東急エージェンシーのデータマーケティングソリューション

「営業は足で稼ぐもの！靴をすり減らしてなんぼ！」

日本のビジネスでは伝統的に、営業という仕事は「汗と涙」「義理と人情」「武勇伝」という熱血ストーリーによって神格化されてきました。特にB to B の営業では、「下手な鉄砲も数撃ちゃ当たる！」との突撃ラッパのようなスローガンのもとで、ルート営業、紹介営業、飛び込み営業、やみくも営業を含めてすべて「気合」で頑張れば、それなりに成果が出ていました。

しかしながら近年の若年労働力の減少、長時間労働や残業を減らす取り組みをはじめとする働き方改革、オフィスのセキュリティ厳格化（勝手に飛び込み営業ができない）などにより、営業という仕事に大きな変化が出ています。

まず営業現場の最前線では、ハラスメント防止、内部統制強化、コンプライアンス厳守などにより、ますます業務が複雑化。セールスメンバーは疲弊しています。そのセールスメンバーを束ねる営業マネージャーも、トップからの「少ない人数で売上高をアップさせること！」という営業部門生産性向上のプレッシャーと、疲弊した現場セールスメンバーとの間で板挟みになっています。今の営業現場では、下手な鉄砲であっても弾数が絞られていて、何発も撃てなくなっているのです。

数が撃てないのであれば、セールスメンバーの業務効率を上げるしかありません。でもどうしたらセールスメンバーの負担を減らして、なおかつ売上を維持・拡大できるのでしょうか？

日本の営業組織では、「セールス活動に多くの無駄がある」という声をよく耳にします。実は多くの営業マンは、今のような「やみくも営業」は時間の無駄だと薄々感づいているのかもしれません。また、実は多くの営業マネージャーが、売れる見込みのない得意先で部下に無駄な動きをさせていると認識しているのかもしれません。

受注に結び付きそうもないお客様に対して、血と汗と涙でアタックするだけでは、「時間」も「気合」もなくなってしまいます。

一方、ベストな商品を、購入確率の高いお客様にベストなタイミングでセールスすると、営業効率は上がります。営業チームのモチベーションも上がります。

昨今の営業現場では、「どのような頻度でどちらのお客様を訪問しているのか」「どの商品をセールスしたか」「その商品をアウトバウンドコールしているか」「購入のタイミング、購入数量、購入価格」などの詳細な営業活動データが日々蓄積されていると思います。ですが、その貴重なデータを社内で塩漬けにしているケースはまだまだ多く見られます。

当社のデータアナリティクス＆コンサルティングは、営業活動データをAIツールのTarget Finderで分析することにより、「このお客様は成功率が低いにも関わらず、訪問回数が多すぎます」とか、「このお客様は新商品に飛びつきやすいので、新商品発売時には真っ先にアウトバウンドコールをしましょう」などの、確率に基づいたレコメンドをしております。

下の図は、営業活動データをTargetFinderに入力して解析したレコメンドの例です。視覚的に分かりやすい営業戦略資料となっています。

□図１

図１は、営業履歴データをTarget Finderで分析した結果をベースに、営業効率を高める営業戦略シートです。

商品Aを買う確率の高いターゲット企業をリストアップして、担当営業チームが確率の高い企業からセールスを仕掛けていきます。

□図２

図２は、営業履歴データをTarget Finderで分析した結果をベースに、Z株式会社というターゲット企業に対して、Z株式会社が購入する確率が高い商品をリストアップしてます。

担当営業チームは確率の高い商品だけをセールスします。

上図の通り、当社のデータアナリティクス＆コンサルティングは

• どこにセールスするべきか？

顧客リストから受注確度が高い顧客候補を抽出します

• どの商品からセールスするべきか？

顧客とのセールス履歴をベースにAIが点数化（所属確率）をします

• 次に何をすべきか？

常に最新の営業活動データをTarget Finderに入力すれば、施策のPDCAを廻すことができます

を的確に営業部隊へレコメンドすることができます。

いかがでしたでしょうか？

これからの営業セールスの世界では、「上手な鉄砲、弾数が限られていても、よく当たる！」でないと生き残れないのかもしれません。

▼当社データアナリティクス＆コンサルティングサイトはこちら↓

https://www.tagc-solutions.com/product/consulting/

今月のブログはセミナー登壇のご案内です。

下記イベントにて決済/販促ソリューション「.pay」について講演をいたしますので、ぜひご来場いただけますよう、お願いいたします！！

残席僅かではございますが、お申込みはこちらからお願いいたします。(外部サイトへ飛びます。)

■イベント名

デジタルマーケターズサミット 2020 Winter

■日時

2020年2月19日（水）10:00～17:10（受付開始9:30）

弊社講演時間  11:15~11:55

■会場

ステーションコンファレンス東京

東京都千代田区丸の内1-7-12 サピアタワー5F（地図を確認する）

会場URL

http://www.tstc.jp/tokyo/access.html

交通アクセス

JR東京駅日本橋口直結、新幹線日本橋口改札徒歩1分、八重洲北口改札徒歩2分

東京メトロ東西線大手町駅B7出口直結

■セッション概要

複数の商業施設を抱える東急グループの顧客基盤の構築・マーケティング戦略の歴史をご説明いたします。
様々な苦労と変革の中、今だからこそチャレンジできる、商業施設を抱える企業としてのハウス型のスマホ決済ソリューション「.pay」を用いた新しいマーケティング戦略についてご紹介いたします。

■参加対象者

業種：百貨店、専門店、流通、小売、商業施設

■こんなニーズや悩みに答えられる内容です

・自社独自のスマホ決済を導入したい。
・顧客別で決済を管理し、マーケティング活動につなげたい。
・キャッシュレスシステムを導入したが、販促まで活用できていない。

ぜひご来場のほど、よろしくお願いいたします！！

「ああ日本！〇〇年後の悲惨な現実」

「最悪のシナリオ！これが〇〇年後の日本の姿だ」

タブロイド紙や週刊誌でよく見かけるタイトルです。ハッピーなタイトルよりも、ネガティブな預言の方が新聞や雑誌は売れるのでしょうか？

1990年代後半、世界は「ノストラダムスの大予言」が現実に起こるのではないかと恐怖に震えました。他にも、アメリカ大統領の暗殺を予言したジーン・ディクソン、アメリカ同時多発テロを的中させたババ・ヴァンガなど、多くの預言が世界中で騒動になりました。

最近では、AIによる預言もあるそうです。人間には決して処理できないようなデータ量を分析するAIですから、今後AIの預言が騒動のもとになるかもしれません。

「当たるも八卦、当たらぬも八卦」的な大預言であれば純粋にエンタテインメントとして楽しめますが、近未来の生活者の行動を予測して課題解決のためのアクションを戦略立案するようなマーケティングの世界では、そんな悠長なことは言ってられません。AIを使ったマーケティング分析に関してはなおさら、予測の精度が問われます。

AIと聞くと、今流行のディープラーニングを思い浮かべる方が多いと思います。ディープラーニングは、機械が膨大なデータを自ら学習して自律的に答えを出すという手法です。最近では囲碁の世界王者に勝つぐらいに性能が向上していますが、ニューロンの数が増えるほど、ニューラルネットワークが複雑になるほど、その思考の過程がブラックボックスになってしまいます。ディープラーニングが出した答えに対して人間は、「どうしてその答えになったの？」となってしまうのです。

エンタテインメント性の強い大預言であれば、ブラックボックスからポンと答えが出てきたらワクワクするかもしれませんが、その予測精度が経営課題解決を左右するマーケティングの世界では、「なぜそうなるのか？」が説明できなければその予測は使えません。ブラックボックスから出てきた予測が、企業リスクに直結しうる課題となってしまいます。

前回このブログでご紹介したベイジアンネットワークはAIのアルゴリズムにも採用されていますが、複雑でかつ不確実な事象の起こりやすさやその可能性についての予測を可視化することができます。

よって、ベイジアンネットワークによって予測された推論をベースに何らかのマーケティングアクションをした場合は、「なぜそう考えたのか？」という説明をグラフィカルに確認することができます。仮にアクションがうまくいかなかった場合は、その思考プロセスを見返して改善することができます。

当社は「PLASMA」※注１を使って、ベイジアンネットワークとTarget Finderとを組み合わせた独自のデータアナリティクス＆コンサルティングを行っております。

下の図は、ID-POSデータをTarget Finderに入力して解析したクラスタごとに、どのような属性であればどのチャネルにおける購買確率がどれくらい上がるか？などの予測分析を、視覚的に分かりやすいグラフとして構造化しております。

ディープラーニングのような手法とベイジアンネットワークの手法のどちらが優れているか？ブラックボックスか、ホワイトボックスか、まさに白黒つけ難いところではありますが、「どうしてその予測が出てきたのか、説明できなければ困る」といった場合に、当社はベイジアンネットワークとTarget Finderとを組み合わせた独自のデータアナリティクスによる、角度の高い予測モデルをご用意しております。

業種別では金融、EC、小売など各業界でのコンサルティング実績がございます。お気軽にご相談ください。

注1：「PLASMA」とは、産総研で開発が進められている「確率的潜在意味構造モデリング」のためのJAVA言語によるAPI

▼当社データアナリティクス＆コンサルティングサイトはこちら↓

https://www.tagc-solutions.com/product/consulting/

「１匹の蝶が中国で羽ばたけば、カリブでハリケーンを起こす」※注１

世界は本当にいろいろな事象で満ちています。いかなる事象も必ずどこかに原因がある（因果関係がある）とすると、蝶の羽ばたきという些細な出来事でさえもそれが積み重なって、遠く離れたカリブの地においてハリケーンが発生するのかもしれません。

1匹の蝶が中国で羽ばたく（原因）とカリブでハリケーン発生が発生する（結果）という因果関係は極端な例かもしれませんが、マーケティングの世界でも原因と結果という因果関係を見極めることはとても重要です。

例えば、商品やサービスのマーケティングを行う際は、売上や利益を予測します。商品やサービスを買う、買わないという人間の行動は不確実で絶えず変化をしているので、予測は非常に困難です。

このような不確実な事象でも、原因と結果という因果関係を複数組み合わせることにより「この商品が売れる可能性はどれくらいなの？」というような不確実現象を、数値化して確率で予測していくことができます。この未来予測マーケティングモデルはベイジアンネットワークといいます。

当社は「PLASMA」※注２を使って、ベイジアンネットワークと（前回までのブログでご説明した）Target Finderとを組み合わせた独自のデータアナリティクス＆コンサルティングを行っております。

例えば、Target Finderでお客様の過去の購買履歴やWebサイトの閲覧状況などのビッグデータから解析したクラスタごとに、何をレコメンドするとそのクラスタの購買確率がどれくらい上がるか？などの予測分析が可能となります。

注１：

名優ロバート・レッドフォードが1990年の映画でヒロインに話したセリフ。気象学者のエドワード・ローレンツが1972年にアメリカ科学振興協会で行った講演の「ブラジルで蝶が羽ばたくと、テキサスで大竜巻が起こるか」という「バタフライ効果」が由来。(Wikipedia)

注２：「PLASMA」とは、産総研で開発が進められている「確率的潜在意味構造モデリング」のためのJAVA言語によるAPI

いかがでしたでしょうか？

ベイジアンネットワークとTarget Finderとを組み合わせた当社独自のデータアナリティクスによって、角度の高い予測モデルをご用意しております。

いつの日か「カリブでハリケーンを起こすために、中国で蝶を羽ばたかせましょう！」というような、壮大なコンサルティングをご提供することが私たちの願いでもあります。

業種別では金融、EC、小売など各業界でのコンサルティング実績がございます。お気軽にご相談ください。

▼当社データアナリティクス＆コンサルティングサイトはこちら↓

https://www.tagc-solutions.com/product/consulting/

人間の性格は、５つに分けられるそうです。※注１　あなたの性格は、「開放的」ですか？もしくは「外向性」？「勤勉性」？

別の研究発表では、人の性格を４つの分類に分けることに成功したとのこと。※注２　　　　あなたの性格は、「平均的」「おとなしい」「模範的」「自己中心的」という４つのクラスタの中で、どのクラスタに当てはまりますか？

もし私がその質問を受けたら、答えに窮します。「自分の性格は、〇〇クラスタに該当する」とはっきりと答えることができる人の方が少ないのではないでしょうか？そもそも、人の性格は１つのクラスタに収まるほど単純なものではないと思います。

しかしながらマーケティングの世界では歴史的に、お客様を1つのクラスタだけに分類してしまおうという発想でした。それも、すべてのお客様に合わせて個別で施策を展開することは難しいから、出来るだけ最小限のクラスタ数に絞ろうとしていました。

そうしますと当然ながら、同じクラスタのお客様は一様にみな同じニーズがあるとみなして、違うクラスタのお客様はそれとは違うと考えるマーケティング戦略になります。

当社のAIツール「Target Finder」は、ソフトクラスタリングという手法を採用しています。ソフトクラスタリングとは、１つの要素が複数のクラスタにまたがって所属することができるというクラスタリング手法です。

先程の例で言いますと、「私は、普段は“おとなしい”性格ですが、時として“自己中心的”な性格です」といった分類が可能です。

またソフトクラスタリングでは、各要素はその所属クラスタの所属度合いが確率で計算されます（所属確率）。ですから「私は、“おとなしい“性格のクラスタに55%の確率で所属しますが、”自己中心的“なクラスタリングにも45%所属しています」といった具合に分類されるのです。

ソフトクラスタリング手法の方が、自然な分類として表現されていると言えるのではないでしょうか？

注１：Big Five（特性５因子モデル）

注２：Northwestern University

※「Target Finder」の分析例

いかがでしたでしょうか。ぜひこの機会に製品サイトをチェックしてみてください。

▼Target Finder製品サイトはこちら↓

https://www.tagc-solutions.com/product/target_finder/

また弊社では長年のビッグデータ分析とその結果のマーケティング戦略への活用実績があり、「Target Finder」を活用した分析・コンサルティングサービスや、テーマに応じて

さまざまな手法を組み合わせた分析・コンサルティングサービスも提供しています。業種別では金融、EC、小売など各業界でのコンサルティング実績がございますので、お気軽にご相談ください。

▼データアナリティクス＆コンサルティングサイトはこちら↓

https://www.tagc-solutions.com/product/consulting/