URL:www.abeam.com/jp

Service Lines ABeam Customer Intelligence

予測型分析を活用したCRM施策高度化支援サービス昨今、データマイニングや機械学習といったテクノロジーの活用が最先端の取り組みとして改めて脚光を浴びているのは、IT 技術の進化・低コスト化により、飛躍的に増大したデータ流通量を誰もが扱いやすい環境へと整備が進んできたことに加え、複雑化する顧客の消費行動プロセスに対応するために従来のBI 型分析とは異なる新たなアプローチの必要性が認識されてきたことが背景あります。アビームコンサルティングでは、データマイニングや機械学習等の最先端のテクノロジーを活用し、従来のBI 型分析が実現する「見る、知る」を超えた、具体的な改善アクションに繋がる「予測」を実現する高度な予測型分析の提供により、企業のCRM施策の精度向上をご支援します。

予測型分析は、BI型分析とは異なるアプローチから将来の予測を実現することで、具体的な施策展開やその効果の最大化に向けたプロアクティブな意思決定の支援を可能とします。CRM施策の精度を向上させるためには、こうした高度な予測テクノロジーの活用が不可欠となっています。

Custom

er Intelligence

施策効果の最大化につながる予測型分析

「BI型分析」のアプローチ 「予測型分析」のアプローチ

仮説検証型経験則や勘にもとづく仮説からデータを選定し分析を進めていくため、主観的なものになりやすい

仮説発見型使用可能データすべてを対象に

科学的な手法から仮説を導出していくため客観的なものになる

活用できる情報量が少ない人間の能力で処理が可能な

数種類程度のデータや切り口で分析が実施される

活用できる情報量が多い機械（アルゴリズム）が膨大なデータの組み合わせや

詳細な切り口での分析を可能とする

将来の予測が困難過去の結果の集計やビジュアル化がメインとなる

将来の予測が可能事象の発生メカニズム／法則をモデル化することで

打ち手に繋がる予測値を算出する

● 過去事象の探索には向いているが、予測には対応していない● 具体的な施策設計が難しく施策効果の最大化につながりにくい

● 精度の高い予測により、具体的な施策設計が可能● 施策経済性の試算も可能となり、施策効果の最大化につながりやすい

予測型分析のCRM施策への適用例

予測型分析は、マーケティング、営業、カスタマーサービス領域における各種CRM施策の最適化や、施策実施におけるROI の最大化を強力にサポートする手法であり、様々な業種への適用が可能です。

視

点

情報量

アウトプット

顧客ステージ 施策例業務領域 適用業界(例)

潜在顧客休眠顧客

見込顧客

既存顧客

優良顧客

マーケティング

営　業 カ

スタマーサービス

● 休眠顧客に対する再購買促進の効率化

● エリア・マーケティングの効率向上

● 広告（コンテンツ）配信の最適化

● リードナーチャリングの最適化

● キャンペーン効果の最大化

● 優先顧客の特定による営業効率の向上

● 推奨商品 /クロスセル施策の最適化

● 顧客離反・解約防止

● クレーム要因の把握～サービス改善

● 顧客 LTVの最大化

● 保守／サービス更新施策の最適化

● 故障、トラブルの未然防止

流通・小売 金融 通信 メーカー

● ● ● ●● ● ● ●

● ● ● ●

● ● ● ●● ● ●●● ● ● ●

●●

● ● ●● ●●● ●

● ● ● ●● ● ● ●● ● ● ●

アビームコンサルティング株式会社 2017.4 本資料の無断転載・複製を禁じます　Copyright©2017 by ABeam Consulting Ltd., All rights reserved.

Service Lines

予測型分析の実用化に向けたアビームコンサルティングのアプローチ具体的な成果を生み出す施策の開発と実用化に向けて、予測型分析の実践と有効性の検証（PoC）を通じて、本格運用に展開させる段階的なアプローチを推奨しています。

アビームコンサルティングの優位性予測型分析における豊富な成功事例、独自の方法論、最新のテクノロジー、Analytics 領域の専門コンサルタントを有機的に組み合わせ、企業のデータ活用高度化を強力にサポートします。

Custom

er Intelligence

PoCによる予測型分析の有効性検証 本格展開（予測型分析の実用化）

様々な業種のCRM戦略における予測型分析の成功事例を数多く有しており、そこで蓄積されたノウハウから最適なアプローチ適用

最適化された予測型分析プロセスを体系化した独自の方法論 （PMAP - Predictive Modeling & Analysis Process）の適用により、精度の高い分析を効率的に実施

各領域の専門家チームにより推進　● ビジネスデザイン（戦略の立案）　● データエンジニアリング（データ最適化）　● アナリティクス（高度な予測手法）

数多くの有力Analytics ベンダーとのパートナーシップにより、実績のある最先端のツール群から最適なものを選択・活用

Phase 2.　Phase 1.　

実施概要

ポイント

※分析目的、施策内容、データコンディション等によって変動します

分析テーマの設定分析テーマの設定

実データを使用した分析の実施と施策の実践

施策の効果測定～次段階計画案の策定

実データを使用した分析の実施と施策の実践

施策の効果測定～次段階計画案の策定

PoCにて有効性が検証された施策をお客様の業務プロセスに組み込み本格展開

施策設計

アビームコンサルティングのPoC支援により　○ お客様側負荷を最低限に抑え、分析～有効性検証までを スピーディに実施（2～３ヶ月程度※）　○ 成功確度の高い取り組みを実現

（効果測定が容易なターゲティング施策を想定）

本格展開の実施可否判断

施策実行

改 善

施策評価

豊富な成功事例

最適化された方法論 専門コンサルタント

最新のテクノロジー

予測型分析の全体像（分析テーマ例：販促キャンペーン効果の最大化）過去データの学習から、販促キャンペーンに反応する顧客の特徴をモデル（数式）化することで精度の高い見込顧客のターゲティングを実現し、施策効果の最大化につなげます。

キャンペーン実績（母集団）

予 測

検 証キャンペーン実績（母集団）

非レスポンス者データ 目的変数（0）

レスポンス者データ目的変数（1）

学習～モデル化学習～モデル化

予 測

検 証

モデルを別のデータに適用した場合、同様の結果が得られるか？

予測モデルによるスコアリング

機械（アルゴリズム）が人間の能力では困難な複雑な分析処理を実施

ターゲットリスト、予測ROI

有意性検証

普遍（再現）性検証

デモグラフィック

説明変数

購買履歴

チャネル利用動態

Webアクセスログ

加工変数

その他利用可能なデータ全て

キャンペーン履歴

予測モデルレスポンス者に共通する 特徴的な傾向をモデル化レスポンス者に共通する 特徴的な傾向をモデル化

『 客観的な視点 』 使用可能なデータ全てを対象に分析

『 情報量の多さ 』 膨大なデータの組み合わせや詳細な切り口による分析

キャンペーン履歴DB 情報系DB 勘定系DB

施策対象顧客DB

『 施策効果の最大化 』 施策設計に有用なシミュレーション

『 将来予測（予測確率）をアウトプット 』 分析目的の発生メカニズム/

法則をモデル化し予測確率を算出

レスポンス者の特徴をどの程度捉えられているか？

ID 期待RR%

1001 80%2349 80%5370 75%432 75%

1211 30%24 30%

4663 0%32 0%

......

......

......

......

予測利益予測RIO