マーケティング領域におけるデータの活用と情報共有 201501

1. マーケティング領域におけるデータの活用と情報共有について 2015年1月27日 Web広告研究会 BIGDATA研究委員会日本ユニシス株式会社槁本紀子 WEB広告研究会 BIGDATA研究委員会によるWG研究結果から

5. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 3 1. BIGDATA委員会研究の趣旨企業のマーケティング戦略は、データを活用することにより「勘と経験と度胸（KKD)頼みの意思決定」から脱することが可能になるのか？お中元といえばビール。 TVCM量増やそう！カレンダーと過去の販売量から広告出稿量を決定消費者は本当に広告⾒て、購入しているのかな？実はトレンドが変わってきているんじゃないかな？とりあえず、昨年と同じだけ配布しよう！記憶や過去の数字をそのままで実⾏消費者接点は昨年と変化していない？本当に必要としているお客様は何人いるのか知ってますか？

6. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 3. BIGDATA委員会研究の概要①  広告主：Jフロントリテーリング（大丸・松坂屋・PARCO)  対象キャンペーン：2014年お中元販売 ※短期で動きのあるデータを利用する。  対象商品：ビール4社グループの販売するソフトドリンク及び酒飲料のギフト商品  データ期間：2014年6月1日から2014年8月20日まで広告主の保有するお中元におけるビール4社（アサヒ、キリン、サッポロ、サントリー）の商品の売上データをKEYに • 現場担当者解析結果から出てくるインサイトがこれまで持ってきた30の「根拠のない仮説」「肌感、経験則から生まれた仮説」の正否を検証する。 • 得られたデータから「新たな仮説」を、外部のもの（データサイエンティスト・データアナリスト）がプログラムをたてて検証する。 4

7. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 5 3. BIGDATA委員会研究手順（概要）自社データとデータ提供企業データを相関的に⾒ることでお客様の課題を「数理的判断による課題解決が可能か」下記手順で実施自社データデータ提供各社データ提供各社データ提供各社データ提供各社データ提供各社オンラインストレージサービスでデータを収集 BI ツールによる見える化週次のワーキング・グループで検討データサイエンティストによる分析作業報告書「仮説」の洗出し「仮説検証」に必要なデータセットを検討デジタルマーケティングプラットフォームの提供範囲

8. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 3. BIGDATA委員会研究手順① 6 1.今までもっている「自信のない仮説」を洗い出す。「仮説検証」に必要なデータを「自社（広告主）データ《1stPartyData》」「プロバイダデータ《3rdPartyData》」２つの側面から洗い出す。仮説自社データ（１ｓｔPartyData) 必要外部データメーカーの⾏うマス広告の量が販売に影響するオフライン・オンラインの各販売データ自社サイトページビューデータメーカーのマス広告出稿量メーカーの⾏うインターネット広告の量が販売に影響するオフライン・オンラインの各販売データ自社サイトページビューデータメーカーのインターネット広告出稿量メーカーの⾏うソーシャルメディア活動が販売に影響するオフライン・オンラインの各販売データ自社サイトページビューデータソーシャルメディアデータメーカーのウェブサイトの当該商品のページビューが販売に影響するオフライン・オンラインの各販売データ自社サイトページビューデータ各メーカーからのページビューデータの提供（可能であれば）百貨店外でのプロモーション量が売上に影響するオフライン・オンラインの各販売データテレビなどのプロモーションデータテレビなどのプロモーションデータ（３rdPartyData）メーカーが新製品を販売して話題になると、その商品そのものが売上に繋がらなくても、このメーカーの既存商品の売上に影響する。（実際の売上は定番が主体。メーカーの全体イメージ《ブランド》向上に寄与しているのではないか？）オフライン・オンラインの各販売データ新商品の話題のデータ ※仮説例1

9. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 3. BIGDATA委員会研究手順② 7 2.検証に必要なデータを集める。  「自社（広告主）データ《1stPartyData》」・・販売データ／サイトビューデータ／広告発注費（量）／カタログ面積／サイト面積  「プロバイダデータ《3rdPartyData》」・・新聞、雑誌の広告（段数、ページ数）／TVCM出稿量／WEB検索キーワード／Twitter 等のソーシャルデータ／天気／TV番組内データ ※協⼒してくれるデータ提供会社（3rdParty）と交渉。一ヶ所にまとめる：AirTriQ Dream Cabinetにアップロード

10. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 3. BIGDATA委員会研究手順③ 8 3.ひとまず、可視化する。  可視化のための軸設定を⾏い、「BIツール」を使って可視化する。売上データと各広告データを日付をKEYにした軸で、動向を可視化した。  更にデータが⽰す状況（グラフ）から仮説を検証を実施。 ※ウイングアーク：Motion Board Cloudを利用。ビール商品売上容量合計（※関東地区に限定。外商除く）と、TV番組での「お中元関連の話題」露出秒数（※関東地区に限定）

11. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 4.「新たな仮説」を策定する。  商品売上に、各広告出稿がどの程度寄与しているか？  検索⾏動やソーシャルメディア上での⾔及状況がどの程度寄与しているのか？ 3. BIGDATA委員会研究手順④ 9 《新たな仮説》１.メーカーマス広告量が、当該メーカーギフト商材の販売に影響する？新聞・電波・雑誌・WEB・SNS 2.自社WEB露出：広告、メール、検索エンジン広告が影響する？ 3.屋外広告・交通広告の量が当該メーカーギフト商材の販売に影響する？

12. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 3. BIGDATA委員会研究手順⑤ 10 5.数理モデルによる分析を⾏う。データサイエンティストによる数理モデルによる分析を実施し、予測精度を検証する。分析手法の検討や⾼度な手法を検証し、精度を上げる。 • 「ザプレミアムモルツ」売上容量（※関東地区に限定。外商除く）目的変数 • 「ザプレミアムモルツ」交通広告出稿費（※関東地区に限定） • 「ザプレミアムモルツ」雑誌広告出稿費 • 「ザプレミアムモルツ」新聞広告出稿費（※関東地区に限定） • 「ザプレミアムモルツ」TVCM GRP （※関東地区に限定） • 「ザプレミアムモルツ」WEB広告推定出稿費 • 「ザプレミアムモルツ」Yahoo!JAPAN同義語検索指数 • 「ザプレミアムモルツ」Twitterでの⾔及回数 • 大丸HP PV数（※関東地区店舗のHPに限定） • 降⽔量（※関東地区に限定） • 祝祭日ダミー説明変数

13. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 3. BIGDATA委員会研究手順⑥ 11 6. アンケートや定性分析によるインサイト検証を⾏う。数理モデルによる分析から生まれる「更なる仮説」を  消費者アンケート  ソーシャルメディア（ブログ）上での⾔及（テキストマイニング）から、「消費者インサイト」として導き出す。贈答率34.4％感覚値と同程度の結果贈答先も予想通りの結果贈る時、受け取る時の感情がにグラフになった！

15. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 13 4. BIGDATA委員会研究結果から① (数理モデルによる分析結果) マス広告・屋外・交通広告はビール商品売上に寄与しているが、効果は限定的（広告効果によらない要因が売上に寄与する度合いがかなり大きい）自社WEB露出（今回の分析では大丸HP PV数）の効果はほぼみられなかったビール売上容量《今回使用したモデル：状態空間モデル》 TVGRP + 交通広告出稿費 + 雑誌広告出稿費 + 新聞広告出稿費+ TV番組での露出時間（お中元話題） + WEB広告推定出稿費+ 大丸HP PV数 + Yahoo!JAPAN同義語検索指数 + Twitterでの⾔及回数+ 降⽔量 + 祝祭日ダミー + (誤差) ＝ -3.0 -2.0 -1.0 0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 11.0 12.0 13.0 14.0 15.0 16.0 17.0 18.0 19.0 20.0 -3.0 -2.0 -1.0 0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 11.0 12.0 13.0 14.0 15.0 16.0 17.0 18.0 19.0 20.0 6/01 6/02 6/03 6/04 6/05 6/06 6/07 6/08 6/09 6/10 6/11 6/12 6/13 6/14 6/15 6/16 6/17 6/18 6/19 6/20 6/21 6/22 6/23 6/24 6/25 6/26 6/27 6/28 6/29 6/30 7/01 7/02 7/03 7/04 7/05 7/06 7/07 7/08 7/09 7/10 7/11 7/12 7/13 7/14 7/15 7/16 7/17 7/18 7/19 7/20 7/21 7/22 7/23 7/24 7/25 7/26 7/27 7/28 7/29 7/30 7/31 8/01 8/02 8/03 8/04 8/05 8/06 容量（リットル：対数変換値）容量（リットル：対数変換値） base(切片) TV GRP 交通雑誌新聞 TV露出時間 WEB広告大丸HP Yahoo!検索 Twitter 祝祭日降水量売上容量(実績) 売上容量(予測) 6月 7月 8月 ※分析実⾏環境について • ハードウェア： Windows7 64bit • ソフトウェア： R 3.1.1 ／ Rstan 2.5.0 • Rの並列処理関数（doParallel）を利用してMCMCサンプリング実施（iterations：5,000 warmup：2,000 chains：3 thins：1） (実測値と予測値の相関係数 : 0.99)

16. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 多くの贈答者には贈答有無から品目の決定までの⾏動が習慣化しており、購買訴求に対する広告影響は少ない。ただし、新規贈答者の参入遡及には効果があると思われる。 4. BIGDATA委員会研究結果から② (アンケートによる分析結果) 1.2014年の贈答のきっかけで「広告を⾒た」は、全体で5.7%。 →この値は贈答を始めた年数が浅い層ほど、⾼い傾向にある。 →接触した広告の種類では、インターネットはTVCMに次いで折込チラシと同程度。 2. 品目決定のきっかけで「広告を⾒た」は、ビールで5.9%。 →贈答のきっかけとほぼ同等の値。 3.贈答のきっかけ・品目決定のきっかけともに、「毎年贈っているから」が最も⾼い。 14 →来年贈るつもりはないと回答したサンプルは、現在の全贈答者のうち0.5%、新規贈答者のうちでも1.8%と小さい。一度お中元に参入すると、継続意向は⾼いものと考えられる。お中元来年以降の贈答意向アンケート

17. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 15 「贈らなくちゃ！と焦る気持ちを上手に拾いあげるコミュニケーション戦略」と「性別によるコミュニケーションを変化させる方法」でお中元に参画させる。 4. BIGDATA委員会研究結果から③ (口コミによる分析結果) 「やっぱり⼥性はギフトが好き」 2.男性には、シンプルな商品コミュニケーション方法で。一方、⼥性には、相手に合わせて選べる楽しみを提供 →「カタログ」に関するクチコミは男性４：⼥性６ →⼥性はカタログに対して肯定的で、カタログの閲覧自体を楽しむ人が多い（先述） →男性はカタログに対して選ぶことができず不快に思っていることが多い 1.贈る側のクチコミと貰う側のクチコミには相違がある →もらって喜ぶクチコミが約８割。ただし、お中元の時期が早まって嘆く声や、「急いでお返しをしなくては」という焦る声など、ネガティブな口コミも１５%程度存在。 →手配を焦るクチコミや、毎年恒例の⾏事と、注文・手配を達成したというクチコミが多い。一方で、カタログを閲覧して楽しむ声も。

18. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 16 4. BIGDATA委員会研究結果から④ (大丸松坂屋百貨店の感想) 今まで気づかなかった課題や問題が明確になり、次のアクションを検討することが可能になった。自分達だけでは分からないことを、一緒に明確にしてくれるベンダーの重要性を認識し、また一社だけではなく、数社で⾏うことで様々な指標を持ち、不明瞭であったものが明確になった。１．分析は単発で実施するだけではダメ。継続して分析しながら理解するもの。 →掘り下げたい内容があれこれでてきます。 2.数理モデルに加えアンケート調査も実施したことで、従来の思い込みを⾒直すキッカケを得ることができた。 →新たな仮説を⾒つけることができる。 3.WG内からの率直なご指摘を受け⽌めて次のチャレンジにつなげる覚悟が必要。

19. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 4. BIGDATA委員会研究結果から⑤ (セミナー参加企業の感想) 3rdPartyData（第三者提供データ）における方向性・利用方法・指標策定などが⾒えず、なんらかの指標が欲しい。先進企業の事例を参考に聞くものの自分ごと化することが難しい。  データ分析を誰にどのように頼むべきなのか？  自社データ（1stData）であっても、管理分散していて、いきなり統合は難しく、また、KEY項目のない3rdDataにおいては、どのように相関するのかが難しい。  複数ベンダーの連合（データ提供・指標作成）のサービスの提供を要望するが、現⾏は難しく、また連合していても指標は別になっていることが多く、導入するまでに至れない。  自社だけでの運営は、スタート時点ではハードルが⾼く、ベンダーの支援（ツールではなく、知⾒等）を仰ぎたいと考えている。  試験的にアンケートなどを実⾏するが、一時的には利用するものの指標（KPI・KGI）としての活用にするまでに至れない。 17

20. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 5.データ活用により「勘と経験と度胸（KKD)頼みの意思決定」から脱することが可能になるのか？ 18 売上拡大のための一方的なプッシュ施策では、顧客との継続的な関係は築けないことを再認識。更に今まで気づかなかった課題や問題が明確になり、次のアクションを検討することが可能になった。「次のアクションプラン（戦略）の実⾏」と「分析・観測・考察の継続」が重要

22. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 6. データ活用と情報共有の課題①「KPIの設定」 20 デジタルマーケティングに必要なKPIの設定参考：「ロジックツリーによる要因の洗い出し」広告・コンテンツ接触量コアコンテンツ接触率直帰率来店数販売数 KGI（Key Goal Indicator）から、KGIを達成するための中間プロセスにおいての状況をはかるための指標KPI（Key Performance Indicator）を実際に⾏う施策の内容をふまえて、具体的かつ実⾏できる内容かどうかを考えながら設定。影響の大きいものから優先順位をつけて施策を⾏っていくことで、効率的にPDCAをまわしていく。データの可視化により⾒えている課題課題の要因

23. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 6. データ活用と情報共有の課題② 「データ収集」 21 1.何のデータを、どの程度の粒度で集めれば良いのか？日時？週別？ ID？品番？品目？品名？ POS？ EC？ 2.欲しいデータがどこ（どの部署）あるのか？何のためのデータ活用なのか「一番重要な課題を明確にし、材料を検討する」システム部門販促部門 EC部門社内にある全てのデータの洗い出しを⾏う 3.設定したことが無い条件を、どうやって設定するのか？基本の情報から、条件の設定を詳細に定め、「共通定義化」する新規顧客既存顧客⾒込み顧客

25. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 6. データ活用と情報共有の課題④ 「データ活用の環境」 23 デジタルマーケティングを一気通貫で実⾏できる「システム」と「標準KPI装備」 1.蓄積「データ収集」 2.分類「管理・分析」 3.活用「活用」  データの蓄積  データの正規化、紐付け  データの分析  ユーザーセグメントの作成  セグメント別ターゲットリストの外部システムへの提供  外部システムで使われた結果データの取り込み（「データ収集」に入れるかどうか悩みどころですが、敢えて「データ活用」に入れます）  オンラインにおける1st Partyの⾏動・属性データの取り込み  オンラインにおける3rd Partyの⾏動・属性データの取り込み  オフラインの⾏動・属性データの取り込み  異なるデータソース同⼠を紐付ける IDの付与、取り込み（Cookieを使うのが主流） OnlineやWEBマーケティングのようなインターネット上での簡潔マーケティングではなく、デジタル時代のマーケティングとしてとらえ、データ由来で考えることのできる「デジタルマーケティングプラットフォーム」と「標準指標」指標「データマネージメントプラットフォーム」の主な機能

26. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 6. データ活用と情報共有の課題④ 「ソーシャルメディアデータの活用方法」メディア特徴ブログ購買消費⾏動などの「なぜ」が分かる媒体 •文字数が多いので、投稿に時間がかかる •考えが整理されていて、背景情報が理解できる Twitter 広告などの反応測定向き •文字数が少ないため、投稿が簡単 •各事象に対して反応が出やすい •瞬間的な反応を⾒ることができる２ちゃんねるリスク情報や、マニアックな情報向き •ディープでマニアックな書き込みが多い •文句も多い •匿名ならではの誹謗中傷・漏洩 Facebook 実はBtoB商材に向いている •クローズドのためクチコミが少ない •身内向けと世間向けでユースが違う •ユーザー層が特殊掲⽰板・ Q&Aサイトユーザーの疑問の発⾒に向いている •ユーザーの疑問や課題がでやすい •使用感想などのユーザが⾒つけやすい •ライトからヘビーユーザーまで幅広い課題によって利用するソーシャルメディアが異なる

27. 本研究及びデータ利活用に関するご質問等お気軽にお問い合わせください！ Noriko.hashimoto@Unisys.co.jp ご清聴ありがとうございました。

マーケティング領域におけるデータの活用と情報共有 201501

Noriko Hashimoto

マーケティング領域におけるデータの活用と情報共有 201501