2022.12.26

AI・データサイエンスでマーケティング課題を解決する「Data Science Boutique」(前編)

膨大な生活者データを収集できるようになった今、そのビッグデータをマーケティングに活用したいというニーズが急速に高まっています。そこで博報堂、博報堂DYメディアパートナーズ、デジタル・アドバタイジング・コンソーシアムの3社横断戦略組織である「HAKUHODO DX_UNITED」では、AIとデータサイエンスを用いてクライアントのマーケティング課題を解決する専門チーム「Data Science Boutique(DSB:データ サイエンス ブティック)」を発足しました。

本記事では、DSB発起人でデータストラテジストの髙栁 太志、ビジネスプロデューサーの多田 宜広、データサイエンティストの中嶋 克臣による鼎談を通じ、DSB設立の背景やDSBの強み、マーケティングの進化の方向性などについて前後編に分けてご紹介します。


「Data Science Boutique(DSB)」について詳しく知りたい方は下記をご覧ください。
「データ分析・戦略立案サービス」について詳しく知りたい
AIコンサルティング・開発実装サービス」について詳しく知りたい

目次

Data Science Boutique(DSB)とは

高度な専門性を持つ人材が集結し、クライアントの課題を解決する専門チーム

髙栁 Data Science Boutique(DSB:データ サイエンス ブティック)は、AI・データサイエンスでクライアント企業のマーケティング課題を解決する組織です。マーケティングデータを分析して課題発見から戦略立案まで提供する「データ分析・戦略立案サービス」と、課題に応じたオーダーメイドのAIを設計、開発してマーケティング施策を高度化する「AIコンサルティング・開発実装サービス」の2つのサービスを提供しており、データ分析をするデータサイエンティスト、戦略を策定するデータストラテジスト、DSBとクライアントの繋ぎ役であるプロデューサーのそれぞれで、高い専門性を持つ人材が集結しています。

企業のさまざまな課題解決にAIやデータサイエンスを活用する動きは顕著になっていますが、DSBは「マーケティング領域の課題解決に特化」していること、クライアントのマーケティング領域におけるさまざまな課題に対し「オーダーメイドのAIを開発・実装する」こと、そしてデータサイエンティストが分析した結果を戦略へ昇華していく役割を担う「データストラテジストがいること」が特長です。

課題に合わせて「データ分析・戦略立案サービス」と
「AIコンサルティング・開発実装サービス」を提供
img_1120x630_01

中嶋 データサイエンティストは、膨大なマーケティングデータを分析し、クライアントの課題とその解決の糸口を見出します。まずデータストラテジストと一緒に今あるデータから利活用方法を検討し、どういった課題解決が可能かを考えます。それを実行に移すために、さらにどういったデータが必要か、収集したデータをどう処理・モデリングするかの詳細を詰めて、実際に分析を行います。そして、最終的な分析結果をデータストラテジストと連携して、クライアントの課題解決につながる知見へと昇華します。DSBは、データストラテジストとデータサイエンティストがひとつのチームにいて、この両輪がかみ合ってビジネス上の価値がある分析が可能となっています。加えて、このような分析サービス・ソリューションをクライアントと繋げるプロデューサーがいるというのが強みです。

多田 クライアントのマーケティグ領域での課題解決に対し、コンサルティング会社ならおもにデータを分析して課題や解決策を提示するまでにとどまり、AI開発のベンチャーやシステム開発会社であれば開発・実装して終わりというパターンが散見されます。DSBでは、プロデューサーがストラテジスト・サイエンティストとのハブになりながら、クライアントのマーケティング課題をとらまえた上でソリューションをどう課題解決に結びつけるか、具体的な戦術・アウトプットをどうしていくか、までしっかりとカバーできます。

中嶋 データサイエンティストの立場からもうひとつDSBの強みを示すと、DSBはオーダーメイドのサービスを提供できることです。DSBではマーケティングプランニングの経験が豊富なメンバーも在籍しており、クライアントの多岐にわたる課題や細かなニーズにもクライアントのマーケティング担当者に近い目線で柔軟に対応できます。またデータサイエンティストも幅広い分析知見がありクライアントの個別課題に対してさまざまな解決策を提案できる「引き出し」を多く持っています。このようにDSBは「専門性のある人材」による「高度なサービスを売る」組織で、クライアントの個々の悩みに合わせて、オーダーメイドで解決策を提示できる、そこが大きな強みです。

株式会社博報堂 HAKUHODO DX_UNITED/博報堂DXソリューションデザイン局 中嶋 克臣

クライアントが抱える課題とニーズの変化

「データを集めたい」から「データを活用したい」に

髙栁 DSB設立の背景には、まず、クライアントがビッグデータを以前と比べてより簡単に収集できるようになったことがあります。自社サービスの利用履歴や購買履歴、Webサイトへの来訪・閲覧といった生活者の行動履歴から得られるアクチュアルデータやその他自社で収集した1st Party Dataなど、マーケティングで活用できるビッグデータを集められるようになりました。

それだけでなく、例えば住宅メーカーであればIoTハウスに取りつけたIoT機器から、自動車メーカーであればコネクテッドカーといった新しいサービスからもデータを取得できます。新たな生活者との接点も増えたことで、より膨大なデータを収集できるようになり、それらをマーケティングに活用したいというクライアントのニーズが急速に高まってきているのです。

株式会社博報堂 HAKUHODO DX_UNITED/博報堂DXソリューションデザイン局 髙栁 太志

多田 確かにクライアントのニーズは「データを収集したい」から「データを活用したい」に変化してきています。1st Party Dataを膨大に収集できるようになり、CDP(Customer Data Platform:データ活用プラットフォーム)を構築したものの、実は使いこなせておらず、マーケティングでの利活用が進まないという声も聞こえてきます。データを使ってより良いサービスを提供していきたい一方で、どうすればいいのかに悩まれているクライアントは増えている印象です。

中長期的な視点のマーケティング施策へのニーズの高まり

多田 また、データ利活用によるマーケティングが進化していく中で、施策効果の可視化に関する悩みを抱えられているクライアントも増えてきました。これまでも単発のキャンペーンを短期的に都度、効果検証をする、ということは可能でしたが、昨今のクライアントニーズは「事業的な視点、中長期的・将来視点で、施策効果やユーザーの予測したい」「効果をリアルタイムに把握して投資の判断に生かしていきたい」というような内容にシフトしてきています。

中嶋 確かに中長期目線で施策を検討するクライアントが増えてきました。これまでは、半年後の施策に向けてデータ分析をしていこうといったケースが多かったのですが、今は施策を実施後にフィードバックを経て次に繋げようという中長期的な視点を持って、単発のデータ分析で終わらない継続的な取り組みが増えています。

データの中身を理解してから基礎分析、AIモデル構築へ

髙栁 こうしたクライアントの課題をDSBで解決するとき、クライアントごとに解決までのワークフローを個別に立案します。すべてカスタム、オーダーメイドです。最初の課題設定がとても大事で、そもそも「何を解決するのか」を明確にします。次にデータを取り扱う環境を整備します。クライアントが保有しているデータをDSBでお預かりして分析・活用することもあるので、セキュリティ要件もクライアントとの間で取り決めます。

中嶋 実際に使えるデータを受領したら、そこからはデータサイエンティストの出番です。まずデータ自体がどういう構造になっているのかの理解から始め、探索的な基礎分析を行います。そして課題の解決につながるように分析設計し、データと目的に合わせて適切な手法を選定します。アウトプットは分析レポートのような形になることもありますが、予測モデルを実際のオペレーションに活用していく形もあります。後者の場合は開発したモデルをクライアントでずっと使い続けることになるので、例えば365日休みなく稼働するAIモデルを構築する場合、クライアントの中にその運用に対応できる体制があるのかといったことも含めて話し合いながら運用フローを決めていきます。そして、モデルを構築したら、その後はPoC(概念実証)に移り、検証、改善、実運用へと進んでいきます。

DSBのワークフロー

img_1120x630_02

分析結果によって行動が変わるかが重要なポイント

中嶋 データサイエンティストとしていつも気をつけているのは、分析結果の「アクションへの寄与」です。天気予報の例を出すことが多いのですが、外出する時に常に折り畳み傘を持っている人にとっては降水確率のデータはあまり意味がありません。降水確率によって傘を持つか持たないかといった行動が変わらないからです。データによって傘を持って行こうと行動が変わる場合には、そのデータ、つまり分析結果に意味があることになります。その視点に立って、この分析結果でクライアントのアクションに変化が起きるのか、クライアントにどう受け入れられてどうアクションが変わるかが重要なポイントだと考えています。クライアントに何らかのアクションを起こさせる分析結果が重要であり、それをきちんと示すことができるか、そのことを常に考えながらデータを分析しています。

AI・データサイエンスがもたらすマーケティングの進化

「生活者理解の高度化」「意思決定の最適化」「施策の制御」

髙栁 クライアントのニーズが複雑化していく中で、マーケティングもAI・データサイエンスを活用しながら進化していかなくてはならないと考えています。その方向性は大きく3つあると整理しています。まずは「生活者理解の高度化」です。マーケティングにおいては、生活者のことを正しく理解することが重要ですが、AI・データサイエンスの活用でより高度に深く生活者を理解できるようになりました。データをより詳細に収集・分析できるようになれば、今後はさらに高度化していくでしょう。

次に「意思決定の最適化」が求められると考えています。マーケティング施策を実施するとわかるのですが、意思決定の連続なのです。例えば、どの媒体にいくらの広告予算を配分するかといった意思決定では、数字として見える形で数理的に最適解を導くことができれば、これまでよりも意思決定がスムーズにできるようになります。今後は、クライアントから意思決定がしやすくなる施策が求められるでしょう。

そして3つめの方向性が「施策の制御」です。顧客接点を強化し新たな顧客体験を作っていく中では、その裏側で動いて施策を制御するアルゴリズムが必要です。例えばレコメンデーションやマッチング、スコアリングなどのAIを活用することで、よりハイレベルな制御ができるようになると考えています。AIがあるからこそ実現可能な顧客体験が、これからもっと増えていくと思います。

多田 クライアントは、One to Oneのコミュニケーションの高度化など、顧客体験をどうやってリッチ化させるかに主眼を置いています。そのニーズに対応するために、AIやデータサイエンスを活用し、さらにマーケティングを高度化していくという方向も考えられます。株式会社博報堂 HAKUHODO DX_UNITED/博報堂DXプロデュース局 多田 宜広

アクチュアルデータから顧客のインサイトを発掘

中嶋 もうひとつ、マーケティングの進化ではアクチュアルデータの活用の進展があると思います。例えば、顧客の意見からのインサイトを見つけだそうという取り組みを考えたとき、これまではアンケート調査をして解析してインサイトを見つけるというパターンが多かったと思います。ところが、今なら顧客ごとの購買履歴など膨大なアクチュアルデータをクライアントは収集しています。それをどう分析してインサイトを見つけだし、それをもとに従来とは異なるマーケティング施策をモデル化するか、その方向も求められていると感じています。

まとめ

髙栁 こうしたクライアントのニーズや課題の変化に対応するには、AI・データサイエンスのさらなる活用が必要です。また、分析で終わりではなく、分析結果や新たなインサイトをクライアントのビジネスに生かすストラテジーの立案、それらを含めたトータルなプロデュースが求められます。それらを実現できる専門チーム「Data Science Boutique」が、マーケティングの高度化に貢献していきます。

後編では、DSBの具体的なサービスと強み、DSBが目指す今後のマーケティングDXの方向性などについて説明します。

後編「マーケティング×AI・データサイエンスで、新たな価値創造にチャレンジしていく」はコチラから

profile_01

髙栁 太志(たかやなぎ たいし)

株式会社博報堂
HAKUHODO DX_UNITED/博報堂DXソリューションデザイン局

データストラテジスト。マーケティングでのAI・データサイエンス活用におけるプロジェクトマネジメント及び戦略プラニング・コンサルティングを担当。データサイエンティストと二人三脚で、クライアント企業のDX推進・データサイエンス活用をサポートする。

profile_02

多田 宜広(ただ のぶひろ)

株式会社博報堂
HAKUHODO DX_UNITED/博報堂DXプロデュース局

ビジネスプロデューサー。入社以来消費財・通信・金融クライアント等のIMC開発、新商品/店舗開発、メディアプラン設計/運用、コンテンツ開発に従事。2021年より現職にてDX・データ領域におけるビジネスの営業企画やプロジェクトマネジメントを推進。

profile_03

中嶋 克臣(なかしま かつおみ)

株式会社博報堂
HAKUHODO DX_UNITED/博報堂DXソリューションデザイン局

データサイエンティスト。2022年6月より現職。マーケティング領域でのデータ分析プロジェクトにおいてリードから実装までを幅広く担当しクライアントの課題解決を支援。他にも社内のデータ分析ソリューションの企画開発や分析メンバー育成にも従事している。

タグ一覧