データドリブンの歴史とマーケティング活用事例 - 2015年3月まとめ

1. データドリブンの歴史と
マーケティング活用事例
川崎陸

2. INDEX
1. データドリブンとは
2. 旧来のデータドリブン/事例
3. ビッグデータによるデータドリブンの変化
4. ビッグデータドリブン/事例
5. これからのデータドリブン

3. データドリブンとは
データドリブン = データ、科学的根拠に基づ
く客観的な判断、意思決定メソッド
「勘」「経験」

4. 旧来のデータドリブン手法
サンプルデータ
従来は調査データやパネルデータなどパネルデータなど、
サンプリングデータ中心。
集団
ターゲットを集団としてとらえる。
リードタイム
分析から実施にまで時間がかかる。
旧来の
データドリブン手法

5. データドリブン事例
～ビッグデータ以前～
 医療 : EBM (Evidence-Based Medicine)
 教育 : No Child Left Behind法
 スポーツ : SABR Metrics

6. 医療 : EBM (EVIDENCE-BASED MEDICINE)
 科学的根拠に基づいた医療
 1991 年にカナダ人研究者Gordin GuyattがACP Journal
Clubという雑誌にて提唱。
 不確実性の多い医療分野で、医師の経験と勘だけでなく、
データとその解析結果、すなわちエビデンスに基づくことで
適切な判断をすべきだ、という考え方。
 医療現場の判断だけでなく、新薬研究や保険等の関連業種に
も大きな影響を与えている。

7. 教育 : NO CHILD LEFT BEHIND法
 通称 落ちこぼれゼロ法
 教育関連の実証研究を収集し、全米で共有することで教育水準の向
上を図った。
 2002年にジョージ・W・ブッシュ政権時代に成立。
 エビデンスに基づいたアクションとしては個別指導、学級規模の縮
小、英語習得のための発音練習などがあり、有効性が確認された。

8. スポーツ : SABR METRICS
 野球において、データを統計学的に分析し、戦略策定や球団編成に
取り組む手法。
 1977年にGeorge William “Bill” Jamesがアメリカ野球学会(SABR)
にて提唱。
 2002年にはSABR Metricsを採用したオークランド・アスレティッ
クスが年棒総額1位球団のわずか1/3の戦力で最高勝率を記録。
 SABR Metricsの活用実例としてオークランド・アスレティックスの
Billy Beane GMが紹介された書籍「マネーボール」が2003年に米
国で発売され、2011年に映画化された。

9. ビッグデータによるデータドリブンの変化
 ビッグデータ時代のデータドリブン
 ビッグデータドリブン手法
 データドリブンマーケティングの変化

10. ビッグデータ時代のデータドリブン
 実績データのデジタル化と解析技術の発展によって、大量データの
集約、分析が高速且つ正確になった。
 スマホ 等のデジタルデバイスの普及によって顧客情報と(Web、リ
アル問わず)行動ログが取得可能になった。
より幅広く、精度の高い
仮説を立てられるようになった。
ビッグデータドリブンマーケティング

11. ビッグデータドリブン手法
アクチュアルデータ
ビッグデータによってリアルな「実態」の明確化が可能に。
個の識別
「集団」ではなく、「個人」にアプローチが可能に。
リアルタイム
PDCSの高速化 / 戦力修正のスピード向上が可能に。
ビッグデータドリブン
手法

12. データドリブンマーケティングの変化
サンプルデータ
従来は調査データやパネルデータなど
サンプリングデータ中心。
集団
ターゲットを集団としてとらえる。
リードタイム
分析から実施にまで時間がかかる。
アクチュアルデータ
ビッグデータによってリアルな「実
態」の明確化が可能に。
個の識別
「集団」ではなく、「個人」にアプ
ローチが可能に。
リアルタイム
PDCSの高速化 / 戦力修正のスピード向
上が可能に。
ビッグデータドリブン
マーケティング
旧来のデータドリブン
マーケティング

13. データドリブンマーケティングツール / 事例
～ビッグデータ以降～
 ツール : DMP × ペルソナ構築
 事例 : ゲオホールディングス
 事例 : あきんどスシロー

14. ツール : DMP × ペルソナ構築
 活用 : DMP × ペルソナ構築
 ツール : Intimate Merger
 インターネット上の様々なサーバーに蓄積されるビッグデータや
自社サイトのログデータなどを一元管理、分析し、 最終的に広
告配信などのアクションプランの最適化を実現する。
 つまり、ユーザが検索したキーワードをサンプリングすることが
可能。
◎ 例えば…
 海外旅行客の旅先ごとの属性やインサイトを導き、パッケージツ
アーの編成に取り込むことで申し込み増加！
 こども用のコンタクトレンズを検索しているのは本人ではなく親
であることが多く、親としての心情に訴えるクリエイティブに変
更することで売り上げ増加！などなど

15. 事例 : ゲオホールディングス
 目的
 既存店舗の売り上げ増加
 実施内容
 会員向けアプリから顧客情報を取得
 取得データから「趣味別」でクラスタリング
 趣味に応じたクーポンやメルマガを送付する。
 データを基に既存店を「会員の購買傾向別」にクラスタリングし、
新作DVDの仕入れを最適化する
◎ 顧客のクラスタリング→サービスの最適化というオーソドックスな
施策に加え、同じデータを別の切り口から分析し、店舗毎のサービ
ス改善に活用した事例。

16. あきんどスシロー
 目的
 廃棄の減少、生産性の向上
 実施内容
 店舗に「回転すし総合管理システム」を導入。
 皿にICチップを埋め込み、単品管理。リアルタイムの需要把握。
 走行距離も計測し、自動廃棄を行うことで鮮度の管理をしている。
 システムにより1分後と15分後の需要を予測する。
 １分後予測は、各顧客が着席して平均で何分経ったかなどを基に計算
する。
 15分後予測は、過去の統計データから曜日や時間帯ごとの傾向値を出
し、それを基に必要な寿司の量を算出する。
 結果
 自動的に鮮度の高い寿司を提供可能になった。
 廃棄は75%減少させた。

17. これからのデータドリブン
 データソースの多様化
 スマホはもとより、ウェアラブルデバイスの普及に伴い、取得で
きる位置情報やアプリ利用状況等の大幅な増加が見込まれ、一人
の顧客に紐づく情報の多様化が予想される。
 クロスチャネルによるマーケティングの最適化
 同一顧客でもスマホとPC、あるいはブラウザとアプリで行動パ
ターンが異なるケースがある。
 一顧客あたりの情報が増えるに伴い、チャネルを横断したマーケ
ティングの最適化やこれまで難しかったより踏む込んだターゲ
ティングが可能になる。
 位置情報との掛け合わせ
 位置情報とweb行動の連携により顧客の行動分析の精度を上げる
ことができる。
 位置情報パターン(生活パターン)の類似性を分析することでオー
ディエンス拡張も実現可能になる。

18. 参考資料
 そもそも、ビッグデータって何なの？ (1/2)
http://bizmakoto.jp/makoto/articles/1406/09/news016.html
 今、ビッグデータが注目される3つの理由 (1/2)
http://bizmakoto.jp/makoto/articles/1406/30/news022.html
 ビッグデータ活用の今後～Webの行動履歴にとどまらない新たな
データソースを活用したアプローチ
http://markezine.jp/article/detail/22050
 根拠に基づいた医療
http://ja.wikipedia.org/wiki/%E6%A0%B9%E6%8B%A0%E3%8
1%AB%E5%9F%BA%E3%81%A5%E3%81%84%E3%81%9F%E
5%8C%BB%E7%99%82
 エビデンスに基づく教育 ―アメリカの教育改革とWhat Works
Clearinghouseの動向―
http://www.idcj.or.jp/JES/jjes6_1tanabe.pdf
 マネーボール
http://ja.wikipedia.org/wiki/%E3%83%9E%E3%83%8D%E3%8
3%BC%E3%83%BB%E3%83%9C%E3%83%BC%E3%83%AB

19. 参考資料
 パブリックDMPを用いたデータドリブンペルソナ構築
http://www.slideshare.net/SatoruYamamoto/dmp-x-lpo-abdmp
 スシロー、ビッグデータ分析し寿司流す 廃棄量75％減
http://www.nikkei.com/article/DGXNASFK24009_U4A120C1000
000/
ゲオがビッグデータ活用 危機感募らせる30代社長
http://www.nikkei.com/article/DGXNASFK2601M_W4A220C100
0000/
 ビッグデータ活用の今後～Webの行動履歴にとどまらない新たな
データソースを活用したアプローチ
http://markezine.jp/article/detail/22050