マーケティング最新情報！AI・機械学習を活用した「行動予測型デジタルマーケティング」の実例

近年のデジタルマーケティング領域では、Googleアナリティクス（GA）を活用した分析や戦略立案、さまざまな施策や広告運用を試みても、期待した効果が以前のようには得られないと言われています。

「Web上で見つけたさまざまな方法を試してみたものの、思ったような効果が得られない……。」

そのような悩みを抱えた担当者が多く存在し、また社内で相談したくても、詳しい人材がいないというケースが少なくないようです。

Webマーケティングの改善施策で効果が得られにくい要因の一つとして、従来のデジタルマーケティング手法とは異なる、新しい手法・手段の活用が挙げられます。

最新の取り組みでは「AI」と「機械学習」が活用されています。これまでのような人の手による分析や施策では思いつかなかったヒントが得られる可能性も出てきました。

本記事では、機械学習の基礎知識からデジタルマーケティングにおけるAIと機械学習の活用例やメリット、そしてトランスコスモスの機械学習サービス「trans-改善MAKER」の最新事例をご紹介します。

「機械学習」とは？

機械学習（Machine Learning：ML）とは、コンピュータ上でAI（Artificial Intelligence：人工知能）モデルに膨大なデータを学習させ、人間では見つけにくいようなパターン（規則性）やルール（法則性）を見つけ出させるデータサイエンスの手法を指します。

機械学習の仕組み

デジタルマーケティングの分野では、上図のような仕組みに沿って、これまでのマーケティング効果など収集したデータを対象分野に適ったAIモデルに学習させます。

そして学習した情報をもとに、コンピュータ上のAIモデルが今後の施策効果を予測・判断し、最適なマーケティング施策を生み出します。

「機械学習」は、デジタルマーケティングにどう関わる？

自社のビジネスを成長させるためには、予測分析を用いて将来の見通しを立て、有効な施策を打ち出す必要があります。また、付加価値の高いサービスを提供するためには、自社の商材・サービスが関わる市場トレンドの的確な把握が大切です。

しかし、膨大なデータに対してこれらの作業を人の手で行うには多くの手間と時間がかかるうえに、その確度にも限界があります。

そこで機械学習をデジタルマーケティングに導入することで、自社が保有する膨大なデータから予測分析やトレンド把握を的確かつ自動的に実施することができるようになります。

これにより、分析結果から有効なインサイト（洞察）を得ることができ、その後の具体的なデジタルマーケティングのアクションに繋げることができます。

次章では、デジタルマーケティング分野における機械学習の活用例をご紹介します。

デジタルマーケティングにおける「機械学習」活用例

リードナーチャリング（*1）を目的に、機械学習を活用した例をいくつかご紹介します。

・過去のメール配信の開封率やコンテンツの閲覧状況、CRM（Customer Relationship Management：顧客関係管理）システムの情報（BtoBであれば業種・部署・役職など／BtoCであれば年齢・購入履歴・会員ランクなど）を変数（*2）として機械学習させる

・機械学習によって開封率や契約確率を予測し、反応が高いセグメントを見つけ出して、メールを配信する

・デジタルマーケティングにおける次のベストアクションを予測し、対象となる見込み顧客が興味を持ちそうなコンテンツを配信したり、開封されやすいタイミングを予測して配信時間を最適化する

*1［リードナーチャリング（見込み顧客育成）］：獲得した見込み客のリストに対し、メールや電話などのコミュニケーションを通して自社への興味・関心や購入検討の度合いを高めてもらうこと

*2［コンピューティングでの変数（variable）］：プログラムのソースコードなどにおいて、プログラム上で値を代入したり、参照したりできるよう、データを一時的に記憶しておくための領域に固有の名称を付けたもの

機械学習を利用したプロセス

「機械学習」をデジタルマーケティングに活用するメリット

デジタルマーケティングにおいて効果を左右する重要な要素は、「適切なターゲットに対して、いかに適切な訴求ができるか」という点です。

機械学習を活用すれば、膨大な顧客データに対して機械学習アルゴリズムで分析することができるので、人間では気づかないような顧客の行動パターンや属性の抽出ができます。

より精度の高いターゲットのセグメント化や広告配信のパフォーマンス向上にも貢献できるようになるので、最適なターゲティングの継続的な実施が期待できます。

その結果、下記のようなメリットが得られます。

・これまで人の手では処理しきれなかった大規模なデータを有効活用でき、より戦略的なマーケティング施策を打てるようになる

・顧客の行動やニーズを深く理解し、データにもとづいた意思決定を行うことで、施策効果を高めることができる

デジタルマーケティング担当者必見！「機械学習」サービスを用いた最新の改善事例

ここからは、トランスコスモスのデジタルマーケティング向け機械学習サービス「trans-改善MAKER」を活用した、最新の改善事例をご紹介します。

この事例では、「trans-改善MAKER」を活用したことによって、売上増加だけでなく下記のような利点も得られました。

・分析対象のアクセスログデータと実現したい目標設定を準備するだけで良くなり、工数を大幅に削減

・人の手のみだと分析に長期間を要する膨大なデータでも、わずか3週間で分析結果の報告までを実現

・消費者（顧客）ごとの将来行動の予測に機械学習を活用したことで、比較的購入しやすい消費者の特定と特徴の算出を実現

「一般的なWeb解析ツール」と「trans-改善MAKER」の比較

従来型のWeb解析ツールとトランスコスモスの機械学習サービス「trans-改善MAKER」を比較した内容を表にまとめました。

一般的なWeb解析ツールでは、以下の課題が挙げられます。

・人的リソースの確保
・効果検証に半年以上の時間がかかる
・コスト面を中心に、導入決定までのハードルが高い

これらの課題をクリアしたサービスが、「trans-改善MAKER」です。

しかし、最新技術を駆使した機械学習ツールに対し「自社にとってどのくらい効果を発揮するのか、どのようなメリットが得られるのか分からない」と感じる方も多いのではないでしょうか。

「trans-改善MAKER」は、効果計測を目的とした部分的なテスト改善を含むトライアルサービスが利用可能です。詳しいサービス紹介や、その他事例を盛り込んだ資料は以下からダウンロードいただけます。

機械学習をデジタルマーケティングに導入する際のよくある悩みと「trans-改善MAKER」のポイント

最後に、機械学習をデジタルマーケティングに活用するにあたって、よくあるお悩みと回答（FAQ）をご紹介します。

導入に必要なデータについて

Q. 大量の顧客データさえあれば、機械学習の精度が向上し、自社のデジタルマーケティングに最適な高精度モデルが実現しますか？

A. データ量の多さは精度向上に寄与しますが、質の低いデータや偏ったサンプルでは誤った学習につながる恐れがあります。欠損値や外れ値を放置すると過学習とそれによる汎化性（未知のデータへの対応力）の低下が懸念されるため、データの前処理やデータ品質の管理は必須です。

導入から効果を得るまでのプロセスについて

Q. デジタルマーケティングに機械学習を導入すれば、すぐにROI（Return on Investment：投資利益率）が改善されますか？

A. 導入には、PoC（Proof of Concept：概念実証）だけでなく、データ基盤整備やシステム連携、ユーザートレーニングなど多くの工程が必要です。そのため短期間での効果実感は難しい場合が多いといえます。工程のステップごとにマイルストーンを設定し、段階的に効果を評価できるよう計画を立てましょう。

trans-改善MAKER導入でのポイント：分析期間の大幅短縮

一般的な機械学習サービスでは、改善提案を行うまでに半年から1年間程度の分析期間を要します。一方、トランスコスモスでは独自の機械学習サービスとノウハウを活用し、分析期間の大幅短縮を実現しました。最短約3週間で、分析結果の提案が可能です。

詳しいサービス紹介や、その他事例を盛り込んだ資料をご用意しています。以下からダウンロードできますので是非ご覧ください。

関連コンテンツ

Webサイトのデータ分析の切り札「機械学習」とは　AI・ディープラーニングとの違いから、活用事例まで解説

AIを活用したWebサイトリニューアルでUX最適化とビジネス成果向上を実現！

成果拡大のための改善ポイント発見！　改善MAKERを活用したWebサイトの課題解決