2015/3/29 「勘と経験に頼るマーケティングはやめなさい」Developers IO

© 2015 Data Curation Co., Ltd. All rights Reserved.

勘と経験に頼るマーケティングはやめなさいデータキュレーション株式会社代表取締役光産業創成大学院大学　 B2B マーケティング・ IT マネジメント客員教授寺澤慎祐

p2© 2015 Data Curation Co., Ltd.　 All Rights Reserved.

自己紹介

B2B マーケティング IT マネジメント

問題提起


2.6% と 8.8%日本　　　　　　　　　　　米国


日米企業の総資産利益率 (ROA) 比較


3.9%設置率


企業にとって重要な 4 大経営資産

￥

CHO CMO CFO CIO

?% 3.9% ?% 60%


• なぜ、日本企業は資産を活かせていないのか？– それぞれの資産は素晴しくても総合的に機能させる役割の人がいないので

は？

• なぜ、日本企業には CMO が少ないのか？– マーケティングの重要性がわかっていない？– マーケティングをマネジメントできていないのでは？– マーケティングの各要素を融合できていない？

• なぜ、日本企業ではデータ活用が進まないのか？– 業務現場の人がリードしていない？


どっちの稟議書が書きやすい？承認しやすい？

新規事業

コスト削減


• マーケティングの重要性• 技術革新の恩恵• 新旧 KKD• データ分析• データ活用• Chief Data Officer• まとめ

目次

マーケティングの必要性


マーケティングの目的はセリングを不必要にする事である。マーケティングの目的は、顧客について十分に理解し、顧客に合った製品やサービスが自然に売れるようにすることなのだ。理想を言えばマーケティングは製品なりサービスを買おうとしている顧客を創造するものであるべきだ

ピーター・ドラッカー


標的市場を選び出し、優れた顧客価値を創り出し、分配し、コミュニケーションすることによって顧客を獲得し、維持し、増やす為の技術と知識である

フィリップ・コトラー


マーケティングとは個人と組織の目的を満たすような交換を生み出すために、アイデアや財やサービスの考案から価格設定、プロモーション、そして流通に至るまでを計画し実行するプロセス

アメリカマーケティング協会


マーケティングとは、企業および他の組織が、グローバルな視野に立ち、顧客との相互理解を得ながら、公正な競争を通じて行う市場創造のための総合的活動

日本マーケティング協会


要するに、マーケティングとは、売れる仕組み作り

〜売る物と売り方の最適化 ( ベストミックス ) 〜


売り物と売り方の最適化のための投資効果

R O M IReturn On Marketing Investment

ROMCReturn On Marketing Cost


Management vs. Control


勘と経験に頼るマーケティングはやめなさい

これからはデータに頼る

マーケティングをしたら？

データドリブンマーケティングのススメ

本日のテーマ

技術革新の恩恵


これまでもデータに基づいた意志決定はした

かった！

これまでもデータに基づいた意思決定を

したかった！

でも、実際にはできなかった。

技術と価格がイマイチ


なぜ、ビッグデータなのか？


ビッグデータというより生データ

vs.

アルゴリズム・アプローチデータ・アプローチ

Win


なぜ、ビッグデータなのか？なぜ、ビッグデータ技術なのか？


データ量の増加

非構造化データの割合は企業や組織が集めたデータの 80% に増大する

構造化データ

非構造化データ

19901980 20202000 2010

出典： Human computer interaction and knowledge discovery in complex unstructured big data


データはビジネス価値と比例する

意思決定知見情報データ

デー

タ量

ビジ

ネス

の価

値


ビッグデータはビジネス価値を増やす


デー

タ量

ビジ

ネス

の価

値



ビッグデータ技術がプロセスを加速する


デー

タ量

ビジ

ネス

の価

値

技術の活用時間の有効活用


ビッグデータ技術

新旧 KKD


従来の KKD と新しい KKD

勘

+K

DK

K

DK

度胸

経験

仮説

データ分析

検証


セブン & アイ・ホールディングスの鈴木敏文氏談

最近、ビッグデータの活用が指摘されるけど、大きな変化に対応するのは難しいんじゃないか？大切なのは仮説と検証だ。データは単なる結果でしょ。データは仮説を検証するための道具でしかない


• 目的は・・・– 経営課題の解決– 新しいビジネスの創出– 差別化による競争優位– などなど

• データ活用は目的を実現・達成するための手段

目的があることがとっても重要

マーケティングテーマ

現状仮説と戦略仮説の立案

作戦実行（打ち手）

実行結果のデータ分析

現状仮説と戦略仮説の検証

検証の分析（データ分析）


• スーパーマーケットで「ビール」と「おむつ」を同時に購入する人は「若い夫婦」が多かった

• 一次データを「 1000京通り」に組み合わせた中に答えがある

奇跡を期待しない！


• 経営課題、マーケティング課題、人事課題、営業課題、商品開発課題など経営に関わる課題を決める

【例】• ３ヶ月以上続いている販売の低迷に歯止め

をかけたい• 昨年に比べてシェアが激減している• メール配信しても PV が増えない• 年間契約の更新率が下がっている

マーケティングテーマ（経営課題）を決める








• 現状仮説– なぜ、こうなっているのか？例）メールの内容がテキストベースなた　　めクリックされないのでは？

• 戦略仮説– 今後こうすれば上手く行くのでは？例） HTML メールにすればクリックされる率が増えるのでは？

打ち手を見いだす（仮説の構築）








• 現状仮説の検証– 現状仮説を検証するにはこうすればいいん

じゃないか？例）テキストベースのメールのクリック　　　　レートを定量調査する

• 戦略仮説の検証– 戦略仮説を検証するにはこうすればいいん

じゃないか？例） HTML メールのクリックレートを　　定量調査する

仮説の検証方法の立案








• 現状仮説や戦略仮説の検証を行なう• 目的は、打ち手（現状仮説や戦略仮説）が有効か否かを判断すること

• 全データではなく統計処理できる少量データでもいい









• 検証で有効であれば本格的に作戦を実行する

作戦実行








• 本格的に作戦を実行した結果で検証結果が正しかったのかデータ分析をする

作戦実行の結果を分析







データ分析


重回帰分析と因子分析重回帰分析因子分析

特長ある変数の動きが、別のいくつかの変数の動きによって左右されているとき、その関係を具体的な数式で表すとどういう式になるかを導き出す分析

y = a1x1 + a2x2 + ＋ｂ（･･･ Y：従属変数、 x1 、 x2：説明変数）という式を想定し、実際のデータから係数 a1 、 a2 、、･･･ b を導こうと試みる

相関関係の強い変数の集合（多変量データ）において、それぞれに共通する特性（共通因子）を探る手法

観測変数のデータから、その背後にある潜在的な因子（内生変数）について調べられる

利点定型的な仮説の説明に向いており、実際のデータを説明できる変数と式が見つけられれば、ビジネスにおいて大いに効果を発揮する。

因子分析には、説明変数の数を減らせることに加え、さまざまな項目間の関係性を理解しやすくなる

欠点変数に影響を与える要素は無数にあり、またその変数は複雑に絡み合っている事が多いため、的確に当てはまる式を導き出すのは困難「観測変数」しか扱えないため、実際に測定した数値しかモデル内に組み込めない。

研究者が想定する「原因→結果」の図式を使えない

有用性ビジネスを左右する要素は複雑なので、ビジネスの仮説にあてはまる相関性を導くのが難しい

ビジネスの仮説において、どんな結果になるかわからないのは意味が無い


• 特長– 共分散構造分析（ SEM： Structural Equation Model）は、直接観測できない潜在変数を導入し、潜在変数と観測変数との間の因果関係を同定することにより様々な　要素の相関関係を理解するための統計的アプローチ

– 重回帰分析と因子分析の欠点を補う先進的な統計手法 • 長所

– 研究者が想定した因果に関する仮説をモデル化できる– モデルの妥当性検証 – モデル修正への提案 – 因果の大きさ・強さの推定・検定

• 短所– 仮説モデルの構築ができる研究者の知見や知識が重要となる

• 有用性– 複雑な要素で構成されるビジネスの仮説を構築し、仮説そのものの妥当性、仮説の　修正、要素の因果関係の大きさを検証することができる

共分散構造分析


関係モデル

価格

提案力

製品力

営業力

認知度

機能パートナー数

提案共有数訪問数

接待数提案数

上司同行数

顧客数

お客様のニーズ

安心安全

企業統治

法令遵守

情報漏洩

個人情報保護

研修数

個人情報保護

研修数

パートナーの統治

情報の統治

社員の統治

■顧客の本当のニーズは何か？

■提案力・営業力・製品力の関係モデル例


最近、ビッグデータの活用が指摘されるけど、大きな変化に対応するのは難しいんじゃないか？大切なのは仮説と検証だ。データは単なる結果でしょ。データは仮説を検証するための道具でしかない

小さな変化に対応するのは難しくないし有効です！


ビッグデータの活用は小さな変化に反応する

ことに意義があります！

データ活用


データ活用までのプロセスは３つ

データ統合データ活用データ収集


• フューチャー（将来）から考える！

Back to the Future 方式

データ活用データ収集データ統合


データである限り過去に起きたことである

データ活用

過去を知って行動したい

現在（直前の過去）を知って何かしたい

過去や現在から将来を知って行動したい

売り上げデータを 1時間単位に把握して売り上げ傾向を把握し、その売り上げが計上された時間と気温と合致させることで、気温と売り上げの相関性を把握して調達量を最適にしたい

オンラインストアにアクセスしてきたユーザーのクリックストリーム（ページ遷移）をリアルタイムに把握／分析して、同様なクリックストリームをした人の購買履歴を参照して、

商品を推薦するような仕組みを作りたい

アクセス数の多いブログ、 SNS での動向を把握し、来月の売れ筋を予測したい

カリスマバイヤーやトレンドヒッターの動向を把握して来年のファッショントレンドを知りたい


データ活用：要するに何がしたいのか？

現状仮説

戦略仮説

打ち手

説明的データ分析

予測的データ分析

指示的データ分析

ジェームスエバンス教授

何が起きたのか知りたい

何が起きるのか知りたい

その行動を起こすためのトリガーとして何が起きるのかを知りたい


データ統合、データ処理

データソース①

データソース②

データソース③

クレンジング（重複、脱字、ゆれ、など）変換（コード、桁数、など）

四則演算削除、結合、集計、並べ替え

データ統合データ活用


データ収集

社内データ

• 既存データ• 新規作成データ

社外データ

• オープンデータ• クローズデータ• 有料データ• 無料データ

データ収集

• 収集量• 収集頻度• 収集タイミング• 収集種類• 付加データ

Chief Data Officer


手を組むべき二人

CMO CDO


データキュレーション社

• データキュレーターを揃え、データキュレーションを専門とする会社

• 企業ミッションは、“データをネットワーク化して新しい価値を生み出す”

• ロゴマークにあるように、様々なデータソースに接続して、企業価値を高める

• Talend 製品を活用


データ活用モデル

経営課題データ活用

外部システム

内部システム

データの可視化経営課題

データ統合作業

データ統合ツール

経営課題

経営課題

経営課題

意思決定支援

ビジネスの自動化

データ分析

データサイエンティスト


ご清聴ありがとうございました！

[email protected]

www.data-curation.comデータキュレーション

データ活用に関する

お問い合わせは