SlideShare ist ein Scribd-Unternehmen logo
1 von 27
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
All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd.
本日の内容
1.BIGDATA研究委員会 2014年研究内容
2.BIGDATA研究委員会 2014年研究結果から
3.データ活用と情報共有の課題
All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd.
参考資料
日本アドバタイザーズ協会 WEB広告研究会(WAB) 月例セミナー
BIGDATA研究委員会 2014年研究
「大丸松坂屋百貨店にデータ分析を取り入れてみてわかったこと、
会社が少し変わるかもしれないこと、これからの課題が⾒えてきたこと」
All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd.
本日の内容
1.BIGDATA研究委員会 2014年研究内容
2.BIGDATA研究委員会 2014年研究結果から
3.データ活用と情報共有の課題
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?
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
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
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
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
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)
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?
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
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!
All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd.
本日の内容
1.BIGDATA研究委員会 2014年研究内容
2.BIGDATA研究委員会 2014年研究結果から
3.データ活用と情報共有の課題
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)
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
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。
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。
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
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
All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd.
本日の内容
1.BIGDATA研究委員会 2014年研究内容
2.BIGDATA研究委員会 2014年研究結果から
3.データ活用と情報共有の課題
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
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
All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd.
6. データ活用と情報共有の課題③ 「部門間調整と説明」
22
情報システム部門とマーケティング部門の関係
「何を調べたいのか?」「データの抽出条件はどうするのか?」など
マーケティング部門だけでは、困難な質問に対し
ベンダーが一緒に回答することで、部門間の摩擦を減らす
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
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
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。

Weitere ähnliche Inhalte

Was ist angesagt?

デジタルマーケティングとはどんな仕事か
デジタルマーケティングとはどんな仕事かデジタルマーケティングとはどんな仕事か
デジタルマーケティングとはどんな仕事かTakeru Muroya
 
20190724 ADI research
20190724 ADI research20190724 ADI research
20190724 ADI researchAdobeJapanPR
 
20190724 adi research
20190724 adi research20190724 adi research
20190724 adi researchAdobeJapanPR
 
【IMJ】自社のデジタルマーケティング課題を”可視化”、明日からのアクションがわかる!セミナー(2015.6.24)
【IMJ】自社のデジタルマーケティング課題を”可視化”、明日からのアクションがわかる!セミナー(2015.6.24)【IMJ】自社のデジタルマーケティング課題を”可視化”、明日からのアクションがわかる!セミナー(2015.6.24)
【IMJ】自社のデジタルマーケティング課題を”可視化”、明日からのアクションがわかる!セミナー(2015.6.24)IMJ Corporation
 
デジタルマーケティングについて
デジタルマーケティングについてデジタルマーケティングについて
デジタルマーケティングについてTakahiko KATO
 
130903セミナー資料_配布用
130903セミナー資料_配布用130903セミナー資料_配布用
130903セミナー資料_配布用mktgf
 
顧客ロイヤルティを測る指標「NPS®」とIMJにおける取り組みのご紹介
顧客ロイヤルティを測る指標「NPS®」とIMJにおける取り組みのご紹介顧客ロイヤルティを測る指標「NPS®」とIMJにおける取り組みのご紹介
顧客ロイヤルティを測る指標「NPS®」とIMJにおける取り組みのご紹介IMJ Corporation
 
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~株式会社Consumer first
 
デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方Koji Fukuoka
 
【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用Keita Matsumoto
 
110906 グローバル企業におけるリードナーチャリング【配布資料】
110906 グローバル企業におけるリードナーチャリング【配布資料】110906 グローバル企業におけるリードナーチャリング【配布資料】
110906 グローバル企業におけるリードナーチャリング【配布資料】FatWireKK
 
【サンプル】競合サイト調査の報告資料
【サンプル】競合サイト調査の報告資料【サンプル】競合サイト調査の報告資料
【サンプル】競合サイト調査の報告資料Chiaki Matsumoto
 
B2BマーケティングやPR、セールスはどのように変わっていくのか? ver1
B2BマーケティングやPR、セールスはどのように変わっていくのか? ver1B2BマーケティングやPR、セールスはどのように変わっていくのか? ver1
B2BマーケティングやPR、セールスはどのように変わっていくのか? ver1MKTGENGINE
 
UGC活用のキホン
UGC活用のキホンUGC活用のキホン
UGC活用のキホンAAsolution
 

Was ist angesagt? (18)

玉腰泰三事業案内
玉腰泰三事業案内玉腰泰三事業案内
玉腰泰三事業案内
 
デジタルマーケティングとはどんな仕事か
デジタルマーケティングとはどんな仕事かデジタルマーケティングとはどんな仕事か
デジタルマーケティングとはどんな仕事か
 
20190724 ADI research
20190724 ADI research20190724 ADI research
20190724 ADI research
 
20190724 adi research
20190724 adi research20190724 adi research
20190724 adi research
 
【IMJ】自社のデジタルマーケティング課題を”可視化”、明日からのアクションがわかる!セミナー(2015.6.24)
【IMJ】自社のデジタルマーケティング課題を”可視化”、明日からのアクションがわかる!セミナー(2015.6.24)【IMJ】自社のデジタルマーケティング課題を”可視化”、明日からのアクションがわかる!セミナー(2015.6.24)
【IMJ】自社のデジタルマーケティング課題を”可視化”、明日からのアクションがわかる!セミナー(2015.6.24)
 
デジタルマーケティングについて
デジタルマーケティングについてデジタルマーケティングについて
デジタルマーケティングについて
 
130903セミナー資料_配布用
130903セミナー資料_配布用130903セミナー資料_配布用
130903セミナー資料_配布用
 
顧客ロイヤルティを測る指標「NPS®」とIMJにおける取り組みのご紹介
顧客ロイヤルティを測る指標「NPS®」とIMJにおける取り組みのご紹介顧客ロイヤルティを測る指標「NPS®」とIMJにおける取り組みのご紹介
顧客ロイヤルティを測る指標「NPS®」とIMJにおける取り組みのご紹介
 
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
 
デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方
 
【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用
 
Eguan - Analysys Japan
Eguan - Analysys Japan Eguan - Analysys Japan
Eguan - Analysys Japan
 
110906 グローバル企業におけるリードナーチャリング【配布資料】
110906 グローバル企業におけるリードナーチャリング【配布資料】110906 グローバル企業におけるリードナーチャリング【配布資料】
110906 グローバル企業におけるリードナーチャリング【配布資料】
 
【サンプル】競合サイト調査の報告資料
【サンプル】競合サイト調査の報告資料【サンプル】競合サイト調査の報告資料
【サンプル】競合サイト調査の報告資料
 
Tokyo webmining
Tokyo webminingTokyo webmining
Tokyo webmining
 
B2BマーケティングやPR、セールスはどのように変わっていくのか? ver1
B2BマーケティングやPR、セールスはどのように変わっていくのか? ver1B2BマーケティングやPR、セールスはどのように変わっていくのか? ver1
B2BマーケティングやPR、セールスはどのように変わっていくのか? ver1
 
UGC活用のキホン
UGC活用のキホンUGC活用のキホン
UGC活用のキホン
 
0116セミナー資料 公表用
0116セミナー資料 公表用0116セミナー資料 公表用
0116セミナー資料 公表用
 

Ähnlich wie 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

20141126 wab月例セミナー 資料
20141126 wab月例セミナー 資料20141126 wab月例セミナー 資料
20141126 wab月例セミナー 資料Dennis Sugahara
 
ビッグデータ+ソーシャルで始まる次世代マーケティング
ビッグデータ+ソーシャルで始まる次世代マーケティングビッグデータ+ソーシャルで始まる次世代マーケティング
ビッグデータ+ソーシャルで始まる次世代マーケティングHottolink
 
Project311 報告: 仙台で必要とされた情報、流れた情報
Project311 報告: 仙台で必要とされた情報、流れた情報Project311 報告: 仙台で必要とされた情報、流れた情報
Project311 報告: 仙台で必要とされた情報、流れた情報HitachiTO
 
デジタルパブリッシングならではの、より自由な旅行ガイドへ
デジタルパブリッシングならではの、より自由な旅行ガイドへデジタルパブリッシングならではの、より自由な旅行ガイドへ
デジタルパブリッシングならではの、より自由な旅行ガイドへJapan Electronic Publishing Association
 
フェイス部勉強会 公開レジュメ(一部のみ)
フェイス部勉強会 公開レジュメ(一部のみ)フェイス部勉強会 公開レジュメ(一部のみ)
フェイス部勉強会 公開レジュメ(一部のみ)Chadio Kim
 
【お手元資料】20141126 wab月例セミナー
【お手元資料】20141126 wab月例セミナー【お手元資料】20141126 wab月例セミナー
【お手元資料】20141126 wab月例セミナーDennis Sugahara
 
媒体資料
媒体資料媒体資料
媒体資料htajima
 
媒体資料v2
媒体資料v2媒体資料v2
媒体資料v2htajima
 
地域密着型プラットフォーム創りに商機あり!
地域密着型プラットフォーム創りに商機あり!地域密着型プラットフォーム創りに商機あり!
地域密着型プラットフォーム創りに商機あり!株式会社はまぞう
 
KUROKO IR説明資料
KUROKO IR説明資料KUROKO IR説明資料
KUROKO IR説明資料RelianceData
 
やってみよう!ユーザーテスト
やってみよう!ユーザーテストやってみよう!ユーザーテスト
やってみよう!ユーザーテストke_shira
 
ヘルプサイトのデータ分析
ヘルプサイトのデータ分析ヘルプサイトのデータ分析
ヘルプサイトのデータ分析Eri Yamamoto
 
【Sample】bizqube媒体資料v2
【Sample】bizqube媒体資料v2【Sample】bizqube媒体資料v2
【Sample】bizqube媒体資料v2htajima
 
【Sample】媒体資料
【Sample】媒体資料【Sample】媒体資料
【Sample】媒体資料htajima
 
カウミープロダクト資料ver.3_株式会社マイクロアド.pptx
カウミープロダクト資料ver.3_株式会社マイクロアド.pptxカウミープロダクト資料ver.3_株式会社マイクロアド.pptx
カウミープロダクト資料ver.3_株式会社マイクロアド.pptxssuser7a8771
 
海外・国内SaaS企業のPSRマルチプル&時価総額と財務指標との相関調査
海外・国内SaaS企業のPSRマルチプル&時価総額と財務指標との相関調査海外・国内SaaS企業のPSRマルチプル&時価総額と財務指標との相関調査
海外・国内SaaS企業のPSRマルチプル&時価総額と財務指標との相関調査poco-c
 
媒体資料S
媒体資料S媒体資料S
媒体資料Shtajima
 
bizqube媒体資料2
bizqube媒体資料2bizqube媒体資料2
bizqube媒体資料2htajima
 
媒体資料
媒体資料媒体資料
媒体資料htajima
 
営業提案のためのGoogle analytics活用法
営業提案のためのGoogle analytics活用法営業提案のためのGoogle analytics活用法
営業提案のためのGoogle analytics活用法Popinsight
 

Ähnlich wie 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 (20)

20141126 wab月例セミナー 資料
20141126 wab月例セミナー 資料20141126 wab月例セミナー 資料
20141126 wab月例セミナー 資料
 
ビッグデータ+ソーシャルで始まる次世代マーケティング
ビッグデータ+ソーシャルで始まる次世代マーケティングビッグデータ+ソーシャルで始まる次世代マーケティング
ビッグデータ+ソーシャルで始まる次世代マーケティング
 
Project311 報告: 仙台で必要とされた情報、流れた情報
Project311 報告: 仙台で必要とされた情報、流れた情報Project311 報告: 仙台で必要とされた情報、流れた情報
Project311 報告: 仙台で必要とされた情報、流れた情報
 
デジタルパブリッシングならではの、より自由な旅行ガイドへ
デジタルパブリッシングならではの、より自由な旅行ガイドへデジタルパブリッシングならではの、より自由な旅行ガイドへ
デジタルパブリッシングならではの、より自由な旅行ガイドへ
 
フェイス部勉強会 公開レジュメ(一部のみ)
フェイス部勉強会 公開レジュメ(一部のみ)フェイス部勉強会 公開レジュメ(一部のみ)
フェイス部勉強会 公開レジュメ(一部のみ)
 
【お手元資料】20141126 wab月例セミナー
【お手元資料】20141126 wab月例セミナー【お手元資料】20141126 wab月例セミナー
【お手元資料】20141126 wab月例セミナー
 
媒体資料
媒体資料媒体資料
媒体資料
 
媒体資料v2
媒体資料v2媒体資料v2
媒体資料v2
 
地域密着型プラットフォーム創りに商機あり!
地域密着型プラットフォーム創りに商機あり!地域密着型プラットフォーム創りに商機あり!
地域密着型プラットフォーム創りに商機あり!
 
KUROKO IR説明資料
KUROKO IR説明資料KUROKO IR説明資料
KUROKO IR説明資料
 
やってみよう!ユーザーテスト
やってみよう!ユーザーテストやってみよう!ユーザーテスト
やってみよう!ユーザーテスト
 
ヘルプサイトのデータ分析
ヘルプサイトのデータ分析ヘルプサイトのデータ分析
ヘルプサイトのデータ分析
 
【Sample】bizqube媒体資料v2
【Sample】bizqube媒体資料v2【Sample】bizqube媒体資料v2
【Sample】bizqube媒体資料v2
 
【Sample】媒体資料
【Sample】媒体資料【Sample】媒体資料
【Sample】媒体資料
 
カウミープロダクト資料ver.3_株式会社マイクロアド.pptx
カウミープロダクト資料ver.3_株式会社マイクロアド.pptxカウミープロダクト資料ver.3_株式会社マイクロアド.pptx
カウミープロダクト資料ver.3_株式会社マイクロアド.pptx
 
海外・国内SaaS企業のPSRマルチプル&時価総額と財務指標との相関調査
海外・国内SaaS企業のPSRマルチプル&時価総額と財務指標との相関調査海外・国内SaaS企業のPSRマルチプル&時価総額と財務指標との相関調査
海外・国内SaaS企業のPSRマルチプル&時価総額と財務指標との相関調査
 
媒体資料S
媒体資料S媒体資料S
媒体資料S
 
bizqube媒体資料2
bizqube媒体資料2bizqube媒体資料2
bizqube媒体資料2
 
媒体資料
媒体資料媒体資料
媒体資料
 
営業提案のためのGoogle analytics活用法
営業提案のためのGoogle analytics活用法営業提案のためのGoogle analytics活用法
営業提案のためのGoogle analytics活用法
 

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

  • 2. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 本日の内容 1.BIGDATA研究委員会 2014年研究内容 2.BIGDATA研究委員会 2014年研究結果から 3.データ活用と情報共有の課題
  • 3. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 参考資料 日本アドバタイザーズ協会 WEB広告研究会(WAB) 月例セミナー BIGDATA研究委員会 2014年研究 「大丸松坂屋百貨店にデータ分析を取り入れてみてわかったこと、 会社が少し変わるかもしれないこと、これからの課題が⾒えてきたこと」
  • 4. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 本日の内容 1.BIGDATA研究委員会 2014年研究内容 2.BIGDATA研究委員会 2014年研究結果から 3.データ活用と情報共有の課題
  • 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!
  • 14. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 本日の内容 1.BIGDATA研究委員会 2014年研究内容 2.BIGDATA研究委員会 2014年研究結果から 3.データ活用と情報共有の課題
  • 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
  • 21. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 本日の内容 1.BIGDATA研究委員会 2014年研究内容 2.BIGDATA研究委員会 2014年研究結果から 3.データ活用と情報共有の課題
  • 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
  • 24. All Rights Reserved, Copyright © 2015 Nihon Unisys, Ltd. 6. データ活用と情報共有の課題③ 「部門間調整と説明」 22 情報システム部門とマーケティング部門の関係 「何を調べたいのか?」「データの抽出条件はどうするのか?」など マーケティング部門だけでは、困難な質問に対し ベンダーが一緒に回答することで、部門間の摩擦を減らす
  • 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