関連では、目的(知りたいこと)に応じて、よく使われる3つの方法があります。
(1)様々な要因の数値がある場合
例えば、自社商品を購入するという行動には、年齢や性別、最後に自社商品を購入してからの期間など無数の変数が考えられます。経験則から、この行動にはこの変数が相関関係が強い/弱いと語れることはありますが、現在はこれまでとは比べものにならないくらい多くのデータを元により精緻な解析が行えます。こうした膨大なデータの存在を背景に、実際にはどの変数が強く/弱く「購入する」という行動と関係しているかを知りたい場合などに使われます。この分析により、より相関が強い変数について、具体的な施策を検討するといった意思決定が行えるようになります。
(2)顧客行動を深く知るために因果関係のモデル構築を行いたい場合
(1)の消費行動において「相関」という言葉を使いました。ここで注意していただきたいのは、ある変数と別の変数に強い/弱い相関関係があるということと「因果関係」があることは区別して理解する必要があるという点です。相関関係の場合は、片方の変数が変化すれば、もう一方の変数も変化するという関係性を意味しています。因果関係の場合は、2つの変数の間に、原因と結果という関係があることを意味しています。2つの変数に関係性があるという点では相関と同じですが、その関係性に方向性があります。
(3)時系列データを用いた行動分析を行いたい場合
時系列データとは、株価、電気の使用量、視聴率、売上のように時間に依存して変化するデータのことです。とはいえ毎日サイコロをふって出た目を記録することは時系列データとはいえません。これは、サイコロの目の出る確率が前日の目に関係なく一定の確率で出るためです。他方で、株価や売上などは、前日の様々な変数の影響も受けながら変化し続けています。このようなデータを扱い場合が、時系列データを用いた分析となります。スコアリングを使った分析においても時系列データを扱い場合もあります。
この特集では、特に(1)の様々な要因の数値がある場合に適用されることが多い「スコアリング」についてご紹介し、皆さんが実際に、目的に応じてスコアリングを用いた分析を行えるようにサポートするサービス・事例・商品などをご紹介しています。
例えば、マーケティング分野におけるスコアリングは、個々の見込み客が持つ、自社への将来的な「価値」を予測し、その価値に準じて順位をつけることがしばしば行われます。より具体的には、自社の顧客リストに対して、過去の申込み実績などの学習を行うことで、契約確度の高い順にスコアをつけるといったことが行えます。
bodaisでは、具体的なスコアリングに必要なbodaisプラットフォームと、スコアリングアプリをインストールして頂ければ、すぐスコアリングをお試しいただけます。以下にご紹介する事例も参照されながら是非お試しください。高度な統計解析の知識や経験は不要です。
マーケティング分野におけるスコアリングを行うといってもどこから、どんな事をすればいいのか。「体験型bodaisスコアリング」では、そうした疑問にお応えするための体験型商品です。経験豊富な講師による研修と、実際のスコアリング作業をご自身で行って頂くことで、スコアリングを行ううえでの自社の課題などが明確になります。
データ解析プラットフォームbodaisの体験研修と6か月間の体験アカウントを提供するサービスです。
サービス内容
ご紹介した「体験型bodaisスコアリング」はこちらの動画からより詳しい情報をご覧いただけます。
ご紹介した「体験型bodaisスコアリング」はこちらからより詳しい情報をご覧いただけます。
データ解析プラットフォームbodaisの研修を受け、実際に体験することができます
人材・教育
スコアリングをご利用頂くためには、bodaisプラットフォームの申込みも必要になります。
bodaisプラットフォームは、多岐にわたる異なるタイプのデータ解析と1,000以上の解析プロジェクト実績で蓄積した機械学習機能内蔵型の自動進化型データ解析プラットフォームです。プラットフォーム登録後、アプリをご購入いただきますと、お手軽にスコアリング、クラスタリングなどのデータ解析を行うことができます。また他社のデータ管理サービス と連携することで効率的なデータ運用も可能です。
ご紹介した「体験型bodaisスコアリング」はこちらからより詳しい情報をご覧いただけます。
bodais基本アプリに、発展的に移行し、サービス終了しました。2021年7月現在。
アプリ
bodaisプラットフォーム上で稼働するスコアリング行う際に利用するアプリケーションになります。高い専門知識などを必要とせずに、誰でも簡単にスコアリン グ分析が行えるのが特徴です。
スコアリング分析とは、過去のデータから正解(あり)/不正解(なし)を判定できる状況において、新しいデータのその結果が得られる可能性・確率を予測する手法です。
例えば、過去商品を購入したお客様のデータから、新しくコンタクトをしたお客様が商品を購入する可能性・確率を分析できます。より可能性の高いお客様に情報を提供するなど、ビジネスや営業活動の効率化を推進します。
営業のほかにも採用、DM送付、消費量予測など多様多種の予測に使われています。
bodaisでは、データマイニングに多変量解析という手法を用いており、顧客に紐づく様々なデータ(年齢や性別などの顧客属性、購買に関する指標など)をもとに、どのデータ項目が正解率にどの程度影響しているかを定量的に可視化することができます。
その結果、新しい個別のデータが持つ情報からそのデータがどれだけ正解に近いかをスコアリングにて判定できるようにしています。
ご紹介した「スコアリングエンジン」はこちらからより詳しい情報をご覧いただけます。
過去のデータから未来の成功可能性・効率を高めます
アプリ
以下のデータを用いて、現状で月平均3%の誤差がある電力需要予測が外れる要因を明らかにしたスコアリングの事例になります
・17業種別、30分毎の電力量実績、月別契約電力量
・自社による予測電力量、予想天気・予想最高/最低気温
・気象庁による天候データ(気温・降水量・湿度・日照時間・天気)
自社の電力需要予測とスコアリングエンジンを組み合わせて、予測値の修正と検証が行える仕組みを整えた。
本事例の経緯として以下があり、スコアリングを行いました。
・電力需要の予測から電力使用量を評価する仕組みを販売していたが、外れてしまうことが多々あった。
・幅広い業種に対応できるように、また外れた要因を修正できるようにスコアリングエンジンを組み合わせる必要がありました。
・feedbackを取り入れる手法など独自手法を複数盛り込むことで外れた要因や他業種への展開などができるようになった。
取引実績のある会社名一覧を頂くだけでスコアリングした潜在顧客リストを作成いたします
データ解析
ご紹介した事例「電力需要予測精度の向上(スコアリングエンジン)」はこちらからより詳しい情報をご覧いただけます。
スコアリングエンジンとの組み合わせによって電力需要予測の精度が向上
スコアリングエンジン
成約率に関係すると思われる要素である、企業属性、Webの最終閲覧日、直近のアクションの日付、アクションの具体的 な内容などをスコアリングアプリで分析し、顧客リストの顧客ごとに購入確率をつけて予測を行った事例です。過去データ からの学習をもとに効率的な営業活動を行い成約率も3.5倍まで向上した事例です。
・Webデータと営業データを融合させることで商談化や売上が効率よくできるようにしたいと考えていました。
・とりわけWebからの見込みの案件の成約確率を算出し、売り上げにつなげたいと思っていました。
・bodaisのスコアリングエンジンを利用することで、成約率を3.5倍にすることができました。
ご紹介した事例「新規顧客制約の向上」はこちらからより詳しい情報をご覧いただけます。
購入に至りやすい新規顧客を予測することで成約率を3.5倍向上
スコアリングエンジン
法人に関する膨大な項目(企業の売上など各種法人申告データなど)から、どこに査察するかを決定する統計モデルをスコアリングを用いて構築した事例です。熟練査察者のノウハウ承継にも貢献しました。
決算書情報、法人申告データから査察先を決定する統計モデルを開発した。従来は熟練者が勘と経験で決めていた査察先をデータに基づいて決められるようになったことにより、ノウハウの継承が行われた。
ご紹介した事例「熟練者のノウハウ継承」はこちらからより詳しい情報をご覧いただけます。
査察先予測モデルによって熟練者のノウハウを継承
スコアリングエンジン
スコアリングエンジンを使った具体的な事例です。時々刻々と変化する電力の需要変動に影響する要素を分析し、 電力需要の予想を行うためのエンジンを個別に構築しています。既存のアプリだけではなく、bodaisプラットフォーム 上では、貴社専用の解析・分析アプリケーションを構築することもできます。
ご紹介した事例「bodaisスコアリングのカテゴリ統合」はこちらからより詳しい情報をご覧いただけます(枠内右下のアイコンをクリックください)。
カテゴリカルな説明変数の水準数が過剰になっているデータに対して、適切に水準数を削減する技術をカテゴリ統合と呼ぶ。
技術研究
「スコアリング」自体はデータ解析ではよく使われる手法です。
ただ、解析専門の会社によって、利用するツールや解析プロジェクトの進め方に違いがあったりします。以下でご紹介する各社が提供する動画も参考に、貴社の課題解決にぴったりな解析会社をお選びください。
DXとは何か、どこから始めたらよいか。具体的にDXプロジェクトを進める点に課題を持たれている方におすすめの動画です。まずはこちらをご覧下さい。
貴社の商品も、特集に加えませんか?
下記の問い合わせから、ご連絡下さい。
本HPに関する使い方の動画です。是非こちらもご覧下さい。