ホーム > ライブラリー > Teradata Insight > データマイニング・ヒッチハイクガイド > 第2回：マーケティングへの適用 (1)

マーケターのための
データマイニング・ヒッチハイクガイド

• 1
• 2

第2回：マーケティングへの適用

前回、データマイニングとそこから得られる知識の限界、データマイニングにできることとできないことについて触れました。今回はそれを踏まえ、データマイニングがもたらすビジネス上の意味合いを考察していくことにします。

データマイニングによってもたらされる知識はモデルという形で示されます。そしてモデルは大きく、数式とルールに大別されます。言い換えれば、数式とルールによって与えられたデータが説明できるということになり、｢与えられたデータはこう言っている｣とデータマイニングが翻訳した結果が数式とルールであるということになります。企業がデータマイニングに取り組もうとするとき、その直接的な目的はこのような数式とルールを得るためであり、数式とルールという形で示された知識を得るためです。では、なぜ企業は知識を欲するのでしょうか。しかもレポーティングやオンライン多次元分析では得られないような高次の知識が、なぜ必要となるのでしょうか。

ありとあらゆる企業はすべからく利益を追求し、その最大化を図ります。利益があって初めて、その持ち主である株主に配当を還元でき、商売の場を提供してくれた市民(直接的には彼らの利益を代弁し、保護する政府)に納税できるようになります。そしてその上で余剰した利益は次の商品やサービス、そしてそれを提供する上で必要となるヒト、モノ、カネに再投資されることになり、利益最大化の追求は企業が存続する限り永遠に続きます。利益を最大化する上で、最も不確実性の高い要素は市場であり、顧客です。ご承知のように利益は売上から経費を差し引いて生まれます。経費はある程度のレベルまではコントロール可能ですが、売上は市場、つまり顧客によってもたらされるものであり、コントロールの許容度が最も低い(不確実性が高い)ものです。また、企業が経費をゼロで済ますということは非現実的であり、これはそのまま、期待する売上が得られない場合に赤字に陥る危険性を有しているということを意味します。加えて経費を投入する目的は、収益を最大化できる投資対象を選択するということと同義であり、投資単位あたりの収益を最大化させるためには、売上を最大化させることが必要となります。つまり、企業は売上という形で定量化された、市場/顧客の支持があって初めて成長可能であり、表裏背反としてその支持が得られなくなった時点で望まない結果に陥ることになるのです。さすれば、企業が市場/顧客に対する知識を渇望するのは、当然の帰結であると言えます。そして不確実性が増せば増すほどに、渇望の度合いも増すことになります。

また、競合他社が存在し、その中でさらなる成長を求めるとき、今現在の知識で充分であるという結論にも行き着きません。知識に対する要求は終わりのないものであり、また市場/顧客が変化していく中においては保持した知識そのものが劣化してゆくものです。もちろんレポーティングやオンライン多次元分析から得られる知識の限界まで得ていない企業にとっては、データマイニングの必然性に行き着かない場合もあることでしょう。しかしながら、もしその企業が成長し、競合他社に打ち勝ち、生き残るのであれば、背後に知識獲得の手法を携え、そこへ取り組むことが不可欠となります。そしてその知識獲得の進化過程においてデータマイニングの手法は避けて通るのが難しい分野であり、多くの企業にとっては取り組むべきテーマとなるはずです。

データを利益に変える

もちろん、得られた知識が他社を抜きんでていても、それを業務やプロセスに転換することが出来なければ、最終的な利益を獲得することはできません。データマイニングを行うことが目的ではなく、業務に必要な知識を得ることが目的です。データもデータマイニングも、日常の業務が自信に満ち溢れ、最善の結果を得られるようにするための手段でしかありません。

したがって、必ずしも得られた知識の総和がもっとも大きな企業が、利益を最大化できる訳ではありません。得られた知識の総和がもっとも大きく、かつ得られた知識を最大限に業務やプロセスに転換できた企業が利益を最大化できるということになります。そして、このたび重なる転換の中でスループットロスが発生し、利益に減耗をもたらすことになります。したがって、知識の最大化がそのまま利益の最大化とはなりません。でも知識の最大化ができなければ、利益最大化の大前提は崩れることになります。同じ行動力を持ち、同じスループットロスが発生している 2つの同規模企業間で利益額の大小を分けるのは｢知識｣であり、だからこそ企業には知識が、そして知識析出手法としてのデータマイニングが必要になるのです。

では逆に、無知や凡庸な知識は何を生み出すことができるでしょうか。残念ながら無知や凡庸な知識は、凡庸な行動しか生み出しません。そして凡庸な行動が少なくとも凡庸な利益を生み出してくれれば御の字なのですが、競争環境下において差別化できないような凡庸な行動が、利益を生み出すかどうかは大いに疑問の残るところです。なぜか。商売の世界で凡庸であるということは、平均点に終始しているということであり、それは常に最高点ではないということです。最高点ではないということは、顧客から選択されないということです。知識が利益を決定付けるわけではありません。しかしながら利益を決定付けるためには常に、知識が必要となるのです。

マーケティングにおける行動とは何か

得られた知識を行動やプロセスに転換しなければならないとして、マーケティングにおける行動とは、そしてプロセスとは何を意味するのでしょうか。当然ながら顧客に対して購入やサービス利用を働きかけることであり、顧客の心理を変容させ、購入へと導くことです。そして現代の細分化された市場におけるこの働きかけの単位は、「キャンペーン」と定義されます。つまり行動とは、キャンペーンのことであり、プロセスとはキャンペーンを計画から実行、評価へと進める枠組みを意味します。行動という観点からすれば、ある単一のキャンペーンの構成要素をより精度の高いものにするために知識が活用されるべきです。より反応確率の高い顧客リスト、より反応確率の高い商品やサービス、メッセージ、より反応確率の高いチャネルの選定、実施タイミングの選定がこれにあたります。これこそが行動の変化であり、これらの精度を高めるためには、市場、そして顧客に対する知識が不可欠であり、データマイニングが貢献できる点がここにあります。

そして、プロセスという観点から考えた場合、このような精度の高いキャンペーンを、より多く、より早く実行できるかどうかが重要な点となります。つまりは量と、スピードです。知識の析出とその蓄積が多ければ、キャンペーンのアイデアが実行に移るまでのスピードが短縮されます。当然ながらキャンペーン実施タイミングはより反応確率が高いタイミングを選定することになる為、必ずしもスピードが求められる訳ではありませんが、その準備と実施後の評価が短縮されれば、キャンペーンの前後処理そのものが短縮されることになります。これは単一キャンペーンあたりの負荷が小さくなることを意味し、マーケティング部門のキャンペーン生成における生産性が向上することを意味します。マーケティング部門 に 5人の社員がいて、仮に今までは 1人年 1回分のキャンペーンしか生成できなかったとします。これが 1人年 4回分のキャンペーンを生成できることになれば、生産性は 4倍になり、キャンペーンの総量も 4倍になります（*3）。それぞれのキャンペーンがどの程度の顧客をカバーし、どの程度の利益を生成するかはここでは定義できませんが、少なくともスピードが量を生み出すことはご理解いただけるはずです。そしてデータマイニングは、ビジネス機会の発見や思い立ったアイデアの検証、発展に役立つことになります。精度を維持しつつ、そのスピードを短縮することが出来れば、必然として利益額そのものにも好影響を与えるのは言うまでもありません。

• 1
• 2

ページの先頭に戻る

Teradata Corporation　│　サイトマップ　│　プライバシー　│　リーガル