マーケターの分析環境、CDPと拡張分析の有効活用

ビッグデータの活用とCDP（Customer Data Platform）について

　現在、デジタルデータの活用が進んでおり、顧客を一貫した形で様々な角度から見ることが必要とされています。今まで、大きく分けると、顧客に関連するデータは「AdTech」系のデータと、「MarTech」系のデータに分かれていました。この二つの領域はお互いに長らく交わることがなく、AdTech系は主に広告代理店、デジタルマーケティング系の専業会社と、MarTech系のデータは分析コンサルティング、分析系ツール会社などが扱っていました。

この二つのグループは、データの粒度、分析の考え方、個人の特定具合、必要とされる分析精度の違いから、一緒に分析されることが少ない状況でした。

CDPは今まで別に管理されていた様々なデータを統合し、「顧客」といった一貫した視点で分析が行えるようになりました。しかし、すべてが「顧客ID」といった形で一貫した形で追跡できるとは限りません。マーケティング分析や市場調査においては、オンラインデータ・オフラインデータ・店舗のPOSデータを活用し、また日付、エリアなど顧客ID以外の色々なキーで、情報をつなげて分析する必要もあります。

このようにデータを蓄積し、顧客のセグメントや、潜在顧客の類似性の分析など、マーケター自身が行うことが可能となります。

CDPが統合の対象とする主なデータは以下のようなものがあります。

DWH（DataWarehouse）

ERPやCRM、POSデータなど社内で発生している膨大な履歴データや取引データを蓄積。主に顧客観点で言うと、顧客IDなどで統合され、その購買履歴、コンタクトセンターへのアクセス、契約、請求情報などが統合管理されている。主にRDBMSなどに保管されており、構造化データが目的に応じて整理され、残されています。

DMP（Data Management Platform）、DataLake

広告関連データや、アクセスログなどが大量に保管されている。かなり莫大な量になるため、クラウドのサービスなどに保管されている場合が多い。また匿名の状態のデータが多く、広告配信媒体などから取得される、主な属性と行動ログから、その顧客の状態の推定などを行い、セグメントを実施する。これらのデータと個人を特定できる情報を連動させ、広告配信、パーソナライズ、レコメンドを実施していきます。莫大なログデータや、非構造データなどが保管されています。

Marketing Cloud

主にリード管理システム、メール配信システムなどと連動し、新規顧客を獲得するためのトラッキングを実施する。Marketing AutomationなどB2Bのシステムなどとの連携が多い。また、SNSの投稿管理の自動化機能なども統合的に管理。APIの連携、リードナーチャリングとスコアリングによる施策の出し分けなどの結果を蓄積されています。

今までは店舗・リアル系のデータと、Web系のデータで別々の管理、分析が行われ、組織も異なっていました。近年になりオムニチャネル、O2O、OMOなどあらゆる消費者の行動を統合し、1人の顧客としてみていく必要が出てきました。さらにテクノロジーとしてもAdTechとMarTechが統合され、様々なメディアのデータの統合、新規顧客の獲得と既存顧客の活性化のためのプラットフォームとして、Customer Data Platformが活用され、セグメント単位ではなく、個人を識別して分析が実施されるようになってきました。

Customer Data Platformの仕組みは、データを蓄積するための技術、検索する技術が注目されがちです。しかしながら、データを蓄積するのが目的ではなく、活用するのが本来の目的となります。蓄積されたデータをどのように活用していくか、そのためのテクノロジーを使い分けることが重要となります。

CDPのデータを分析するための3つの方法

主に、このようなデータを活用していくためには以下のような3つの方法があります。大きく「BI」といった形でくくられがちですが、CDPに蓄積されたデータからのアウトプットのテクノロジーです。

ダッシュボード（Dashboards)

一般的なデータ活用と言えば、いわゆる、BIツールを活用したレポート、ダッシュボード、帳票作成と言われる内容となります。蓄積されたデータベースをあらゆる軸で視覚化、レポーティングを行います。多くの業務上必要な指標（KPI）を管理し、業務担当者の見たい角度でアウトプットを構築します。様々なデータを一覧化されたダッシュボードをエンドユーザーに提供し、定点観測、アドホックな集計や分析を提供します。

組込み型アナリティクス（Embeded Analytics）

一般的に、すでに構築されているアプリケーションや、ワークフローに組み込まれた形で提供されるダッシュボード、レポート、チャート群となります。ある特定の業務であれば、数十のKPIを網羅的に見るのではなく、自分の担当する必要なKPIだけを確認すればよいことも多くなります。このようにして各個人の役割や、業務のワークフローに沿った情報の提供が行われます。もはやダッシュボードを開く必要もないという事になります。「Alexa、自分の担当エリアの来期の売上予測はいくら？」と聞けば、その答えだけ得られることも今後は普通になるかもしれません。

拡張分析（Augmented Analytics）

拡張分析は機械学習やAIを組み込まれたBIツールであり、従来のBIとは異なる考え方になります。一般的なダッシュボード型のBIでは、データベース、テーブルを「時系列でエリア別の売上金額の合計を折れ線グラフで見よう」といった形で、あらかじめ見たい形が決まっています。しかしながら拡張分析の場合には「売上金額に影響を与えている要因は何だろう？仮説は何か？データに潜むルールは何か？」といった分析を行います。企業のデータの組み合わせは非常に複雑です。その中から有効なルールをしらみつぶしに探して発見するのは非常に大変です。拡張分析ではそのようなデータの複雑な構造から、業務に役立つ ”気づき” の獲得を機械学習・AIで支援し、スピーディーに分析を完結させます。これは単に過去の結果を確認する、今までのBIとは異なり、新たなアイディア・知見の発見といった分野の分析となります。

拡張分析とノーコードでのアナリティクスの実現

近年、「ノーコード開発」と言われるようなコーディング無し、もしくは「ローコード開発」と言われる簡易なプログラミングで、UX/UIが優れたアプリケーション開発を行っていく仕組みが発展しています。これは、本格的なプログラマでなくても、ユーザードリブンでアプリケーションを開発し、ユーザー目線でのアプリケーションの開発を促すもとなります。

CDPは「マーケターのためのデータ基盤」と言われるように、マーケターがSQLなどの平易なプログラム、もしくはGUIを活用してセグメントやデータ加工をIn-DBで行い、マーケティング施策に必要なセグメントや顧客リストの作成を目的としています。これらのデータは、レコメンドエンジン・MAなどの施策実行のプラットフォームに連携し、実際にマーケティングに活用されることが重要です。

拡張分析も同様に、統計学・数学やコンピューター言語に精通をしていなくても、与えられたデータをGUIの画面で操作を行い、データにあるルールやパターンを見つけることができます。ビジネスの意思決定支援のアナリティクスは、データサイエンティストだけではなく、一般のExcelユーザー、BIユーザーであっても行っていく必要があります。

統計や機械学習の専門家ではなくても、ノーコードでデータからルールやパターンを見出していくことも可能となってきています。一般的なBIツールや、表計算ツールの試行錯誤では、有効な結果にたどり着けないことが考えられます。このように「どのようにデータを見るべきか」「どのような要因があるのか」といった分析では、拡張分析が必要となります。

”BrainPad VizTact” を活用したデータ分析

弊社が販売を行っている、”BrainPad VizTact”はビジュアル解析、機械学習、Natural Language Generation（自然言語生成）などのテクノロジーを組み合わせ、一般のユーザーであっても高度な分析が可能な、拡張分析ツールとなっています。

CDPには顧客に関する情報を、属性、購買履歴、アクセス履歴など、広範囲にわたって収集・統合します。マーケティング担当者は、それらのデータをまたがって分析し、ルールの発見をする必要があります。”BrainPad VizTact” ではデータのビジュアル化で、様々な視点からデータの傾向を把握し、機械学習の機能でパターンの発見が可能です。例えば、以下のような機能を提供しています。