分析とAIにより、マーケターはどのようにして未来を予測できますか？
公開: 2017-08-02特に将来については、決して予測しないでください。
将来を予測した確かな実績はないので、これは賢明なアドバイスのようです。
1940年代初頭に「約5台のコンピューター」の世界市場があると宣言したIBMのトーマス・ワトソン社長から（確かに、初期のIBMマシンのうち5台のスペースしか地球上になかったかもしれません）、Y2Kフラバルーまで。人々は、壮大な、しばしば非常に不正確な予測を受け入れることに抵抗することはできません。
将来を事前に知ることに対する報酬は、それを実行することに抵抗するには大きすぎますが、私たちは予測を形成するために人間の直感にかなり大きく依存しています。 そのため、報酬はあまりにも頻繁に請求されないままです。
しかし、これは急速に進化している業界であり、人工知能（AI）の進歩により、私たちの将来の予測は、慣れ親しんだが欠陥のある直感ではなく、信頼できる統計モデルに基づいていることがすぐにわかります。
この3部構成のシリーズでは、人工の潜在的な役割を探ります。
業績の向上につながる、正確でアクセス可能な予測分析の開発におけるテリジェンス。
この記事は、予測分析業界が現在どこにあるのかを分析することから始まり、企業が利用可能なテクノロジーとデータを最大限に活用するのに役立ついくつかのヒントを示します。
「予測分析」とはどういう意味ですか？
予測分析は、機械学習と統計モデリングを使用して、履歴データに基づいて将来の状況を予測するデータマイニングの形式です。
すでに私たちの周りで実行されている予測分析の例があります。 クレジットカードでの疑わしいアクティビティの可能性について銀行から通知された場合は、過去の取引に基づいて将来の行動を予測するために統計モデルが使用されている可能性が高くなります。 このパターンからの重大な逸脱は、疑わしいものとしてフラグが立てられます。
この分野への関心のレベルを理解するための単純なプロキシとして、Googleトレンドから、トピック「予測分析」の検索ボリュームが過去5年間で大幅に増加していることがわかります。
この線を見て、成長し続けると予測できます。 しかし、それは実際には最近の歴史的な傾向、または業界のトピックについて多くの話題を聞いているという事実に基づいています。 次のラインがどこに行くのかを確実に主張するには、さらに多くの調査が必要です。
非常に多くの企業がこのトピックに興味を持っていることも理にかなっています。 2020年までに「ビッグデータ」テクノロジーに年間760億ドル以上が費やされると予測されています。この投資から利益を得る最善の方法は、すべてのデータを使用して将来の需要動向を予測することです。
これまで見てきたように、これは人々が習得するのが難しい作業です。 正しい予測を始めるには、少し助けが必要です。
その結果、Gartnerの「AnalyticAscendancy Model」では、予測分析は、記述分析と診断分析の両方からの進化的な飛躍と見なされています。
とはいえ、正確な予測分析への要望は新しいものではなく、分析を使用して将来の消費者の行動をモデル化する試みもありません。 多くの分析専門家は、たとえば、典型的な顧客の生涯価値（LTV）などの数値を計算するために、この分野に毎日取り組んでいます。 膨大で多様なデータセットの可用性は、これらの計算の精度を大幅に向上させるのに役立ちました。
比較的新しいのは、人工知能を適用してスキルセットのギャップを埋め、予測分析で可能なことを拡張することです。
この組み合わせにより、過去の消費者行動のパターンを特定し、これらを使用して将来の可能性のある行動を計画する、より洗練された統計モデルが生まれました。
しかし、特に人工知能が、私たちだけではほぼ不可能だとわかったことを達成するのに非常に効果的であるのはなぜですか？
習慣の生き物：予測分析は現実の世界でどのように適用されますか？
予測分析は、人々がどれだけ予測可能であるかによって大いに役立ちます。
AIは、私たちが信じたいと思うほどユニークで自由意志がありますが、過去の行動や同様の人々の行動に基づいて、私たちがこれから何を続けるかを非常に正確に予測できます。
2007年にマサチューセッツ工科大学のメディアラボで行われた科学者の調査によると、「ほとんどの人が毎日行うことの90％はルーチンに従っているため、わずかな数式で行動を予測できます」。
多くのマーケティングキャンペーンがこの仮定に基づいて運営されてきましたが、今ではこの原則をより正確で説明責任を持って適用することができます。
この分野でAIが独自に登場するのは、人間が単純に見ることのできない幅広いパターンを識別する能力です。 安全な仮定に基づいて調査対象の領域を選択しますが、AIは、変更されたときに相互に影響を与える他の変数を特定できます。
このアプローチ（回帰分析の使用によって大きく形作られました）は、消費者が住んでいる絶えず変化する世界の適切な反映です。
たとえば、場所、年齢、過去の購入、性別に基づいて、バスケットにパンを追加したばかりの場合、ミルクを購入する可能性はどのくらいありますか？ オンラインスーパーマーケットは、この種の情報を使用して、これらの商品を購入するという私の予測された傾向に基づいて、商品を自動的に推奨することができます。
さらに、金融サービスプロバイダーは、私のオンラインインタラクションによって作成された何千ものデータポイントと同様の人々のデータポイントを使用して、どのクレジットカードをいつ提供するかを決定できます。 ファッション小売業者は、私のデジタルプロファイルを使用して、購入したばかりのジーンズに基づいて、次の購入として推奨する靴を決定できます。
これは、企業がコンバージョン率を向上させるのに役立ちますが、その影響はそれよりもはるかに広くなります。 予測分析により、企業は消費者の期待と競合他社のベンチマークに基づいて価格戦略を設定できます。 これにより、小売業者は需要を予測できるため、各製品に適切なレベルの在庫があることを確認できます。
予測分析では、顧客の好みの変化を見つけることで、新しい製品ラインのアイデアを提案することもできます。 これは、データスペシャリスト向けの遡及的ツールから、ビジネス戦略を形成し、顧客関係を改善し、運用効率を高める重要な予測機能への分析の変換を示しています。
実際、最近のForresterのレポートでは、「予測マーケターは、業界平均よりも高いレートで収益の伸びを報告する可能性が2.9倍高い」と述べています。
この革命の証拠はすでに私たちの周りにあります。 たとえば、Google、Facebook、Amazonに検索クエリを入力するたびに、データをマシンにフィードします。 マシンはデータで繁栄し、これらのフィードバック信号を受信するにつれて、ますますインテリジェントになります。
この現象は、マーケターに多くのメリットをもたらします。 Googleは、アナリティクスのSmart Goals製品と、昨年末にリリースされたSession Quality Score機能を通じて、このテクノロジーをすでにしばらく使用しています。 これらは、機械学習テクノロジーを活用した、実際の予測分析の例です。
予測はインテリジェンスの基盤であるという議論があるので、これはAIにとってかなりの偉業です。
ただし、これはほんの始まりに過ぎません。 予測分析の現在の作業の多くは提案や推奨事項の作成に集中していますが、AIベースの予測がマーケティング戦略の支点を形成する余地があります。
最近の進展は、この点で楽観主義（または不安、一部の人は言うかもしれません）の多くの原因を提供します。 GoogleのDeepMindチームは、行動する前に将来の計画を立て、さまざまな結果を検討できるAIを作成しました。
想像力は予測を作成するための基本的な側面であるため、これは予測分析の範囲内に関連しています。 この能力は、成功する予測分析キャンペーンの不可欠なコンポーネントとしてのAIの役割を定着させるだけです。
企業はどのようにして予測分析を統合できますか？
人工知能と予測分析の可能性を活用するには、組織が導入する必要のある4つの要素があります。
1.正しい質問
最良の予測分析プロジェクトは、テストするための適切な仮説から始まります。 データポイント間で独自の客観的な関連付けを行う余地のある機械学習アルゴリズムを提供する必要がありますが、克服しようとしているビジネス上の課題に着手する必要があります。 これは、努力に何らかの形を提供するのに役立ちます。
2.適切なデータ
過去10年間のデータサイエンスの進歩は、大量の非構造化データからより正確に洞察を引き出すことができることを意味しますが、説得力のある結論に到達するには、完全なデータセットが必要です。
したがって、予測分析で回答したい質問を定義した後の次の段階は、利用可能なデータと、質問に説得力を持って回答するのに十分かどうかを判断することです。
3.適切なテクノロジー
2020年までに760億ドルの予測値が示されているように、ビッグデータテクノロジーは活況を呈している業界です。 データは、データをキャプチャ、保存、および理解するためだけに、絶えず向上する技術的能力を必要とするような速度で作成されます。
主要な分析ソフトウェアパッケージの多くは、すでに予測分析ツールをリリースしていますが、方法論は異なります。 ビジネスに最適なソリューションを決定するには、それぞれの経験があり、最適なオプションを特定できるチームを配置することがこれまで以上に重要になります。
4.適切な人
これにより、基本的にステップ1に戻ります。 適切な人材がいなければ、適切な質問をすることは非常に困難です。 また、それらに回答するため、または最新のテクノロジーを最大限に活用するために必要なデータを知ることも困難です。 AIが人々に取って代わるという話のすべてにおいて、AIが生み出す新しい機会を最大限に活用するために、適切な人々を獲得することに焦点が当てられているだけです。
このテクノロジーのアプリケーションはすでに普及していますが、まだ表面を傷つけているだけです。 このシリーズの次の記事では、予測分析を使用して今日のビジネスパフォーマンスを向上させている5つのビジネスを見ていきます。
シリーズのパート2を読む：AIを使用して未来と利益を予測する5つの企業