AIデータ活用事例｜マーケティングと経営視点での注意点、ポイント
近年、マーケティング領域における「AIツール」の利用はますます広がっています。しかし、本当の意味で効果的にAIを活用できている企業は決して多くありません。マーケティングデータのAI活用にあたって、経営者がおさえておくべきポイントにはどのようなものがあるのでしょうか。
経営者が抱えるマーケティング課題への｢AI活用｣
「AIマーケティング」とは、人工知能技術を用いて、マーケティング活動に影響を与える可能性のあるデータの収集、データの分析、およびオーディエンスや経済の動向の追加的な観察に基づいて、自動化された意思決定を行うことです。人が行うよりもスピーディで正確性も高い予測モデルを構築できるため、スピードが重視される昨今のマーケティングではとても便利です。
さらに、人工知能は学習能力も高く、データや顧客プロファイルを用いて、顧客との最適なコミュニケーション方法を学習し、マーケティングチームのメンバーが介入することなく、適切なタイミングで、カスタマイズされたメッセージを提供し、最大限の効率性を確保してくれます。
人工知能技術は、近年、多くのマーケターにとって、チームを補強するため、あるいは人による調整が必要でない戦術的なタスク・作業を実行するために使用されています。
企業・経営者が望む AI活用の実装例
AI活用が期待されるのは以下のような場面です。
- 正確なデータ分析・解析
- 自然言語処理
- メディアバイイングの自動化
- 広告クリエイティブの自動的な最適化を実現する自動意思決定
- コンテンツ制作
- リアルタイム・パーソナライゼーション
これらをスピーディに、さらにミニマムなコストで進められることが求められています。
具体的な導入事例を挙げると、
- 過去の購買データから嗜好を分析し、適切な商品レコメンドを行う
- 画像認識・解析技術によって商品の利用実態やユーザーの特性を把握
- 需要予測の精度を向上させコスト削減につなげる
など、人工知能技術の活躍シーンは多岐にわたり、従来からのビジネスモデルの変革に大きく貢献することが期待されています。
事業者の抱える、マーケティングデータのAI活用課題
必要なマーケティングデータを蓄積すれば、ML（機械学習）における変数や、インプットのデータとしての活用が期待できます。そのためには、事前のデータ活用の目的定義と運用設計を行い、どのようなデータの蓄積が必要なのかをクリアにし、適切なデータ活用基盤を構築する必要があります。
一方、データ活用の立案が不十分だったり、蓄積したデータの活用に対して戦略性が持てないなどの理由で、活用が進まないケースが多くあります。データが不十分であると、MLのプロセスが進まず、AI精度も不安定になります。
結果として、データが目的に沿っておらず蓄積が万全に行われない企業では、マーケティングデータ自体をどうMLに利用するべきかがわからずに、活用が停滞してしまいます。
機械学習の分析を行うインプットとなるマーケティングデータの例
機械学習に活用できるマーケティングデータとしては以下のようなものが挙げられます。
- ユーザの属性
- ウェブ解析
- サイト訪問者の行動データ
- 広告:媒体費用
- インプレッション
- クリック数
- 売上データ
- サーベイ・調査データ
目的に応じてこれらのデータを自在に組み合わせることにより、さらにクリアかつ高度な分析が可能になります。
AI活用のキーパーソンは、MLやAI領域の専門家ではなく、マーケティング領域のエンジニア
AI活用を支える人材には大きく分けて二つのタイプがあります。MLやAIの技術面のプロフェッショナルであるデータサイエンティスト、マーケティングテクノロジーをメインとしたエンジニアです。
特に、テクノロジーに明るいマーケティング人材の存在は重要です。業種や事業によって扱うデータの性質が異なるため、「自分の会社には何が必要なのか」を理解し、データ構造を設計しながらマーケティングテクノロジーを運用できる人材の存在は、効果的なAI活用には必要不可欠です。
仮にML・AIを専門にしたエンジニアがいたとしても、取るべき指標の入力項目の整備や、取得したデータの可視化を実現するマーケティング人材が社内にいない場合、データ活用を進めるのは難しくなります。ウェブ解析・分析、広告、CRMなどを導入してもうまくデータ活用できていない国内企業の大半が、データ蓄積を技術的に支えるマーケティング専門のテクニカル人材不足の壁に直面しています。
AIに活用するマーケティングデータの利用経験が大事
近年のマーケティングは、顧客のニーズや好みを深く理解した上で、その知識に基づいて迅速かつ効果的に行動するというシステムが一般化しています。データに基づいてリアルタイムに意思決定を行うことができるため効果が高く、それをスピーディに行うためにAIの活用が注目されています。
一方で、AIツールの開発や使用はまだまだ初期段階にあり、どのツールをキャンペーンや業務に統合するのがベストかを判断するには、「どんなデータを見たいのか」「そのデータを見るには何の情報を組み合わせたら良いのか」というマーケターの視点からの見極めが必要です。そしてその見極めに必要な視点を養うのは、AI活用以前のマーケター経験なのです。
①AI導入のベストプラクティス
AIはマーケティング分野では新しいツールであるため、マーケティングチームが最初に導入する際の指針となる明確なベストプラクティスは確立されていません。したがって、マーケターの経験を頼りに、トライアンドエラーで進めていくのが良いでしょう。
②機械学習・データトレーニング時間とデータ品質
マーケティングのツールとしてのAIは、マーケティング目標を達成するためにどのような行動をとればよいかを自動的に知ることはできません。組織の目標、顧客の嗜好、過去の傾向を学び、全体的なコンテキストを理解し、専門知識を確立するための時間とトレーニングが必要です。
時間が必要なだけでなく、データが高品質であることも重要です。AIが時間をかけて消費者の傾向を学んで行っても、そもそもの「消費者のデータ」に正確性がなければ結果として正しい消費者の要望を分析することができず、適切ではない判断を招き、ツールの価値を下げることになってしまう可能性があります。
③AI活用を実現するプライバシーデータへの配慮
消費者も規制する側も、企業によるデータ利用を厳しくチェックしている時代。マーケティングチームは、消費者データを倫理的に使用し、GDPRなどの基準に準拠していることを確認しなければ、重い罰則や評判の低下を招く恐れがあります。
特定の法的ガイドラインを遵守するように特別にプログラムされたツールでない限り、消費者データをパーソナライゼーションのために使用するという点で、許容範囲を超えてしまう可能性があります。
④AI導入の社内調整を推進し、賛同を得る能力
マーケティングの特性上、AIへの投資の価値をビジネス部門関係者やステークホルダーに数字で示すことは難しいと考える人も多いのではないでしょうか。
確かに、ROIや効率性などのKPIは簡単に定量化できますが、AIによって顧客体験やブランド評価がどのように改善されたかを示すことは難しいです。そのため、部署を跨ぐリソースの利用やプロジェクトの予算などについて提案する場合、目に見える利益を提示できずに先に進めなくなってしまうケースも多いです。
この点を考慮して、マーケティングチームは、これらの定性的な利益をAI投資に帰属させるための測定能力を確保したり、ステークホルダーをマネージしたりする必要があります。