Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

コンテンツマーケティングの全体像とイノーバにおけるデータ分析手法のビジネス活用

13,025 views

Published on

目的
コンテンツマーケティングがなんとなく分かった気になる。
コンテンツマーケティングにおいて、データ分析をいかに活用するか
理解出来るようなる。
普段使ってる手法の活用事例の紹介。

対象
データ分析に興味がある人。特に知識がなくても誰でもわかると思います。
データ分析のビジネス活用に困っている人の参考になったら嬉しい。

Published in: Business

コンテンツマーケティングの全体像とイノーバにおけるデータ分析手法のビジネス活用

  1. 1. コンテンツマーケティングの全体像と   イノーバにおけるデータ分析⼿手法の   ビジネス活⽤用 株式会社イノーバ   村上智之 (@GreenGreenMidor)   2015/02/28
  2. 2. このプレゼンについて ✓ コンテンツマーケティングがなんとなく分かった気になる。   ✓ コンテンツマーケティングにおいて、データ分析をいかに活⽤用するか
 理理解出来るようなる。   ✓ 普段使ってる⼿手法の活⽤用事例例の紹介。   ‣ もっとイケてるやり⽅方があったら教えて欲しい。 ⽬目的 対象 ✓ データ分析に興味がある⼈人。特に知識識がなくても誰でもわかると思い ます。   ✓ データ分析のビジネス活⽤用に困っている⼈人の参考になったら嬉しい。
  3. 3. アウトライン ✓ ⾃自⼰己紹介(2分)   ✓ イノーバのサービスについて(3分)   ✓ コンテンツマーケティングについて(15分)   ‣ コンテンツマーケティングとは?   ‣ コンテンツマーケティングの全体像   ✓ 分析について(25分)   ‣ コンテンツマーケティングにおける指標の作成   ‣ コンテンツ作成の際のアイディア補助   ‣ 価値あるライター評価とインセンティブ設計   ‣ ユーザーのセグメンテーションとセグメント別のアプローチ   ✓ 質疑・応答(35分)
  4. 4. アウトライン ✓ ⾃自⼰己紹介   ✓ イノーバのサービスについて   ✓ コンテンツマーケティングについて   ‣ コンテンツマーケティングとは?   ‣ コンテンツマーケティングの全体像   ✓ 分析について   ‣ コンテンツマーケティングにおける指標の作成   ‣ コンテンツ作成の際のアイディア補助   ‣ 価値あるライター評価とインセンティブ設計   ‣ ユーザーのセグメンテーションとセグメント別のアプローチ   ✓ 質疑・応答
  5. 5. ⾃自⼰己紹介 村上智之   @GreenGreenMidor   株式会社イノーバ   エンジニア  
  6. 6. 経歴 ✓ ⼤大学時代   ‣ 雀荘で働いていたが議論論が⽔水掛け論論になるので、統計を学ぶ。   ‣ ポーカーの研究をやったり。   ✓ SIerとして新卒⼊入社したが4ヶ⽉月でやめる。   ‣ 1ヶ⽉月ほどフィリピンに⾏行行ったり、⿇麻雀で⾷食っていくか本気で 悩んだり。   ✓ ALBERT   ‣ データ分析の基礎を叩き込んでもらう。   ✓ イノーバ   ‣ ブリッジSE的なことやったり、Railsでアプリケーション開発 したり。
  7. 7. シェアハウスに住んでいます
  8. 8. LINEのスタンプとか作ってます 戦い疲れた武将たち ふわふわポップメッセージ オセロ&ピングー 全然売れてないので買ってください(´́・ω・`̀)
  9. 9. 夢 ✓ クラウドソーシング   ‣ 仕事が遊びになってしまうような評価制度度、システム   ‣ 時間や仕事量量に縛られない仕事スタイル   ‣ トップ数%のクリエイターしか⾷食っていけない現状からの脱却   ✓ シェアハウス   ‣ 無駄な⽣生活コストの削減   ‣ 近くに⼈人がいる⽣生活・⽣生活の質の向上   ‣ リスクが取りやすい⽣生活スタイルの実現 もう少しテキトーに、意識識低く⽣生きていけ る世の中にしたい 必要最低限働いて暮らしていけるようなるといいよね。   やりたいことやって⾷食っていけると幸せだよね。
  10. 10. 0 12.5 25 37.5 50 夢 割 合 収⼊入 趣味・副業の⼈人たち ※グラフはイメージです ⾷食べていける 稼げる 能⼒力力はあるのに世渡り下⼿手で   ⾷食っていけない⼈人を⾷食えるように ⾷食っていけない境界を下げて、   好きなことで⾷食べていけるように ⾷食べていけるだけじゃなくて、   ⽣生活の質を上げたい!
  11. 11. アウトライン ✓ ⾃自⼰己紹介   ✓ イノーバのサービスについて   ✓ コンテンツマーケティングについて   ‣ コンテンツマーケティングとは?   ‣ コンテンツマーケティングの全体像   ✓ 分析について   ‣ コンテンツマーケティングにおける指標の作成   ‣ コンテンツ作成の際のアイディア補助   ‣ 価値あるライター評価とインセンティブ設計   ‣ ユーザーのセグメンテーションとセグメント別のアプローチ   ✓ 質疑・応答
  12. 12. イノーバ  コンテンツマーケティング   ⽀支援サービス  ラインナップ 〜~クライアント様のニーズに合わせたサービスラインナップをご⽤用意〜~   コンテンツマーケティング運⽤用に必要なノウハウとツールを   オールインワンでご提供できるイノーバならでは!   コンテンツマーケティングを実施される企業の様々なニーズに合わせたサービスをご提供します。   社内にディレクターはい るが、リソースがない インバウンド   メディアを   構築したい 効果測定と   トラッキングを   しっかりやりたい Cloud  CMO   (CMS) 記事制作 Content  Studio   (クラウドソーシング) デジタルコンテンツ   制作 分析サービス イノーバコンサルティングサービス ツール提供 ノウハウ
 リソース提供 リソース提供 ノウハウ   リソース提供 ノウハウ提供 適切切な記事作成の   戦略略を⽴立立てて   記事作成を任せたい コンタクトポイント   (eBook等)を   企画・作成したい
  13. 13. 「Cloud  CMO」とは? 「コンテンツマーケティングを世界で⼀一番カンタンに。」 オウンドメディア構築からコンテンツSEO、効果測定までを実現する   オールインワンマーケティングシステム ✔  簡単: 導⼊入時のコンテンツ   マーケティングの知識識は不不要。 ✔  豊富な機能: たった1つのシステムで、SEOに効果のあるコンテンツ制作、   LP制作、SNSへの投稿、SEOキーワード分析、   コンテンツマーケティングの効果測定(アクセス解析)が可 能。 ✔  便便利利: ⾯面倒かつお⾦金金がかかるツール(アクセス解析・CMS・SEOツール・ 制作会社)を使うことなく、コンテンツ制作までをワンストップで 提供例例えば、SEOの知識識に乏しいアルバイトの⽅方でもSEOに即した 記事作成が可能。社内運⽤用⼈人件費の抑制も⾒見見込める。  
  14. 14. Cloud  CMOの機能リスト サ イ ト 訪 問 者   増 リ   |   ド 発 ⾒見見 顧 客 化 効 果 測 定 ◎オウンドメディア構築(CMS) ◎ブログ記事編集 ◎ソーシャルメディア連動投稿 ◎SEO対策サポート ◎ランディングページ作成 ◎誘導バナー機能 ◎リード情報管理理 ◎リードへのメルマガ配信 ◎コンテンツの効果測定 機能 対象 潜在顧客 ⾒見見込み顧客 検討顧客 コンバージョン
  15. 15. イノーバ  コンテンツ制作サービスの特徴(強み) !! 〜~社内で調達が難しいライターリソースを厳選して提供〜~ コンテンツマーケティングを実践する上で最⼤大の障壁となるのが「コンテンツ制作」。イノーバでは、 SEO分析をベースとした、戦略略キーワードに即したコンテンツの企画から執筆・編集までをワンストップ で提供します。 編集・校正 誤字脱字はもちろん、事実チェック等も   含めて編集者・校正⼠士が記事をチェック コンテンツ制作 出版社や雑誌、ビジネス経験豊富な   ライターが企画を元に記事を執筆 コンテンツ企画 SEOキーワードやソーシャルメディア   での拡散を考慮し、記事のテーマを作成 SEOキーワード分析 ターゲット読者が検索索するキーワードや   サービスや製品に合ったキーワードを提案 ペルソナ設計 メディアやブログのターゲット   読者像を設定 コンテンツマーケティングの   経験豊富なディレクター   ✕   書籍・雑誌の経験   ビジネス知識識のあるライター・編集者
  16. 16. アウトライン ✓ ⾃自⼰己紹介   ✓ イノーバのサービスについて   ✓ コンテンツマーケティングについて   ‣ コンテンツマーケティングとは?   ‣ コンテンツマーケティングの全体像   ✓ 分析について   ‣ コンテンツマーケティングにおける指標の作成   ‣ コンテンツ作成の際のアイディア補助   ‣ 価値あるライター評価とインセンティブ設計   ‣ ユーザーのセグメンテーションとセグメント別のアプローチ   ✓ 質疑・応答
  17. 17. コンテンツマーケティングについて ✓ コンテンツマーケティングとは?   ✓ コンテンツマーケティングの全体像
  18. 18. そもそもコンテンツとマーケティングって? コンテンツとは   映像や画像、⾳音楽、⽂文章、動画あるいはそれらの組み合わせ。具体的に は、ニュース、⼩小説、映画、テレビ番組、歌、ビデオゲーム、マンガ、ア ニメなど。コンテンツマーケティングでは、ブログなどの記事コンテンツ を始めとし、ebook(電⼦子書籍)、メールマガジン、ウェビナー(ウェブでの セミナー)、動画、漫画コンテンツがよく⽤用いられる。   マーケティングとは   マーケティングとは、顧客、依頼⼈人、パートナー、社会全体にとって価値 のある提供物を創造・伝達・配達・交換するための活動であり、⼀一連の制 度度、そしてプロセスである。(AMA※による定義)コンテンツマーケティン グでは主に伝達の部分をサポートすることを⽬目的とする。 ※American Marketing Association
  19. 19. コンテンツマーケティングとは コンテンツマーケティングとは適切切で価値あるコンテ ンツを作成し配布する技術である。ターゲットとなる ⾒見見込み客のことを理理解し、これを明確に定義すること により、⾒見見込み客を引き寄せ、獲得し、⾒見見込み客と関 わり合い、⾒見見込み客に購買に結びつく⾏行行動を促すこと を⽬目的とする。
  20. 20. 要するに
  21. 21. 必要な⼈人に必要な情報を届ける、   ⾒見見つけてもらう
  22. 22. ⾃自分の例例(シェアハウスに⼊入るまで) ✓ 何か新しい⽣生活の仕⽅方はないかとぼんやりと感じていた。   ✓ 記事を読んでシェアハウスという存在を知る。   ✓ シェアハウスについて調べてみる。   ✓ 記事でColishというシェアハウスを⾊色々と紹介してるサー ビスを知る。   ✓ Colishで⾊色々とシェアハウス物件の記事を読みあさる。   ✓ シェアハウス訪問してみる。   ✓ シェアハウスに住み始める。
  23. 23. ✓ 何か新しい⽣生活の仕⽅方はないかとぼんやりと感じていた。   ✓ 記事を読んでシェアハウスという存在を知る。   ✓ シェアハウスについて調べてみる。   ✓ 記事でColishというシェアハウスを⾊色々と紹介してるサー ビスを知る。   ✓ Colishで⾊色々とシェアハウス物件の記事を読みあさる。   ✓ シェアハウス訪問してみる。   ✓ シェアハウスに住み始める。 何を提供されたか? シェアハウスという
 解決策の存在を提供 各シェアハウスのメンバー、   具体的なコンセプトなど、   ⽐比較に役⽴立立つ情報を提供 値段、種類など、   シェアハウスに関する   様々な情報を提供  
  24. 24. コンテンツマーケティングで解決したい課題 深潜在層 潜在層 顕在層 具体的な企業や商品は知ら ないが、ニーズははっきり している。 解決したい悩みはあるが、 そのソリューションについ て理理解していない。 企業・商品を知っていて具 体的に検討している。 ソリューションがある ことを知らせる。 具体的な企業や商品を   教えてあげる。 ⽐比較検討に役⽴立立つ情報 を提供してアクション を促す。 各層の説明 コンテンツマーケティングで   何をするか?
  25. 25. ✓ 何か新しい⽣生活の仕⽅方はないかとぼんやりと感じていた。   ✓ 記事を読んでシェアハウスという存在を知る。   ✓ シェアハウスについて調べてみる。   ✓ 記事でColishというシェアハウスを⾊色々と紹介してるサー ビスを知る。   ✓ Colishで⾊色々とシェアハウス物件の記事を読みあさる。   ✓ シェアハウス訪問してみる。   ✓ シェアハウスに住み始める。 ⾃自分の例例 深潜在層 潜在層 顕在層
  26. 26. コンテンツマーケティングについて ✓ コンテンツマーケティングとは?   ✓ コンテンツマーケティングの全体像
  27. 27. オウンドメディア ⾃自社のファン化を促進 CV リード(⾒見見込顧客)に対してフェーズに合った情報を配信し、   ⾃自社のファン化を促進 フリーコンテンツ   (blog記事,  動画  etc.) リード向けコンテンツ   (e-‐‑‒book,  ウェビナー  etc.) メールマガジン ランディングページ   (資料料請求,  発注ページ  etc.) コンテンツマーケティングでは、オウンドメディア(⾃自社サイト)を   中⼼心に情報発信を⾏行行っていく。
  28. 28. ⾃自社のファン化を促進 ✓ ブログ記事や動画コンテンツなどのフリーのコンテンツで、⾃自社のサー ビスやメディアについて知ってもらう。   ✓ e-‐‑‒bookやウェビナー(ウェブでのセミナー)などのリッチなコンテン ツを提供するかわりに、メールアドレスなどの情報を⼊入⼒力力してもらう。   ‣ 会社名や部署、役職などによってそのユーザーにとってもらいたい ⾏行行動が変化する(決済権のある⼈人には購買してほしい、オピニオン リーダーやインフルエンサーにはコンテンツを拡散してほしい)の で、取得項⽬目は要検討。   ✓ 興味コンテンツを特定、興味の段階を⾏行行動履履歴から把握し、適切切なタイ ミングで適切切なアクションを提供する。   ‣ ⼊入⾨門記事を読み終わった⼈人に事例例集をオススメする、購買を検討し ているユーザーに対して架電を⾏行行うなど。
  29. 29. キュレーション 検索索 SNS DSP オウンドメディア サイトへの流流⼊入を促進 CV フリーコンテンツ   (blog記事,  動画  etc.) リード向けコンテンツ   (e-‐‑‒book,  ウェビナー  etc.) メールマガジン ランディングページ   (資料料請求,  発注ページ  etc.) サイトへの流入
  30. 30. サイトへの流流⼊入を促進 ✓ SNS・キュレーション経由で流流⼊入を狙うのためのコンテンツ   ‣ キャッチーでクリックされやすいタイトル、共感されやすい内容を⼼心がけ る。   ✓ 検索索エンジン経由での流流⼊入を狙ったコンテンツ   ‣ キーワード・SEOなどを意識識してコンテンツを作成する。   ✓ 外部からの流流⼊入を意識識せずに作成するコンテンツ   ✓ ファン化を促進する、サービスについて知ってもらうなど、流流⼊入以外の部 分に⽐比重を置いたコンテンツ。流流⼊入元は主にオウンドメディアで、e-‐‑‒ bookやメールマガジンなどに載せるものなど、流流通しにくい形式のコン テンツなどは主にここに含まれる。   ✓ 広告からのコンテンツへの流流⼊入も戦略略的に活⽤用   ‣ 記事コンテンツが多いので、ネイティブアドとの相性が良良い。
  31. 31. DSP オウンドメディア サイトへの再訪問を促す CV フリーコンテンツ   (blog記事,  動画  etc.) リード向けコンテンツ   (e-‐‑‒book,  ウェビナー  etc.) メールマガジン ランディングページ   (資料料請求,  発注ページ  etc.) サイトへの再訪問を促す
  32. 32. サイトへの再訪問を促す ✓ ⼀一度度サイトを訪れたユーザーに対してリターゲティ ング広告を配信   ‣ 直接購買ページに⾶飛ばすのではなく記事ページや ebookのダウンロードページへ遷移させることに より、不不快感を軽減する。
  33. 33. ネット オウンドメディア コンテンツマーケティングの全体像 CV 実際の⾏行行動を促す フリーコンテンツ   (blog記事,  動画  etc.) リード向けコンテンツ   (e-‐‑‒book,  ウェビナー  etc.) メールマガジン ランディングページ   (資料料請求,  発注ページ  etc.) ⾃自社セミナー 店舗来店
  34. 34. 実際の⾏行行動を促す ✓ コンテンツマーケティングでは、ウェブ以外のコン テンツも活⽤用   ‣ 購買までのハードルが⾼高い商材については、オウ ンドメディア内で直接コンバージョンを促すので はなく、⾃自社セミナーや店舗来店などコンバー ジョンに繋がりやすいアクションを促す。
  35. 35. ネット オウンドメディア コンテンツマーケティングの全体像 CV 最終的に⽬目的とした⾏行行動を促す フリーコンテンツ   (blog記事,  動画  etc.) リード向けコンテンツ   (e-‐‑‒book,  ウェビナー  etc.) メールマガジン ランディングページ   (資料料請求,  発注ページ  etc.) ⾃自社セミナー 店舗来店
  36. 36. ⽬目的とした⾏行行動を促す ✓ オウンドメディアの情報を活⽤用することで営業活動を補助   ‣ サイト内の回遊情報から、⾒見見込顧客の興味を推定して活⽤用す る。   ✴ 営業に⾏行行った際に、⾒見見込顧客が⼀一度度読んだことがあるコンテンツの説明から開始 する。   ✴ セミナーを⾏行行う際に、参加者の興味を知ることでプレゼン内容を調節できる。   ‣ 適切切なタイミングでアクションを⾏行行うことで成功率率率を⾼高める。   ✴ ⾒見見込み客をスコアリングして、ある⼀一定の閾値を超えた⼈人に対してアプローチを かける。   ✴ 特定のコンテンツを読んでいる時、特定のフォームに⼊入⼒力力したときなど、⾒見見込顧客 が興味を持っているタイミンで架電やメッセージの送付などを⾏行行うことでアポイン トの成功率率率を⾼高める。
  37. 37. キュレーション 検索索 SNS DSP ネット オウンドメディア コンテンツマーケティングの全体像 CV リード(⾒見見込顧客)に対してフェーズに合った情報を配信し、   ⾃自社のファン化を促進 実際の⾏行行動を促す 最終的に⽬目的とした⾏行行動を促す フリーコンテンツ   (blog記事,  動画  etc.) リード向けコンテンツ   (e-‐‑‒book,  ウェビナー  etc.) メールマガジン ランディングページ   (資料料請求,  発注ページ  etc.) ⾃自社セミナー 店舗来店 サイトへの流流⼊入 サイトへの再訪問を促す
  38. 38. コンテンツ・マーケティングは価値の   ⾼高いユーザーを増やしていく
  39. 39. アウトライン ✓ ⾃自⼰己紹介   ✓ イノーバのサービスについて   ✓ コンテンツマーケティングについて   ‣ コンテンツマーケティングとは?   ‣ コンテンツマーケティングの全体像   ✓ 分析について   ‣ コンテンツマーケティングにおける指標の作成   ‣ コンテンツ作成の際のアイディア補助   ‣ 価値あるライター評価とインセンティブ設計   ‣ ユーザーのセグメンテーションとセグメント別のアプローチ   ✓ 質疑・応答
  40. 40. アプローチの⽅方針 ✓ 難しいことはやらない。簡単なことをやる。   ‣ 最適化して100のものを110にしなくても、
 0を30くらいにしたほうがコスト効率率率が良良い。   ✓ アクションにつながる、サービスに繋がることをや る。探索索的なことはやらない。   ✓ 将来必要になりそうなデータはとりあえず仕込んで おく。
  41. 41.             使⽤用しているデータ 相互レビュー コンテンツの   テキスト 募集・応募   履履歴 校正履履歴 アクセスログ メールの   開封履履歴 アクション履履歴 メッセージログ ワークログ 各種SNS指標 ユーザー情報 カテゴリ情報 イノーバが取って   いるデータ 世の中にあるデータ SEOのサーチ   ボリューム オーディエンス データ(DMP) Web   コンテンツ 辞書 各種   SNSデータ 検索索エンジン   Search  API オープンデータ アンケート   データ
  42. 42.                                                                                                                                                                 メディア企画 制作 コンテンツ拡散 リード   ナーチャリング 校正の補助 コピペチェック コンテンツ企画 の   アイディア補助 アドベンド   カレンダーの
 作成 コンテンツ内容 の   ⾃自動要約 アクションの   平均単価予測 Webサイトの   ABテスト CVに変わる   指標の作成 効果測定 制作可能数   ⾒見見積もり 記事の   レコメンド コンテンツ戦略略 の   ポートフォリオ ライターの   マッチング セグメント別   コンテンツ配信 ライターの   インセンティブ 設計 チームの   最適配置 セグメント別   ナーチャリング 戦略略 メディア戦略略の   レコメンド オウンド   メディアの   評価指標作成 業界平均値との ⽐比較、競合度度合 の算出 NLP   (係り受け) NLP   (類似度度) 最適化 ゲーム理理論論 予測 最適化 NLP 分類 NLP   (⾃自動要約) 定量量化 定量量化 レコメンド 検定 レコメンド 予測 アクションの   成功確率率率予測 予測 購買フェーズの 移⾏行行モデル モデル化 コンテンツの   クオリティ評価 定量量化   主成分分析 ライターの   学習曲線 モデル化 クローリング   NLP 分類 PV,  CTR,  CV  等   各種KPI予測 予測 ※NLP  =  Natural  Language  Processing(⾃自然⾔言語処理理) 各コンテンツの   効果測定 定量量化   モデル化 カテゴリの   需要・難易易度度 定量量化 分類 レコメンド 課題 使⽤用する⼿手法
  43. 43. 眺めるだけで   お腹いっぱい。。。
  44. 44. いくつかのアプローチを紹介します
  45. 45. 分析について ✓ コンテンツ作成の際のアイディア補助   ✓ 価値あるライター評価とインセンティブ設計   ✓ ユーザーのセグメンテーションとセグメント別の アプローチ   ✓ コンテンツマーケティングにおける指標の作成
  46. 46. コンテンツマーケティングを⾏行行う際のステップ メディア企画 コンテンツ制作 リード   ナーチャリング コンテンツ拡散 効果測定
  47. 47. メディア企画 メディア企画 コンテンツ拡散 コンテンツ制作 リード   ナーチャリング 効果測定
  48. 48. メディア企画 ✓ メディアの戦略略を決める   ‣ 企ブランド認知の向上、リードナーチャリング、エンゲージメントの増加、既存顧客のロイ ヤリティを⾼高める、オピニオンリーダーになるなど、何のためにメディアを運営するのかの ⽅方針を決定する。   ✓ ペルソナの設計   ‣ 想定されるユーザー像の年年齢、職業、関⼼心キーワード、情報収集の⼿手段など、ユーザーがど んな⼈人で何に興味があるのかをまとめたペルソナ像の設定を⾏行行う。   ✓ 購買フェーズ設計   ‣ 購買フェーズの設計を⾏行行う。⾼高級な商材であるか、安価な商材であるか、繰り返し購買を⾏行行 うものであるか、1回しか購買しないものであるかなどの違いがあるので、商材に合わせた フェーズ設計を⾏行行う。   ✓ コンテンツ設計   ✓ 各ペルソナと各購買フェーズに対して、どのようなコンテンツを配信するかの戦略略を決定す る。
  49. 49.                                                                                                                                                                 メディア企画 制作 コンテンツ拡散 リード   ナーチャリング 校正の補助 コピペチェック コンテンツ企画 の   アイディア補助 アドベンド   カレンダーの
 作成 コンテンツ内容 の   ⾃自動要約 アクションの   平均単価予測 Webサイトの   ABテスト CVに変わる   指標の作成 効果測定 制作可能数   ⾒見見積もり 記事の   レコメンド コンテンツ戦略略 の   ポートフォリオ ライターの   マッチング セグメント別   コンテンツ配信 ライターの   インセンティブ 設計 チームの   最適配置 セグメント別   ナーチャリング 戦略略 メディア戦略略の   レコメンド オウンド   メディアの   評価指標作成 業界平均値との ⽐比較、競合度度合 の算出 NLP   (係り受け) NLP   (類似度度) 最適化 ゲーム理理論論 予測 最適化 NLP 分類 NLP   (⾃自動要約) 定量量化 定量量化 レコメンド 検定 レコメンド 予測 アクションの   成功確率率率予測 予測 購買フェーズの 移⾏行行モデル モデル化 コンテンツの   クオリティ評価 定量量化   主成分分析 ライターの   学習曲線 モデル化 クローリング   NLP 分類 PV,  CTR,  CV  等   各種KPI予測 予測 ※NLP  =  Natural  Language  Processing(⾃自然⾔言語処理理) 各コンテンツの   効果測定 定量量化   モデル化 カテゴリの   需要・難易易度度 定量量化 分類 レコメンド 課題 使⽤用する⼿手法
  50. 50. 解決したい問題 ✓ ⽂文脈が近いワードでいい感じのものをレコメンドしたい。   ‣ いまどき⼦子供の間で流流⾏行行っているものってなんだっけ?
 妖怪ウォッチとかならわかるけど、他にどんなものがあるの?   ✓ 関連性のあるワードで、想像しないようなワードを連想したい。   ‣ スムージーから健康を引いたら何の要素が残る?   ✓ 類似の⾔言葉葉は思い出せているが、欲しいワードが思いつかない場合。   ‣ ヨガとか、ストレッチ系の⾔言葉葉だったんだけど何だったっけ?(ピラ ティスを思い出したい)   ‣ 野菜ジュースとか、ミックスジュース的なやつなんだけど、あれなんて ⾔言ったっけ?(スムージーを思い出したい) コンテンツ制作で困った際の補助を⾏行行いたい
  51. 51. word2vec!
  52. 52. word2vecとは 詳しくは、第42回TokyoWebminingで@piroyoungさんが発表した資料料に詳しく書いてある のでそちらを参照してね! 今⽇日は⾵風邪を引いたので会社を休もう  →  今⽇日/は/⾵風邪/を/引い/た/ので/会社/を/休も/う   今⽇日は⾬雨が振ったので学校を休もう    →  今⽇日/は/⾬雨/が/振っ/た/ので/学校/を/休も/う   周辺で同じワードが多く使われているワードは⽂文脈的に近いとする。 ワードを⽂文脈ベクトルに変換して表現する⼿手法 ⽂文脈1 ⽂文脈2 ⾬雨 ⾵風邪 赤い部分が多いほど
 文脈的には近い
  53. 53. ✓ 単語の演算ができる。   ‣ king  -‐‑‒  man  +  woman  =  queen   ✓ ⽂文脈が近いワードを取得できる。   ‣ Pythonの類似語として、Perl,  JavaScript,  Java,   Rubyなどのプログラミング⾔言語を取得できる。   ‣ 芥川⿓龍龍之介の類似語として、太宰治,   ⾕谷崎潤⼀一郎郎,   川端康成,  夏⽬目漱⽯石,  坂⼝口安吾などの作家を取得 できる。 word2vecでできること
  54. 54. ✓ 競合となり得るワードのリサーチができる。   ‣ 競合となり得る商品を理理解し、コンテンツの作成に活⽤用できる。   ✴ 健康⾷食品という⽂文脈でココナッツオイルやサプリメントとスムー ジーが使われていることがわかったので、「最新の健康アイテム 10種⽐比較」みたいな記事が書けるようになる。   ✓ 相乗効果があるワードをレコメンドできる。   ‣ 同じ⽂文脈で使われている単語をテーマ設定に活⽤用することができる。   ✴ 健康・ダイエットといった⽂文脈でスムージーとトレーニングが使 われていることがわかったので、「スムージーとトレーニングで 健康的なダイエットを」といった内容の記事を書けるようにな る。 ⽂文脈が近いワードのレコメンド どんなテーマでコンテンツを作成するのかといった
 アイディアの補助ツールになる。
  55. 55. 関連ワードの想起を助ける ✓ ワードの⾜足し引きができるようにする。   ‣ スムージーから健康を引いたらダイエットが残るとかなれば超嬉しい。   ✓ ワードから特定の次元を削除してみる。   ‣ 特定次元だけ削除して類似度度を測ってみると、⽂文脈は近いが特定の⽂文脈 が抜け落落ちたワードが抽出できるはず!   ✓ ベクトルの分解をやってみる。   ‣ ⾜足したらそのベクトルとなるような組み合わせを無作為に選択。 コンテンツ制作で困った際の補助を⾏行行いたい アイディアが浮かべばオッケーなので、意外性とある程度度の
 納得感があれば⼗十分。
  56. 56. ワードの思い出し補助 ✓ 類似ワードを列列挙するときに役⽴立立つ。   ‣ 少年年漫画を列列挙したいときに、ワンピースという単語を与える とNARUTO、ブリーチといったワードが取得できる。   ✓ 忘れたワードを思い出す。   ‣ ヨガ、ストレッチというワードからピラティスが取得できる。   ✓ 代替になるワードのレコメンド。   ‣ 妬むという表現がしっくり来なかった場合に、羨む、恨む、蔑 むなど、代替となる表現をレコメンドできる。 コンテンツ制作で困った際の補助ができる。   類語辞典やWikipediaの⼀一覧ページのような使い⽅方ができる。
  57. 57. 分析について ✓ コンテンツ作成の際のアイディア補助   ✓ 価値あるライター評価とインセンティブ設計   ✓ ユーザーのセグメンテーションとセグメント別の アプローチ   ✓ コンテンツマーケティングにおける指標の作成
  58. 58. コンテンツ制作 コンテンツ制作 メディア企画 リード   ナーチャリング コンテンツ拡散 効果測定
  59. 59. コンテンツ制作 ✓ コンテンツの制作頼   ‣ コンテンツを作成する場合に、コンテンツの制作を⾏行行う必要があ る。コンテンツの制作を⾏行行う際には以下の様な選択肢が考えら る。   ✴ 制作会社への完全な外注   ✴ クラウドソーシングや業務委託に⾏行行い、編集やディレクションを社内で⾏行行う 半内製   ✴ 社内リソースのみで作成する完全な内製   ✓ コンテンツ制作のスケジュール管理理   ‣ いつコンテンツを配信するか、コンテンツ配信後に拡散のキャン ペーンを⾏行行う場合はどのように拡散を⾏行行うかなどを計画的に管理理 する必要がある。
  60. 60.                                                                                                                                                                 メディア企画 制作 コンテンツ拡散 リード   ナーチャリング 校正の補助 コピペチェック コンテンツ企画 の   アイディア補助 アドベンド   カレンダーの
 作成 コンテンツ内容 の   ⾃自動要約 アクションの   平均単価予測 Webサイトの   ABテスト CVに変わる   指標の作成 効果測定 制作可能数   ⾒見見積もり 記事の   レコメンド コンテンツ戦略略 の   ポートフォリオ ライターの   マッチング セグメント別   コンテンツ配信 ライターの   インセンティブ 設計 チームの   最適配置 セグメント別   ナーチャリング 戦略略 メディア戦略略の   レコメンド オウンド   メディアの   評価指標作成 業界平均値との ⽐比較、競合度度合 の算出 NLP   (係り受け) NLP   (類似度度) 最適化 ゲーム理理論論 予測 最適化 NLP 分類 NLP   (⾃自動要約) 定量量化 定量量化 レコメンド 検定 レコメンド 予測 アクションの   成功確率率率予測 予測 購買フェーズの 移⾏行行モデル モデル化 コンテンツの   クオリティ評価 定量量化   主成分分析 ライターの   学習曲線 モデル化 クローリング   NLP 分類 PV,  CTR,  CV  等   各種KPI予測 予測 ※NLP  =  Natural  Language  Processing(⾃自然⾔言語処理理) 各コンテンツの   効果測定 定量量化   モデル化 カテゴリの   需要・難易易度度 定量量化 分類 レコメンド 課題 使⽤用する⼿手法
  61. 61. 解決したい問題 ✓ 案件を継続したい場合は、お互いに⾼高評価を付け る。   ‣ 低評価を付けられると案件を受注しにくくなるの で、低評価を付けた⼈人の仕事は基本受けない。   ✓ 低評価を付けると低評価を付けられやすくなるの で、とりあえず⾼高評価を付けておく。 クラウドソーシングサービスで評価を⾏行行った際によ くある問題
  62. 62. 相互レビュー⽅方式の抱える問題 50% 50% 80% 20% 評価者1 評価者2 低評価 ⾼高評価 ⾼高評価(案件継続) 低評価(案件終了了) ⾼高評価(案件終了了) 低評価(案件終了了) 以下の考えから、評価者1は⾼高 評価をつける。   ❖ 案件が継続しやすい。   ❖ ⾼高評価をもらいやすい。 以下のような場合は、評価者2 は⾼高評価をつける。   ❖ 案件を継続したい。   ❖ 将来的にもう⼀一度度案件が発 ⽣生する可能性がある。
  63. 63. 微妙なレビューが招くスパイラル ✓ 低評価を付けるインセンティブが働かない。   ✓ とりあえず⾼高評価を付ける。   ✓ みんな⾼高評価になる。   ✓ どんだけ頑張っても対して評価も⾦金金額も変わらない。   ‣ 低評価にならないギリギリの所で適当に仕事をこなす のが最適戦略略になる。   ✓ 質の⾼高い発注者・受注者がどんどん抜けていく。   ✓ 質の⾼高い⼈人がいないからユーザーがどんどん離離れていく。
  64. 64. そして誰もいなくなる。。。
  65. 65. 価値ある評価設計と   インセンティブ設計をしよう
  66. 66. ちゃんとしたインセンティブ設計があると ✓ クオリティの⾼高い仕事をすれば評価が上がり、クオリティの低い仕事を すれば評価が下がる。   ✓ 評価が上がると⾼高額案件が受けやすくなる。   ‣ クオリティとかかる時間を考慮して効率率率が良良い仕事を⾏行行うことが最 適な戦略略に。   ✓ 発注者に⾼高クオリティで⾼高単価か低クオリティで低単価かの選択肢が
 ⽣生まれる。   ✓ 初⼼心者でも安⼼心して仕事を受けることができるようになる。   ‣ 初⼼心者が成⻑⾧長するためのきっかけになる。   ✓ 欲しい⼈人がいるかどうか分かるので、発注者が増える。   ✓ 仕事があるので⼈人が増える。
  67. 67. いめーじ トップライター 中堅ライター 初⼼心者ライター 新規ライター きちんと仕事していれば   評価が上がっていく。 ライター候補 新規ライター登録 評価の⾼高いライターでも、 実績を出し続けなければ   評価が下がる。
  68. 68. 価値ある評価設計
  69. 69. 価値のある評価にするために ✓ システム的な評価項⽬目を作成する。   ‣ PV、読了了数、シェア数などのコンテンツ掲載結果   ‣ コメントに対する応答までの時間   ‣ 納期に対する遅延度度合   ‣ コミュニケーションの⽂文字数、頻度度   ✓ ⼀一定数の評価が溜溜まった後に集計した値を評価値として採⽤用す る。   ‣ 誰が悪く評価したかという情報を評価される側に与えない。   ✓ 相対的な評価⽅方法を⽤用いる。
  70. 70. 絶対評価と相対評価 ✓ 絶対評価   ‣ 評価項⽬目を定量量的に評価するのによく使われる⼿手 法。「ややあてはまる」、「あてはまる」、「よく あてはまる」、「どちらでもない」などの質問項⽬目 を準備し、5件法〜~7件法がよく⽤用いられる。複数評 価項⽬目がある場合に、その順序は分からない。   ✓ 相対評価   ‣ 評価項⽬目を直接⽐比較することで、各項⽬目の順序尺度度 を明確にする評価⼿手法。順位法や⼀一対⽐比較の⼿手法が 存在する。
  71. 71. 順位 ライター 1位 ライターA 2位 ライターB 3位 ライターC 4位 ライターD 順位法 ✓ 1回の質問で全ての評価項⽬目の評 価を⾏行行うことができる。   ✓ 順位間の距離離は分からない。   ✓ 上位、下位の順位は信頼のおける 値であるが、中位の順位について は、印象が薄いので信頼がおける とは⾔言い切切れない。 各評価項⽬目に順位付を⾏行行うことで 相対的な評価を⾏行行う⼿手法。
  72. 72. ⼀一対⽐比較法 ライターA ライターB 構成⼒力力 ◯ 表現⼒力力 ◯ 対応 ◯ 総合 ◯ ✓ 全ての評価項⽬目に対して1対1で の⽐比較を⾏行行うので、信頼度度の⾼高い 結果が得られやすい。   ✓ 全ての項⽬目に対して評価項⽬目を設 定しなければならない。 2つの項⽬目について、質問毎に優劣劣 を付けることで相対的な評価を⾏行行 う⼿手法。分析の評価に関しては サーストン法やシェフェ法を⽤用い る。
  73. 73. 相対的な評価指標を使⽤用する場合の問題点 ✓ 全てのライター、クライアントを相対的に⽐比較するのは難しい。   ‣ 全てのライターを⽐比較せずに、ある程度度同じ指標で評価したい。   ✓ イロレーティングによるスキルの数値化。   ‣ チェスなどの2⼈人制ゲームにおける実⼒力力の測定値に使⽤用される
 イロレーティングのシステムを応⽤用。
  74. 74. イロレーティングによるスキルの数値化 ✓ ゲームの結果は⼀一⽅方の勝ち、⼀一⽅方の負けのみとし、引き分けは考慮しない(0.5勝 0.5敗と扱うものとする)。   ✓ 200点のレート差がある対局者間では、レートの⾼高い側が約76パーセントの確率率率 で勝利利する。   ✓ 平均的な対局者のレートを1500とする。   ✓ 実際に何局か対局した結果、Aの勝ち数がSAであった場合、Aのレートを以下のよ うに補正し、新たなレートRʼ’Aとする(EAは各対局の勝利利する確率率率を⾜足し合わせ る)。
 
 Rʼ’A = RA + K(SA + EA) (Wikipedia より引用) チェスなどの2⼈人制ゲームにおける実⼒力力の測定値(レーティング)の算出法。
 ⼀一対⽐比較の結果を数値化するときの⽅方法の⼀一つとして使えるのではないか?
  75. 75. まとめ ✓ クラウドソーシングサービスではインセンティブ設計が⼤大事。   ‣ 質の⾼高い仕事をしたら⾼高報酬をもらえるインセンティブ設計が必 要。   ✓ インセンティブ設計を⾏行行うためには、きちんとした評価制度度が必要。   ‣ シビアに評価することが最適な戦略略になる評価設計。   ‣ システム的な評価指標を導⼊入する。   ‣ 相対評価を⽤用いて、ライター間の優劣劣がきちんと分かれるようにす る。   ✓ 少ないサンプルである程度度意味のある評価ができる必要がある。   ‣ イロレーティングを応⽤用することで、同じ指標で複数のユーザーを ⽐比較。
  76. 76. 分析について ✓ コンテンツ作成の際のアイディア補助   ✓ 価値あるライター評価とインセンティブ設計   ✓ ユーザーのセグメンテーションとセグメント別の アプローチ   ✓ コンテンツマーケティングにおける指標の作成
  77. 77. コンテンツ拡散 メディア コンテンツ リード   ナーチャリング 効果測定 コンテンツ拡散
  78. 78. サイトへの流流⼊入を促進 ✓ SNS・キュレーション経由で流流⼊入を狙うのためのコンテンツ   ‣ キャッチーでクリックされやすいタイトル、共感されやすい内容を⼼心がけ る。   ✓ 検索索エンジン経由での流流⼊入を狙ったコンテンツ   ‣ キーワード・SEOなどを意識識してコンテンツを作成する。   ✓ 外部からの流流⼊入を意識識せずに作成するコンテンツ   ‣ ファン化を促進する、サービスについて知ってもらうなど、流流⼊入以外の部 分に⽐比重を置いたコンテンツ。流流⼊入元は主にオウンドメディアで、e-‐‑‒ bookやメールマガジンなどに載せるものなど、流流通しにくい形式のコン テンツなどは主にここに含まれる。   ✓ 広告からのコンテンツへの流流⼊入も戦略略的に活⽤用   ‣ 記事コンテンツが多いので、ネイティブアドとの相性が良良い。
  79. 79.                                                                                                                                                                 メディア企画 制作 コンテンツ拡散 リード   ナーチャリング 校正の補助 コピペチェック コンテンツ企画 の   アイディア補助 アドベンド   カレンダーの
 作成 コンテンツ内容 の   ⾃自動要約 アクションの   平均単価予測 Webサイトの   ABテスト CVに変わる   指標の作成 効果測定 制作可能数   ⾒見見積もり 記事の   レコメンド コンテンツ戦略略 の   ポートフォリオ ライターの   マッチング セグメント別   コンテンツ配信 ライターの   インセンティブ 設計 チームの   最適配置 セグメント別   ナーチャリング 戦略略 メディア戦略略の   レコメンド オウンド   メディアの   評価指標作成 業界平均値との ⽐比較、競合度度合 の算出 NLP   (係り受け) NLP   (類似度度) 最適化 ゲーム理理論論 予測 最適化 NLP 分類 NLP   (⾃自動要約) 定量量化 定量量化 レコメンド 検定 レコメンド 予測 アクションの   成功確率率率予測 予測 購買フェーズの 移⾏行行モデル モデル化 コンテンツの   クオリティ評価 定量量化   主成分分析 ライターの   学習曲線 モデル化 クローリング   NLP 分類 PV,  CTR,  CV  等   各種KPI予測 予測 ※NLP  =  Natural  Language  Processing(⾃自然⾔言語処理理) 各コンテンツの   効果測定 定量量化   モデル化 カテゴリの   需要・難易易度度 定量量化 分類 レコメンド 課題 使⽤用する⼿手法
  80. 80. 解決したい問題 ユーザーをセグメンテーションしたい ✓ 興味があるものはなにか?   ‣ 商品に興味があって、購買を検討しているユーザー   ‣ 企業⾃自体に興味があって、転職先として興味があるユーザー   ‣ 商品に興味がないか、コンテンツが⾯面⽩白いから単純に購読しているユー ザー   ✓ どのようなタイプのユーザーなのか?   ‣ ユーザーの訪問頻度度はどの程度度なのか?   ‣ 直近訪れたのはいつか?   ✓ どの購買フェーズにいる⼈人か?   ‣ 抱えている問題を解決できるサービスがあることさえ知らない   ‣ 他社の商品との⽐比較フェーズ
  81. 81. 興味があるものがわかると ✓ ユーザーが興味のあるカテゴリを特定し、興味のあ るカテゴリを中⼼心にコンテンツを配信できる。ユー ザーの興味をベースにしたカテゴリの再設計が可能 になる。   ✓ 営業に⾏行行った際に、興味のある分野を中⼼心に商談を 進められる。
  82. 82. ユーザーのタイプがわかると ✓ ファンのユーザーには頻繁にメール配信を⾏行行い、コ アではないユーザーにはメールを控えるなど、コン テンツの配信頻度度を変えられる。   ✓ 前提知識識が必要なコンテンツは新規ユーザーに⾒見見せ ると逆効果になる可能性があるので、コアなファン ユーザーにのみ配信できる。
  83. 83. どの購買フェーズにいる⼈人かわかると ✓ 購買検討中のユーザーに関してはキャンペーン情報 を送るなど、配信、レコメンドすべきコンテンツを 出し分られる。   ✓ 架電を⾏行行うタイミングやヒアリング内容など、どの ような営業アクションを⾏行行うかの判断材料料になる。
  84. 84. 興味カテゴリの推測(ユーザーが少数の場合) ✓ 各ページの滞在時間など、個別の
 ユーザーが何に対しての興味を
 持っているかの可視化を重視   ‣ ユーザーが少数の場合は個別に違ったアプ ローチをかけるので、営業戦略略を⽴立立てやす いデータを分かりやすく提供することに フォーカス。
 個別のユーザー履履歴をトラッキ ングする ページ1 ページ2 ページ3 ページ4 0 100 200 300 400 滞在時間 データ可視化の一例 (ユーザーのページ別滞在時間)
  85. 85. 興味カテゴリの推測(ユーザーが多数の場合) ✓ k-‐‑‒meansを使⽤用して興味カテゴリ
 をクラスタリングする。   ✓ コンテンツ単位でk-‐‑‒meansを
 ⾏行行うことで、カテゴリの作りなお しができる。 k-‐‑‒meansを使ってユーザーを
 クラスタリングする。 カ テ ゴ リ 2 の 閲 覧 回 数 カテゴリ1の閲覧回数
  86. 86. ユーザータイプのセグメンテーション 2回以下 3回以上 1週間以内 20人 200人 1週間以降 50人 650人 直近1ヶ⽉月の訪問回数 直 近 訪 問 こういうやつ。
  87. 87. ユーザータイプのセグメンテーション ✓ 軸を決める。   ‣ よく使われるのは、訪問頻度度と直近訪問⽇日(RF分析)。   ✴ 滞在時間、CV数、リードスコアなど、⽬目的に合わせて軸を決める。   ‣ 2軸でセグメンテーションするのがわかりやすい。   ✴ 相関が⾼高い2軸を選んでもあんまり意味が無い。PV数と訪問数などは相関し易易い ので、訪問数と訪問あたりのPV数という軸で切切ってやると相関しにくくなる。   ✓ 分布を⾒見見る。   ‣ 全体の分布がどうなっているのかを、ヒストグラム出してみてみる。   ✓ セグメントを切切る場所を決める。   ‣ 当分割する、上下20%と60%で切切るなど、取りたいアクションによって切切る場所を決 める。   ✴ ⽉月間に営業をかけられるのが30⼈人までなら、上位ユーザーが30⼈人になるように するなど。
  88. 88. 購買フェーズの推測 ✓ 評価点を作って、評価点が⾼高いユーザーが購買意欲が⾼高いと判断す る。   ‣ アクションに評価点を付ける。   ✴ 妥当な決め⽅方が分からない。。。教えて偉い⼈人!   ✓ 評価点を⽇日付で指数減衰させる。   ✓ 評価点に応じて購買フェーズを予測する。   ✓ 状態空間モデルをうまいこと使う。   ‣ 購買フェーズという潜在的な状態を持っていると仮定する。   ‣ 購買フェーズが実際のアクションに影響すると仮定する。   ‣ 実際のアクションを元に、購買フェーズを推測する。 いい感じの⽅方法が思いつかない。良良さ気な⽅方法を知っ てる⽅方教えて。。。
  89. 89. リードナーチャリング リード   ナーチャリング メディア コンテンツ コンテンツ 効果測定
  90. 90. リードナーチャリング 購買フェーズ、ペルソナに合わせたコンテンツを 配信することでファン化を促進。   具体的には、新規流流⼊入ユーザーに対しては
 チェックリストや⼊入⾨門記事など、ある程度度興味を 持っているユーザーに対しては導⼊入事例例や
 デモ動画、購買を検討している層に対しては
 無料料トライアルや購買クーポンなど、ユーザーの ⾒見見込度度合によって、適切切なコンテンツを出し分け ることで、ユーザーの離離脱を少なくし、CVに
 繋げる。 深潜在層 潜在層 顕在層 ⼤大企業の
 マーケ担当 コンテンツ   マーケティング   について コンテンツマー ケティングの事 例例(⼤大企業) 決済者への説明 の仕⽅方   コンテンツマー ケティングの ROI 中⼩小企業   社⻑⾧長 コンテンツ   マーケティング   について コンテンツマー ケティングの事 例例(中⼩小企業) コンテンツマー ケティングの   始め⽅方 転職   希望者   (エンジニア) コンテンツ   マーケティング   について コンテンツ   マーケティング   における   データ分析 採⽤用情報   社員紹介 イノーバ(コンテンツマーケティングの場合)
  91. 91. リードスコアリング 個別のユーザーに対して⾏行行動履履歴や⼊入⼒力力情報に基づき、⾒見見込度度合がどの程度度なのかの
 スコアリングを⾏行行う。リードスコアが⼀一定値を超えたユーザーに対して営業をかけるな ど、どのユーザーに対してアプローチを⾏行行うのが効果的なのかの判断指標に⽤用いる。 項⽬目 スコア 訪問頻度度 直近1ケ⽉月に訪問がなければ0,  ⽉月1回なら+3,  ⽉月2~∼3回なら+5,  3回以上なら+10 直近訪問 直近の訪問が1ケ⽉月以内であれば+5,  1週間以内であれば+10 役職 決済権がある役職であれば+10 ⾏行行動履履歴 ebookダウンロードしたら+5,    メルマガ登録で+10,  資料料請求を⾏行行ったら+30 上記のスコア表を⽤用いる場合、直近訪問が1週間以内、直近1ヶ⽉月の訪問が3回で決 済権があり、ebookダウンロードをしているユーザーのリードスコアは   5(3回訪問)  +  10(1週間以内訪問)  +  10(決済権がある)  +  5(ebookダウンロード)    =  30
  92. 92. 分析について ✓ コンテンツ作成の際のアイディア補助   ✓ 価値あるライター評価とインセンティブ設計   ✓ ユーザーのセグメンテーションとセグメント別の アプローチ   ✓ コンテンツマーケティングにおける指標の作成
  93. 93. 効果測定 メディア コンテンツ リード   ナーチャリング コンテンツ 効果測定
  94. 94. 効果測定 ✓ サイト全体の評価指標   ✓ サイトのPV数、訪問者数、直近に訪問している、頻繁に訪問している ユーザーがどの程度度いるか、どの程度度のCVがあるかなど、サイト全体を 総合した指標を評価指標とする(詳しくは後述)。   ✓ 流流⼊入を⽬目的とするコンテンツ   ‣ PVやシェア数、検索索順位などの流流⼊入に関わる指標、新規率率率やリピート率率率 などの新規流流⼊入・継続に関わる指標を評価指標とする。   ✓ ニッチなコンテンツ   ‣ PV、シェア数等は評価指標として⽤用いず、読了了率率率や滞在時間、リピート 率率率などの満⾜足度度と相関がある指標を評価指標とする。   ✓ CVを促すコンテンツ   ‣ お問合せや、資料料請求、購買などのCVページへの遷移率率率、ページ経由の CV率率率などのCVに関する指標を評価指標とする。 オウンドメディアの評価を⾏行行う際には、個別の評価で⾏行行うのではなく、サイ ト全体を通して評価を⾏行行うべきである。全てのコンテンツを共通の評価指標 で評価するのではなく、⽬目的としていた戦略略に対して期待していた結果が得 られたかという基準で判断すべきである。
  95. 95. お客さんに⾒見見せる部分は出来る限り   ブラックボックス化したい ✓ お客さんは分析⼿手法なんて聞きたくない。   ‣ 難しいことなんて出来る限り考えたくない。   ✓ とはいえ、何かしらの指標は欲しい。   ‣ 独⾃自指標を作って、それだけ⾒見見てればいいように したい。   ✴ e.g.  Kloutスコア、Wantedlyスコア   ✓ アクションに繋げられる指標が欲しい。
  96. 96.                                                                                                                                                                 メディア企画 制作 コンテンツ拡散 リード   ナーチャリング 校正の補助 コピペチェック コンテンツ企画 の   アイディア補助 アドベンド   カレンダーの
 作成 コンテンツ内容 の   ⾃自動要約 アクションの   平均単価予測 Webサイトの   ABテスト CVに変わる   指標の作成 効果測定 制作可能数   ⾒見見積もり 記事の   レコメンド コンテンツ戦略略 の   ポートフォリオ ライターの   マッチング セグメント別   コンテンツ配信 ライターの   インセンティブ 設計 チームの   最適配置 セグメント別   ナーチャリング 戦略略 メディア戦略略の   レコメンド オウンド   メディアの   評価指標作成 業界平均値との ⽐比較、競合度度合 の算出 NLP   (係り受け) NLP   (類似度度) 最適化 ゲーム理理論論 予測 最適化 NLP 分類 NLP   (⾃自動要約) 定量量化 定量量化 レコメンド 検定 レコメンド 予測 アクションの   成功確率率率予測 予測 購買フェーズの 移⾏行行モデル モデル化 コンテンツの   クオリティ評価 定量量化   主成分分析 ライターの   学習曲線 モデル化 クローリング   NLP 分類 PV,  CTR,  CV  等   各種KPI予測 予測 ※NLP  =  Natural  Language  Processing(⾃自然⾔言語処理理) 各コンテンツの   効果測定 定量量化   モデル化 カテゴリの   需要・難易易度度 定量量化 分類 レコメンド 課題 使⽤用する⼿手法
  97. 97. 解決したい問題 ✓ コンテンツ配信の効果測定の項⽬目を設定したい。   ‣ CVが最終的なビジネス⽬目標である限り、どうしてもCVを⾒見見てしまい、そ もそも最初に設定したコンテンツ制作時の達成⽬目標・KPIなどを忘れが ち。   ‣ コンテンツそのものの改善PDCAサイクルを回すことの邪魔になってしま うことがあるのでは。(毎回最初からやり直し、コンテンツが資産として 溜溜まらない)   ✓ コンテンツマーケティング的にどのような評価のコン テンツなのか?を測る指標があると便便利利。   ‣ どんなに「コンテンツは直接CVのものではない」「顧客との engagementを測るべき」といっても、指標を持っていないのでPVや shareなど、⾒見見たことがある指標でしか測れない。
  98. 98. 解決⽅方法 ✓ 主成分分析・数量量化Ⅲ類を⽤用いて、総合指標を作成 する。   ✓ 総合指標に対して重みを付けて要約を⾏行行う。
  99. 99. 主成分分析・数量量化Ⅲ類について ✓ 主成分分析   ‣ 説明変数が量量的変数   ✓ 数量量化Ⅲ類   ‣ 説明変数が質的変数 多数の説明変数を少ない指標に要約しようとする指標。   5教科の得点を、理理系・⽂文系得点に要約する場合などに使⽤用できる。 変数X1 変数X2 変数X3 合成変数Z1 合成変数Z2 Z1 = a1X1 + b1X2 + c1X3 Z2 = a1X1 + b2X2 + c2X3
  100. 100. いめーじ ⽂文字の硬さ 読みやすさ 流流暢さ ⽂文章構成⼒力力 正確さ 話題性 PV シェア数 滞在時間 ⽂文字数 節約・⽣生活の知 恵的コンテンツ 5 3 4 4 1 2 400 10 3:00 1,000 貯蓄・ローン 4 2 3 3 2 3 432 21 2:12 1,500 投資・財テク 3 3 2 2 5 3 5222 321 1:30 950 ユーザーボイス 2 3 2 2 3 3 3544 31 5:23 3,000 新製品紹介 5 4 5 3 2 2 3267 21 3:12 2,000 プレスリリース 3 3 4 4 2 3 7 2 2:00 1,000 主成分分析・数量量化Ⅲ類でなどで要約する。
  101. 101.                   コンテンツマーケティングにおける指標の作成 PV 新規ユーザー 獲得数 滞在時間 share数 読了了数 再訪率率率 優良良   ユーザー   CV数 集客⼒力力 コンテンツ魅⼒力力度度 Stickiness + + ✓ こんな結果が出てくると嬉しい。
  102. 102.                   オウンドメディア指標の作成 PV 直帰率率率 新規ユーザー   獲得数 滞在時間 平均訪問数 再訪率率率 優良良   ユーザー数   CV数 集客⼒力力 顧客育成 Stickiness + +      ページ数 更更新頻度度コンテンツ⼒力力 LP訪問数 リード数 フェーズ   移⾏行行率率率 SNSでの   話題性 ✓ オウンドメディアの指標だとこんな感じに出てきて欲しい。
  103. 103.             ライターの評価指標の作成 表現⼒力力 構成⼒力力 編集・校正   された⽂文字数 修正回数 コンテンツの定性評価 コンテンツ制作過程のログ + +      PV Shareコンテンツの掲載結果(※) 滞在時間 読了了率率率 ※コンテンツを配信したメディアによって効果が変わるので、   メディアパワーを考慮した指標にしたい。
  104. 104. コンテンツマーケティングについてもっと詳しく知りたい⽅方は 宗像淳  商品を売るな  ⽇日経BP社   (http://www.amazon.co.jp/dp/4822273903/ ref=cm_̲sw_̲r_̲tw_̲dp_̲ncdQub0VFXTVK) コンテンツマーケティングの概要・事例例・実践と   包括した内容を紹介 The  Content  Marketing   (http://thecontentmarketing.com) イノーバブログ   (http://innova-‐‑‒jp.com/media/)

×