次世代のマーケティングリサーチ

海外の最新手法と事例

Transcript

1. 2018年4月 株式会社GRI データで新たな事業を開発していくカンパニー。 Confidential 次世代のマーケティングリサーチ ～海外の最新手法と事例～ 朝のAI勉強会資料 01
2. 2 １．マーケティングリサーチとAI アプローチの相違点 ２．海外の最新事例 ３．GRIの取り組み事例と技術紹介 伝えたい内容 Open Innovationへ繋げる
3. １．マーケティングリサーチとAI 3 アプローチの相違点
4. ©GRI Inc. ブランドの声は届いているか？ 4 Red Bullのアイデンティ
5. ©GRI Inc. メーカー側の論理 レッドブル 翼を授ける 5
6. ©GRI Inc. 消費者側の論理 6 消費者 購買者の背景 市場規模 購買後の実感 購買前の期待 購買の情景 購買前の接触 購買の要因・心理
7. ©GRI Inc. マーケティングリサーチで 消費者にとっての価値を知りたい 7 メーカー／小売り マーケティング リサーチ （サンプリング）
8. ©GRI Inc. MR: トップダウン的 AI: ボトムアップ的 8 メーカー／小売り マーケティング リサーチ(MR) （サンプリング） ビッグデータ 詳細データ パーソナル・データ
9. 9 AIとマーケティングリサーチ手法の サービスへの組み込み ２．海外の最新事例
10. Tailor Brands社 10 AIと創造性の例
11. ©GRI Inc. コーポレート・アイデンティティ のパイオニア 11 Gordon Lippincott
12. ©GRI Inc. デザイナーとの交わらない会話 12
13. ©GRI Inc. Tailor Brands社の 自動ロゴデザイン案の作成 13 いくつかの質問（デザインのテースト含む）に答えると ▪質問内容 ・ロゴ名 ・業種 ・会社説明 ・スタイル
14. ©GRI Inc. AIによる自動ロゴ作成 14
15. ©GRI Inc. 価格 15 １ヶ月の編集権付き 10ドル 年間の編集権付き 36ドル
16. Affectiva社 16 AI（動画解析）による感情推定
17. ©GRI Inc. CONFIDENTIAL 広告映像に対して 人々はどんな感情を抱いてる？ 17
18. ©GRI Inc. Affectiva社のAIに 解かせている問題： 18 クリエイティブ動画を見てもらいながら カメラで顔を特定 ⇒ 顔の表情 ⇒ 感情
19. ©GRI Inc. デモ 19
20. ©GRI Inc. 画面イメージ 20
21. ©GRI Inc. CONFIDENTIAL 機械学習（表情⇒感情） 21 感情 表情 怒り 困惑 嫌悪 恐れ 楽しみ 悲しみ 驚き 眉の動き 頬の動き あごの位置 口の動き 鼻のしわ
22. ©GRI Inc. CONFIDENTIAL 価格 SDK $250,000 22
23. Stitch Fix社 23 アンケートとAIを活用した通販
24. ©GRI Inc. CONFIDENTIAL Stitch Fix社 2011 創業 売上(2017) 10億ドル IPO(2017) 30億ドル データサイエンティスト 75名 スタイリスト 3,500名 アクティブ顧客 250万 カトリーナCIO 24
25. ©GRI Inc. CONFIDENTIAL 通販はテーストに関する アンケートからサービスが はじまる 25
26. ©GRI Inc. CONFIDENTIAL ビジネスモデル： AIとアンケート のサブスクリプション通販 初回 アンケート 好みの服 ５つ選定 配送 *何が送られてくるか届くまで分からない（福袋っぽい） 定期サービス（サブスクリプション） スタイリスト ユーザ →自社開発に ユーザ 26
27. ©GRI Inc. CONFIDENTIAL Stitch Fix社がAIに解かせている問題 27 ユーザAさん 0.15 0.35 0.55 0.25 0.45 0.25 0.28 0.67 0.01 在庫 • 各アイテムの好みを予想し数値化 • スタイリストが各ユーザのテーストに 合った商品を選ぶため
28. ©GRI Inc. CONFIDENTIAL どんなデータでテーストを推定？ 28 • 初回アンケート • SNSデータ サイズ 色 フォルム ポケット … 顧客ごとの 商品属性ごとの テースト（80種） テーストを 数値化 Deep Learning ?
29. ©GRI Inc. CONFIDENTIAL スタイリングアルゴリズム 29 サイズ 色 フォルム ポケット … X 商品の属性 サイズ Ｘ 色 Ｘ フォルム O ポケット X サイズ Ｘ 色 Ｘ フォルム O ポケット X サイズ O 色 O フォルム O ポケット X 購入確率 0.15 0.25 0.67 顧客ごとの 商品属性ごとの テースト（80種） マッチング スコア
30. ©GRI Inc. CONFIDENTIAL どんどんテーストを理解する 仕掛け 30 0.15 0.35 0.55 0.25 0.45 0.25 0.28 0.67 0.01 好みの服 ５つ選定 配送 スタイリスト ユーザ 購入確率 リスト 購入履歴（購入・返品） フィードバック 強化学習で補正
31. ©GRI Inc. CONFIDENTIAL アンケートの設問ごとに 有用性を確認できる 31 設問重要度 設問
32. ©GRI Inc. CONFIDENTIAL その他のアルゴリズム 32 ▪ユーザへ新スタイル提案 （レコメンド）collaborative filtering ▪ユーザとスタイリスト のマッチング（最適化） Linear Programming ▪需要予測 State-Space Model ▪仕入計画 （最適在庫）Optimal Inventory ▪倉庫割当 Mixed-Integer Programming ▪ピッキング・ルート Minimum Spanning Forest
33. ©GRI Inc. CONFIDENTIAL アルゴリズムチーム（74名） Eric Colson (チーフ・アルゴリズム・オフィサー) （元 Netflix VP） http://algorithms-tour.stitchfix.com/ • クライアント・アルゴリズム 19名 • スタイリング・アルゴリズム 18名 • 商品・在庫アルゴリズム 17名 • データ基盤 17名 新人 1名 33
34. ©GRI Inc. CONFIDENTIAL 海外事例からのレッスン 調査分析を活用したAIサービスが拡大 –パーソナルレベルの調査とサービス連動 調査分析の設問の重要度から設問の改善に 使える AIで解きやすい問題をうまく設定している –AIを魔法の箱と位置付けず、AIの特徴を 活かすサービス機能として扱う 34
35. 35 ３．GRIの取り組み事例と技術紹介
36. ©GRI Inc. CONFIDENTIAL カバーする内容 36 売り場改善 ID-POS分析・ 販促・消費者の声 簡易レコメンド アニメの 視聴アンケート SNS活用 ネットから消費者理解 動画解析 顔認識、人物属性推定 会話分析 チャットの会話ログ分析 技術紹介 事例紹介 時系列解析 センサーデータの活用
37. 売り場改善 37 チェーン・スーパーのいくつかの事例 統合分析：ID-POS分析・販促・消費者の声
38. ©GRI Inc. CONFIDENTIAL 小売りの狙い 顧客に来店し続けてもらう 38 いつもお買い上げ いただいている お客様 ▪来月も同じように 買って欲しい ▪離反顧客の防止策
39. ©GRI Inc. CONFIDENTIAL 売り場改善の３つのプランが バラバラ 39 消費者の声 クーポン発券 ID-POS
40. ©GRI Inc. CONFIDENTIAL AIに解かせる問題： 顧客ランクが翌月変化する確率を 特定せよ 40 Aランク（優良） のお客様 翌月のランク確率 Aランク 0.6 Bランク 0.2 Cランク 0.1 来店なし 0.1
41. ©GRI Inc. CONFIDENTIAL AI活用で３つ活動を連動させた 売り場改善プラン 41 ID-POS AI 機械学習 会員ごとの ランク確率 リスト 継続・離反 の差異要因 クーポン 消費者の声
42. ©GRI Inc. CONFIDENTIAL 来店確率に使えるデータ（特徴量） 42 会員カード 顧客 店舗 商品 レシート XXX店 レジ番号 日時 牛肉 300円 食パン 200円 小計 500円 税 40円 合計 540円 会員属性 • 性 • 年齢 • 家族 地域属性 • 自宅と店舗の距離 • 自店舗と競合店の距離の差 店舗属性 • 郊外店、駅隣接、モール内 • 天候・気温 購買傾向 • M: 購買金額ランク • F: 購買頻度ランク • R: 最終購買ランク • 商品カテゴリ・比率
43. ©GRI Inc. CONFIDENTIAL 来店予測とは 43 Time M月 M+1月 M+2月 M+3月 N月 N+1月 N+2月 N+3月 個客ごとの 購買傾向（ランク） 学習（訓練）モデル： 過去３ヶ月の購買傾向 から翌月の購買傾向の 関係性
44. ©GRI Inc. CONFIDENTIAL 来店予測とは 44 Time M月 M+1月 M+2月 M+3月 N月 N+1月 N+2月 N+3月 個客ごとの 購買傾向（ランク） ？ 学習（訓練）モデルの 当てはめ
45. ©GRI Inc. CONFIDENTIAL XGBoostで来店予測 45 変数 変数重要度 ▪重要変数の例 ・店舗までの距離 ・家族あり／なし ・洋日配の構成比 • 会員ごとの翌月のランク確率リスト • 継続・離反の差異要因リスト クーポン 消費者の声 定量：ボリューム 定性：差異を説明 する重要変数
46. ©GRI Inc. CONFIDENTIAL 予測できると総合的な 売り場改善策につながる 離反防止ターゲットを細かく選定 –例）優良顧客の洋日配品 （特定商品カテゴリ） 消費者の声に優先順を付けられる 効果的なクーポンの選定ができる 46
47. アンケートから 簡単にレコメンドを作る 47  Gzブレイン  日本リサーチセンター
48. ©GRI Inc. エンタメ業界（ゲーム／アニメ） マーケティング・データ 48
49. ©GRI Inc. CONFIDENTIAL 以下のアンケートがあるなら データサイエンティストは レコメンドに使えないかと考える 49 アンケート・データ Q. 今期見ているアニメ作品を選んでください ・７つの大罪 ・カードキャプターさくら Q. 来期見たいアニメ作品を選んでください ・ルパンIII世 ・ゲゲゲの鬼太郎 ・キャプテン翼
50. ©GRI Inc. CONFIDENTIAL おすすめの例 50
51. ©GRI Inc. 簡単なオンラインアンケートに 答えると 51 Q2. あなたの観た2018年冬アニメ？ • アイドリッシュセブン • キリングバイツ • グランクレスト戦記 • ハクイチとミコチ
52. ©GRI Inc. おすすめのアニメが表示される 52
53. ©GRI Inc. CONFIDENTIAL レコメンドエンジンの流れ 53 アンケート おすすめアニメ レコメンド エンジン オンライン アンケート ウェブ Q:今期視聴アニメ Q:次期視聴アニメ Q:今期 視聴アニメ A:次期 推薦アニメ
54. ©GRI Inc. 今期と次期の関係性をまじめに アンケートで取ると膨大な回答が必要に 54 今シーズン 見ているアニメ 次シーズン 見たいアニメ （50作品中） （50作品中） アイカツスターズ！ アイドリッシュセブン アニメ クラシカロイド2 … レゴタイム レゴニンジャゴー ルパン３世 PART5 ゲゲゲの鬼太郎（第６期） 東京喰種トーキョーグールー … 妖怪ウォッチ シャドウサイド 1.13京の組み合わせ x 1.13京の組み合わせ
55. ©GRI Inc. 機械学習で、効率的に関係性を学習 55 今シーズン 見ているアニメ 次シーズン 見たいアニメ ニューラルネットワーク （中間層の関係性を学習させる）
56. ©GRI Inc. 調査データからAIレコメンドは 簡単に実装できる 56 • ただし、細かな補正手法が必要 • サザエさん現象 • 高視聴率のサザエさんの推薦確率が高く なってしまう • セレンディピティ • 意外な発見や驚きを埋め込む必要
57. SNSの活用 57 ネットから消費者理解
58. ©GRI Inc. CONFIDENTIAL 58 消費者は、ウェブやSNSに よく書き込むようになった どんな風に利活用できるか？
59. ©GRI Inc. CONFIDENTIAL 口コミから消費者の情景を 知りたい 59 消費者 購買者の背景 購買後の実感 購買前の期待 購買の情景 購買前の接触 購買の要因・心理 購買後の要望
60. ©GRI Inc. CONFIDENTIAL よくある要望事項 SNSを検索しやすく、情報を整理 ヒットの兆し トレンドの変化 季節性の変化 60
61. ©GRI Inc. CONFIDENTIAL 調査分析との差異 61 トップダウンではなく ボトムアップなので大きな差異がある
62. ©GRI Inc. CONFIDENTIAL データ収集は自動で行う（差異① ） 62 サイト １次データDB 分析・AI処理技術 可視化 検索基盤 クローラ HTML 格納ストレージ スクレイパ 可視化用DB データ収集系 加工・分析・可視化系 自社 データ ・形態素解析 ・重要語の抽出（情景への変換） ・構文解析（意味の抽出） ・広告判定 ・レビュースコア標準化
63. ©GRI Inc. CONFIDENTIAL ユーザが自由な形式で記述（差異②） 企業側の語って欲しい枠組みで記述されない 63 CONFIDENTIAL
64. ©GRI Inc. CONFIDENTIAL 文書からユーザの購入シーンに 自動変換したいが精度が厳しい 64 購入シーン 利用シーン ▪ ▪ ▪ ▪ ▪ ▪ 実感シーン◦ 実感シーンＸ 結果 X 要望 CONFIDENTIAL
65. ©GRI Inc. CONFIDENTIAL 辞書を準備し、 語られている言葉を解釈しやすくする 65 ただ、香りがきついです。 ただ ／ 香り ／ が ／ きつい ／ です 形態素解析 重点要素 分析カテゴリ 分析軸 表現軸 • 商品効果 香り 香り かおり におい 信頼 なじみ 馴染み 辞書で集約 ※辞書はGRIで カスタム整備
66. ©GRI Inc. CONFIDENTIAL チャレンジ（意味理解） 66 ツンとくるほどの爽やかな強い香りで、乾かした後も 翌日もとてもしっかり香ります。 香る しっかり とても ツンと くる 爽やかな 強い 香り 乾かした 後も 翌日も 構文解析（KNU）
67. ©GRI Inc. CONFIDENTIAL データに広告が紛れ込む（差異③） ⇒ 広告を判定する 67 広告には似たような言葉が出てくる傾向なので LSI (Latent Semantic Indexing) & 階層的にk-meansで広告クラスタを特定
68. ©GRI Inc. CONFIDENTIAL レビュースコアにばらつきがある（差異④） 68 同じこと記述してもスコアが異なる 甘口 辛口 『香りが長続きしていいです』 『香りが長続きしていいです』 5 点 3 点 似た言葉で成り立つ文章なら近いスコアであるべき という補正方針から、LDA(Latent Dirichlet Allocation) & XGBoostで補正スコアを算出
69. ©GRI Inc. CONFIDENTIAL 欲しいサンプル数が集まらない（差異⑤） 日用品はSNS上で語られない （ただし、バイラルでの拡散力） 69
70. 70 まとめ
71. ©GRI Inc. CONFIDENTIAL GRIのアプローチの特徴 サービスの企画から一緒に考える 生のデータを解析して特徴を探す 71
72. ©GRI Inc. CONFIDENTIAL テーラーメイドな プロジェクトを提供 72 データの特徴 ビジネスの 本当の課題 AI・分析 パッケージどうぞ APIとつなぐだけ