Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
© 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)
© Hitachi Solutions, Ltd. 2015. All rights reserved. 2
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)
© Hitachi Solutions, Ltd. 2015. All rights reserved. 3
「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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 4
「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>
© Hitachi Solutions, Ltd. 2015. All rights reserved.
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 6
1. リードスコアリングとは?
© Hitachi Solutions, Ltd. 2015. All rights reserved. 7
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 8
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」 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%
© Hitachi Solutions, Ltd. 2015. All rights reserved. 9
1.リードスコアリングとは?
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。
© Hitachi Solutions, Ltd. 2015. All rights reserved. 10
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
1.リードスコアリングとは?
< 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 >
© Hitachi Solutions, Ltd. 2015. All rights reserved. 11
1.リードスコアリングとは?
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)
© Hitachi Solutions, Ltd. 2015. All rights reserved. 12
2. リードスコアリングの実態と課題
© Hitachi Solutions, Ltd. 2015. All rights reserved. 13
2. リードスコアリングの実態と課題
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)
© Hitachi Solutions, Ltd. 2015. All rights reserved. 14
購入確度の スコアリング
2. リードスコアリングの実態と課題
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
© Hitachi Solutions, Ltd. 2015. All rights reserved.
2. リードスコアリングの実態と課題
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...
© Hitachi Solutions, Ltd. 2015. All rights reserved.
2. リードスコアリングの実態と課題
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。
© Hitachi Solutions, Ltd. 2015. All rights reserved. 17
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
© Hitachi Solutions, Ltd. 2015. All rights reserved.
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
スコアリング リスト
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>
© Hitachi Solutions, Ltd. 2015. All rights reserved. 19
■サービス概要図
3.機械学習リードスコアリングサービスのメリット
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
スコアリング リスト
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 20
3.機械学習リードスコアリングサービスのメリット
(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 Solutions, Ltd. 2015. All rights reserved. 21
3.機械学習リードスコアリングサービスのメリット
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。
© Hitachi Solutions, Ltd. 2015. All rights reserved. 22
3.機械学習リードスコアリングサービスのメリット
(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。
© Hitachi Solutions, Ltd. 2015. All rights reserved. 23
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。
3.機械学習リードスコアリングサービスのメリット
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 24
3.機械学習リードスコアリングサービスのメリット
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 25
3.機械学習リードスコアリングサービスのメリット
■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
© Hitachi Solutions, Ltd. 2015. All rights reserved.
3.機械学習リードスコアリングサービスのメリット
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 27
3.機械学習リードスコアリングサービスのメリット
■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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 28
3.機械学習リードスコアリングサービスのメリット
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
スコアリング リスト
機械学習 リードスコアリング
サービス
■Webログデータ以外の活用
②SFA マーケティングオートメーション
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 29
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)
© Hitachi Solutions, Ltd. 2015. All rights reserved.
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 31
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ズ) 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。
スコアリング リスト
© Hitachi Solutions, Ltd. 2015. All rights reserved.
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
機械学習 リードスコアリング
サービス
購入実績
32
4.② メーカーにおける事例 (MA連携)
スコアリング リスト
(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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 33
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 34
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
スコアリング リスト
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 35
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
© Hitachi Solutions, Ltd. 2015. All rights reserved. 36
5. 導入してみませんか?(導入までの流れ)
© Hitachi Solutions, Ltd. 2015. All rights reserved. 37
5.導入してみませんか?
■導入・運用の流れ
事前準備
検証 スコアリング スコアリング ・・・・
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
オンプレミス 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。
© Hitachi Solutions, Ltd. 2015. All rights reserved. 38
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
機械学習リードスコアリング
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
© Hitachi Solutions, Ltd. 2015. All rights reserved.
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
© 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
~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