過去のデータから将来を予測 - Hitachi Solutions...マーケティングとは、「どのような価値を提供すればターゲット市場のニーズを満たせ

© Hitachi Solutions, Ltd. 2015. All rights reserved.

株式会社日立ソリューションズビジネス・アプリケーション本部ビッグデータ・ソリューション部

2015/7/23

松村幸治

過去のデータから将来を予測～予測分析で営業効率を高めるリードスコアリングサービス～

© Hitachi Solutions, Ltd. 2015. All rights reserved. 1

フィリップ・コトラーマーケティングとは、「どのような価値を提供すればターゲット市場のニーズを満たせるかを探り、その価値を生み出し、顧客に届け、そこから利益をあげるということ」（「コトラーのマーケティング講義」フィリップ・コトラー著）

https://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB:Kotler-DSC_0510.jpg


ピーター・ドラッカーマーケティングとは、「顧客というものをよく知って理解し、製品ないしはサービスが顧客にぴったりと合って、ひとりでに売れてしまうようにすること」（「マネジメント」ピーター・Ｆ・ドラッカー著）

http://www.akutsuzeimu.jp/blog/peter_drucker.jpeg


「マーケティング」とは ✔顧客が真に求める商品やサービスを作り ✔その情報を届け ✔顧客がその商品を効果的に得られるようにする

企画・開発

ブランディング広告・宣伝

流通・販路開拓

営業


「営業」とは ✔自社の商品やサービスを顧客に売ること

企画・開発

ブランディング広告・宣伝

流通・販路開拓

営業

マーケティング

営業良質な案件・商談＜リード＞の

エスカレーション（送客）がマーケティングのゴール

＜単純な販売活動からの脱却＞


１. リードスコアリングとは？

２. リードスコアリングの実態と課題

３. 「機械学習リードスコアリング」の導入メリット

5

Contents

４. 活用事例

５. 導入までの流れ


１. リードスコアリングとは？


１．リードスコアリングとは？

「リード抽出に関する調査結果」どのような情報を利用して、購買意欲の高い見込み顧客を抽出しているか？（複数回答）

0.0% 20.0% 40.0% 60.0% 80.0%

その他

Web検索

自社サイトの訪問履歴

名刺情報

展示会での接触履歴

調査会社等の企業情報データベース

過去の購買履歴

16.8%

20.3%

27.9%

27.9%

28.4%

42.6%

77.2%

N=197 弊社独自調査



「リード抽出に関する調査結果」購買意欲の高い見込み顧客へのアプローチ方法は？（複数回答）

N=197 弊社独自調査 0.0% 20.0% 40.0% 60.0% 80.0% 100.0%

その他

ダイレクトメール

メール（マガジン）

内勤によるテレアポ

直接訪問

6.1%

21.3%

21.3%

27.4%

87.3%



リードスコアリングとは・・・

「近い将来、商品を購入する確率の高い顧客を予測」する手法

リードの購買意欲の数値化

リードスコアリングにより・・・

3 1 5 7 11 14

17 15 12 20 23 28 24

リード顧客（潜在顧客）が近い将来、商品を購入する確率を数値化し、マーケティングと営業活動の高効率化を促進する。


eads

Marketing Qualified Lead

Sales Accepted Lead

Opportunities

Forecast

Closure

Sales Accepted Lead

Sales Qualified Lead

Opportunities

Forecast

Closure

Tim

e

■営業パイプラインでの比較

受注失注失注受注

受注率の向上

失注失注


＜リードスコアリングを利用＞

受注までの時間短縮

Names

Sales Qualified Lead

Suspects

Names

Suspects

Marketing Qualified Lead

削減削減

Sale

s

スコアリング

＜従来型アプローチ＞



必要なリード数受注率

従来型ランダムな総当り３５０社１０％

これからリードスコアリングの利用１００社３５％

＜効果の例＞受注目標を35社の場合

効率 UP

２５０社削減

■ゲインチャートでの比較

50社

35社

10社リード件数（社数）

受注件数（社数）

500社 100社 350社

アタックする顧客数を削減

<従来型> ランダムな総当り

予測モデル（リードスコアリング）





顧客が購入に至るまでの行動プロセスは

パターン化できる

顧客の行動から、購入の確度が分かるのでは？

AIDMAの法則

Attention

注目

Interst

興味

Desire

欲求

Memory

記憶

Action

購入

１９２０年代に米国のサミュエル・ローランド・ホール氏によって提唱された一般的な「消費者の購買行動プロセス」

AISASの法則

Attention

注目

Interst

興味

Search

検索

Action

購入

Share

共有

AIDMAモデルにインターネットによる影響を取り込んだ消費者行動モデル (株式会社電通の登録商標)


購入確度のスコアリング


顧客の属性情報（デモグラ）

・年収／売上高・家族構成／従業員数

・住所

顧客の行動情報

・過去の購買履歴・店舗訪問履歴

・Ｗｅｂの閲覧状況

http://cajon.co.jp/blog/wp-content/uploads/2015/06/0fbb009e6cc1ed6c98633358bc6e9e62.jpg



15

■従来のリードスコアリング

行動情報属性情報

リードスコアリング機能

スコアリング・ツール

スコアリングリスト

✔スコアリングのためのツール（マーケティング・オートメーションなど）

✔人手でのスコアリングルールの設定

✔継続的メンテナンス

結果を得るには時間もコストも必要．．．



16

Webアクセス履歴

到達滞在加点（5分）

滞在加点（10分）

・・・

機能紹介ページ 5点 10点

FAQページ 10点 20点

カタログ請求ページ 20点 20点

・・・

■スコアリングルールの設定例

属性情報 10億円未満

10億円～ 50億円

50億円～ 100億円

・・・

年商 5点 10点 30点

・・・

スコアを付ける基準が分からない

分析、チューニングなど継続的なメンテナンスが必要

＜解決するには＞・マーケターが自社のビジネスとスコアリングの考え方に精通し、自らが自社のスコアリングのエキスパートとなるしか方法はない。・または、（高額な）外部コンサル等への委託。


３. 日立ソリューションズの提供する機械学習リードスコアリングサービスの導入メリット


３．機械学習リードスコアリングサービスのメリット

18

Webログ購買実績など

既存の情報


機械学習リードスコアリング

サービス

Webアクセスログなど既存の情報をもとにした自動スコアリングを実現早く・安く・簡単に購買確率の高いお客様を見つけます

過去の実績データに基づき、自ら分析、予測し、

自動的にスコアリング計算実施＜機械学習ロジック＞


■サービス概要図


製品情報

システム構成

事例紹介

価格

Ｑ＆Ａ

興味・関心の指標・滞在時間・参照回数・平均滞在時間・平均参照回数 etc･･･

商品のＷｅｂサイト

行動情報

Webログなどユーザ企業（顧客）

購入実績

ＩＰ-企業名対応表

閲覧

興味・関心

効率的な営業活動

解析・予測

個別訪問

テレアポ


機械学習リードスコアリングサービス

DM送付

属性情報・年商・従業員数 etc･･･

属性情報

顧客マスタなど



（特徴１）機械学習によるスコアリングの自動化

従来の人手によるスコアリングルール設定、チューニングをなくします。実績データを機械学習処理にて解析することにより、スコアリングのルールの設定、チューニングを自動化し、安定的なスコアリングが維持可能です。



HITACHI Net Shopp ing

H ITACHI Net Bank

Web Log

（特徴２）簡単スタート！社内の既存データを活用

Webサイトの閲覧履歴には、潜在顧客のニーズや興味・関心の度合いを示すヒントが多く含まれています。既存のWEBアクセス履歴(Webログ)と購買実績データさえあれば、スコアリングの実施が可能です。



（特徴３）未知の顧客の発見

HITACHI Net Shopp ing

New Lead

ＩＰアドレスからWEBサイトにアクセスのあった企業を抽出することにより、これまで見逃していたリード（顧客の候補）を発見し、新しいリードの創出に貢献します。


機械学習とは、実績データから有用なパターンや判断基準を抽出・発見すること。抽出したパターンに現在のデータを適用することによって将来のデータを予測することもできる。


過去の実績データ

購買実績行動情報属性情報

過去データのパターンを学習して算定モデルを作成

＜モデルの例＞商品紹介ページをm回以上閲覧して、 n回以上資料をダウンロードしている顧客は購入確度が高い。

機械学習

現在のデータ将来の予測

（購入確度スコアリング）

ダウンロード回数

閲覧回数

購入

未購入

行動情報属性情報

× × ×

× × ×

× ×

× ×

×

×

×

×

×

×

n

m

■機械学習による予測イメージ



行動情報２

行動情報１

4月

5月

9月

～

10月予測

4月 5月 6月 7月 8月 9月 10月

6月

※赤枠内購入した顧客

①過去のデータを解析して、製品を購入している顧客の行動・属性のパターンを学習する。 ②学習したパターン(モデル)に予測用のデータを適用することによって、将来の顧客の行動を予測することができる。

機械学習の特性として、長期的に使うほど、学習機能のアルゴリズムが洗練され、スコアリング精度が向上します。

※赤枠内購入確度の高い顧客



■アウトプットのイメージ

ＩＤリードスコア 778 ABC産業株式会社 0.159 141 LMN商事株式会社 0.148 584 RST電機株式会社 0.122 537 XYZ保険株式会社 0.110

・・・・・・・・・

スコアリングリストゲインチャート

指標値（説明変数）の詳細影響の強い指標の可視化

影響の強い指標（行動/属性）を知る

予測の効果を知る詳細に分析する



26

■導入メリット＜営業部門＞

サービス導入前

サービス導入後

受注効率の大幅な改善

既存顧客の潜在ニーズの発掘

ピックアップされたホットリードに絞ってコンタクトできるため、受注効率が大幅改善できます。・購買意欲の高い顧客の選別を、営業担当者の勘、感覚頼りから、統計的データに因る抽出へ。

購買意欲の見える化により、適切な商品をタイムリーに提案することができます。

・戦略的にターゲットを絞り込み、無駄な営業労力を削減。

潜在顧客の発掘

IP情報のマッチングにより、今まで見えていなかった潜在的な顧客を発掘、早期アプローチができます。

・コンタクトから受注までの時間を削減

・顧客からのコンタクト待ち営業から、一歩先を行く攻めの営業へ



■導入メリット＜マーケティング部門＞

イベント、セミナー企画への有用な情報の提供

・定量的、継続的なデータ分析により、スコアリング精度が安定。

スコアリングによる商品分析の実施

効果的マーケティングオペレーションの実施

機械学習による運用負担の軽減

最も反応しそうな顧客を選択することで、アウトバウンドコール、DM送付などキャンペーン反応率が向上します。

営業とマーケティングの生産性を向上させ、収益サイクルを加速させることができます

自ら成長する機械学習機能により、スコアリングルール設定、分析、チューニング作業を削減できます。

・統計的な専門知識不要。担当者の知見に依存しません。

・WebLogをデータ分析することで、商品のニーズ、トレンドが分かり、より的確なイベント、セミナーを企画することができます。

・マスマーケティングからOne to Oneマーケティングへ。

WANT

WANT

WANT

WANT



何らかの顧客行動データ・店舗来店情報・入出金情報

など

①既存情報の活用



サービス

■Webログデータ以外の活用

②SFA ﾏｰｹﾃｨﾝｸﾞｵｰﾄﾒｰｼｮﾝ

との連携

・顧客管理情報・営業活動情報

など

スコアリング結果のフィードバックも可能


４. 適用事例 ①日立ソリューションズにおける事例 ②メーカーにおける事例（マーケティングオートメーション連携） ③金融業における事例（Webログ以外の活用）


0

5

10

15

20

25

1 32 63 94 125

156

187

218

249

280

311

342

373

404

435

466

497

528

559

590

621

652

683

714

745

776

807

838

869

900

931

962

993

1024

1055

1086

1117

1148

1179

1210

1241

1272

2015年4月予測結果

予測モデル

ランダム

受注件数(件)

スコアリング順位

４．① 日立ソリューションズにおける事例

30

全受注数 21社

スコア上位20%受注数 12社

256社(全顧客数(1283社)の上位20%)

「秘文」への適用結果

スコア上位20%の顧客で全体受注の57%を獲得。 20%の顧客数（256社）にアタックする場合ランダムに受注活動を行った場合 ⇒ 受注獲得：４社予測モデルを利用した場合 ⇒ 受注獲得：12社

予測の効果

57%

高受注確度低


8 8

5

13 13

25

21

4 4 4

7 7

1412

50%50%

80%

54% 54%56%

57%

0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

0

5

10

15

20

25

30

201410 201411 201412 201501 201502 201503 201504

スコアリング上位20%の受注結果

全受注数

スコアリング上位20%の受注数

スコアリング上位20%の受注数/全受注数

受注件数(件)

年月

＜7ヶ月間の平均＞スコアリング上位20%の顧客で全受注数の約57%を占める

■スコアリング上位20%の顧客を対象とした効果の推移

４．① 日立ソリューションズにおける事例

■リストの活用方法

(日立ｿﾘｭｰｼｮﾝｽﾞ) マーケティング

部門販社

マーケティング部門から、販社へスコアリングリストを提供。販社では、当該リストを活用した営業活動を実施。



マーケティング・オートメーション（ＭＡ）を導入しているが、取得したデータの活用が十分にできていない。付属のリードスコアリングの機能は魅力的だが、使いこなせない。

顧客の課題


サービス

購入実績

32

４．② メーカーにおける事例（MA連携）


（ＭＡ内データ） Webアクセス

情報加工

WEB行動を指標化・アクセス回数・滞在時間・アクセス時期 etc


受注数 19社

スコア上位20%受注数 9社

20社(全顧客数(102社)の上位20%) 47%

営業担当への展開による、受注効率の向上。ＭＡスコアリング機能へのフィードバック（影響度大の属性をスコアリングルールに設定）

結果の活用

スコア上位20%の顧客で全体受注の47%を獲得。予測の効果

４．② メーカーにおける事例（MA連携）

「サーバ」への適用結果

高受注確度低


４．③ 金融業における事例（WEBログ以外の活用）

DWHに蓄積している顧客の行動・属性データを活用して、金融商品のセールス効率を向上したい。（現在のOneToOneマーケティングの向上を実現したい）

顧客の課題

購入実績

ＤＷＨ機械学習

リードスコアリングサービス


加工

行動データ

入出金履歴など

属性データ

顧客の特徴を指標化年齢、性別資産残高の特徴資産残高の推移類似商品の購買履歴 etc


４．③ 金融業における事例（WEBログ以外の活用）

■施策の実施（ＤＭの送付）

「金融送品（投資信託）」への適用結果

高受注確度低


５. 導入してみませんか？（導入までの流れ）


５．導入してみませんか？

■導入・運用の流れ

事前準備

検証ｽｺｱﾘﾝｸﾞｽｺｱﾘﾝｸﾞ・・・・

①データの準備・確認

②データ加工

③スコアリングモデルの作成

④過去データによるスコアリング

⑤結果検証/実施判断

1～２週間程度月次でのスコアリング

実行サイクルは変更可能・週次・四半期毎など

■ご提供形態【Saas型】・各種データをご提供頂き、日立ソリューションズ環境にてスコアリングを行います。【オンプレ型】・お客様環境内にスコアリング機能を配置します。

SaaS 日立ソリューションズ

環境

ｵﾝﾌﾟﾚﾐｽお客様環境

事前検証の詳細について、お気軽にお問合せ下さい。


５．導入してみませんか？

既存システム

ＷＥＢログ

顧客管理システム

データ分析基盤購入実績

・・・

収集と集約

スコアリングリスト蓄

積から活用

データをビジネスに活用するためには、データを集め、蓄積することが重要になります。

蓄積データをもとに、様々な分析手法によるデータ活用が可能になります。

何をどう集めるかどう活用するか


見える化（BI導入・活用）

etc

■関連ソリューション各種関連ソリューションにより、データ利活用をトータルサポートいたします。（コンサルテーション～システム開発/サービス提供～運用支援）

各種相関分析、マイニング ※Data Management Platform


日立ソリューションズビッグデータ・ソリューション部ご紹介

１

ソリューション群

アナリティクス見える化

行動分析 M2Mデータ分析リードスコアリングデータベースマーケティングリコメンデーション分析需要予測など

ＢＩ構築/ マイグレーション

製品販売、保守教育、トレーニング

<DB/DWH> HADB/HiRDB SAP HANA/SybaseIQ/BW Oracle DB/Exadata SQLServer IBM PureSystem(Netteza) Hadoop <ETL> Datastage SAP DataServices Oracle DataIntegrator Asteria DataSpider など

「ＢＩコンシェルジェサービス」

情報活用方法に関するご提案 BI/DWHシステムの改善、新規構築プロジェクトの要件定義支援 BIシステムプロトタイプ構築＆評価支援、BIツール選定支援など

ＢＩシステム構築で培ってきた幅広い知識、さまざまな製品とプラットフォームに対応する最新の技術を組合せ、様々な製品やサービスをご提供しております。

<BIツール> SAP BusinessObjects Oracle BI Microsoft BI IBM Cognos MicroStrategy DrSUM / Motion Board QlikView / QlikSense データスタジオ@WEB <ｱﾅﾘﾃｨｸｽ> ForecastPRO SAS Analytics SAS Visual Analytics

経営ダッシュボード M2Mデータ見える化クレーム分析顧客、商品分析在庫の見える化トレーサビリティ営業活動の見える化など

BIシステムバージョンアップ BIシステム統合 BIシステム仮想化 BIシステムクラウド化 BIシステム構築など


株式会社日立ソリューションズビジネス・アプリケーション本部ビッグデータ・ソリューション部

～予測分析で営業効率を高めるリードスコアリングサービス～

過去のデータから将来を予測

2015/7/23

松村幸治

END

Documents

過去のデータから将来を予測 - Hitachi Solutions...マーケティングとは、 「どのような価値を提供すれば ターゲット市場のニーズを満たせ

過去のデータから将来を予測 - Hitachi Solutions...マーケティングとは、「どのような価値を提供すればターゲット市場のニーズを満たせ