貴社のオムニチャネル化は完了していますか?その答えをエスキュービズムが持っています。激動の小売業界で生き抜くための真のオムニチャネル化を実現します。 貴社のオムニチャネル化は完了していますか?その答えをエスキュービズムが持っています。激動の小売業界で生き抜くための真のオムニチャネル化を実現します。
  • このエントリーをはてなブックマークに追加

WEBマーケティングに必須とされるビッグデータとは

様々な業界ですでに活用されているのがビッグデータです。
特にwebマーケティングには欠かせないものですが、なぜそんなにも活用されているのか、具体的にどんなデータなのか実態を把握し切れている人はそれほど多くないでしょう。
ビッグデータとは簡単に言うと、その名の通り膨大なデータです。ただ量が多いだけではなく、その中には様々な特性があります。

ビッグデータについての解説や分類、活用によるメリットなどについてお伝えします。

ビッグデータとは?わかりやすく解説

ビッグデータの主な特性に挙げられるのが、データの量・種類・頻度の三点です。
途方もなく大量で、種類が豊富であり、頻繁に更新されるリアルタイム性こそビッグデータの本質と言えます。
スマートフォンなどインターネットにつながる端末が国民1人一台の時代になり、ネットワークの高速化と低コスト化が進んだことで生まれたものとも言えます。

つまりビッグデータ=消費者一人ひとりのニーズの集積であり、消費者がまさに今何を求めているかが見て取れる生きたデータと言えるでしょう。
当然、ネット社会になって以降こうしたデータは常に収集されて来ましたが、以前は有象無象の莫大なデータを処理し切れる技術がありませんでした。
テキストだけでなく画像データなど一元で扱えない種類のデータが、分刻みに大量に生成されるわけです。

そんなものを集めたところで現実的な利用はできないと言うのが定説で、その中から必要な情報だけを取り出すことは、砂漠で針1本探し出すより困難だと言われていました。
ビッグデータが注目されたのは2012年アメリカ科学技術政策局の研究発表を受けてですが、近年話題になりつつある理由は、莫大なデータを保存できる容量と分析技術が大きく発展を遂げたためです。

ビッグデータの例

それではビッグデータとは具体的にどういうものを指すのか、例を挙げてみましょう。
基本的には消費者の行動履歴全般なのですが、特に位置情報やwebサイトの閲覧履歴、視聴履歴などが代表的なデータです。

どんな年齢層の消費者がどのwebサイトを見に行って、どんな情報を得たかを知ることがwebマーケティングの基礎になるのは周知のことでしょう。
位置情報は、例えば終電の終わった駅周辺やイベントのあった会場周辺など、どの地域にタクシー需要があるかなどの予測になります。
スマートフォンという外出時に持ち歩く端末が急激に普及したことにより、消費者一人ひとりの位置情報から新しいマーケティング視点が生まれたことも事実でしょう。

このようにビッグデータは使い方によって、今までなかったニーズを引き出す手法にもなり得ます。

総務省の分類によるビッグデータとは

総務省の発表する情報通信白書平成29年版のポイントでは、第一部特集:データ主導経済と社会変革の中で、第2章:ビッグデータ利活用元年の到来と題しています。
「情報の自由な流通において国際議論が進み、ビッグデータ利活用元年に向けた環境整備が進みつつある」
として、一般的利用者側のデータのセキュリティ確保や個人や企業の認識ギャップを解消する企業側の取組が必要だとしています。

政府はビッグデータ活用の流れを一気に加速させる狙いで、懸念されていた各種データの取り扱いに関しても法を整備し、積極的に課題を解消しています。
総務省が分類するビッグデータには以下の4つのグループがあり、主に政府と企業、個人の3つに着目して分けられています。

引用:総務省
http://www.soumu.go.jp/johotsusintokei/whitepaper/h29.html

政府(国)のオープンデータ

政府または公共団体が保有し、公共情報として公開されている官民データです。
2016年には官民データ活用推進基準法が施行され、これらを活用した新しいビジネスの創出なども推進しています。

企業のノウハウデータ

企業が持つノウハウをデジタル化し、構造化したものです。

企業のM2Mストリーミングデータ

M2Mはネットワークでつながれた稼働機器間でデータをやり取りすることで、ストリーミングというのは動画でも有名ですが、ダウンロードと同時に再生する技術のことです。
この情報交換は機器同士が人を介せず行うもので、売上や在庫など機器が情報を収集し、自動的に管理者へ通知するシステムになっています。

個人のパーソナルデータ

個人情報の概念はすでに一般に浸透していますが、住所氏名などはもちろん、行動履歴などあらゆる個人の情報がパーソナルデータです。
また、特定の個人に紐づくデータは当然のこと、2017年の改正個人情報保護法では、特定できないよう加工された匿名加工情報もパーソナルデータに含めると定められています。

ビッグデータ活用のメリット

それでは実際に企業がビッグデータを活用するメリットはどこにあるのでしょうか。
一番は当然、売上・利益を上げることです。

ビッグデータによって消費者の潜在的なニーズを引き出し、新しい市場を開拓するという手段もありますし、現状の見えない問題点を洗い出し、改善するという手段もあります。

それでは具体例についていくつかご紹介しましょう。

一部のヘビーユーザーが高い売上を叩き出す

商品点数が多い店舗では、短期的な売上や人気一括りで商品を見ると、マーケティング施策を大きく失敗する場合があります。
ビッグデータの分析が進むコンビニエンスストアでは、決して人気ランキング上位の商品でなくても、一部のヘビーユーザーが売上の6~7割を占めることを分析し、高い利益につなげている例があります。

短期的なデータで見ると人気も低く、売上にも決して貢献しているようには見えない商品が、ビッグデータで見ると長期的に大きな下支えになっていることが判明しました。
当然仕入れ量を最適化する戦略は必要ですが、目先の利益で影の主力商品を切ってしまうと、結果的に打撃となる可能性を知ることができます。
扱う商品点数を増やすと管理コストがかかるため、商品を絞らざるを得ない小売店こそ、売場効率を最大限に上げるためのビッグデータ活用が必要でしょう。

自動販売機の商品配置替え

自動販売機自体の配置換えではなく、自動販売機の商品陳列の配置替えをしただけで売上が伸びた例があります。
これは消費者の視線データを集めて解析することで、消費者がどの辺を見て購入しているかを把握し、対応した結果です。

自動販売機のウインドウの多くは、上下2段に横並びに商品がディスプレイされています。
日本人の人間行動学科的に考えれば、この場合左上から右に見た後、左下に視線行くはずなのですが、実際には下段しか見られていないことがわかりました。

そこで同社は主力商品を下段左から並べる配置に変えたところ、売上増の結果が得られました。
これはアイトラッキングによるビッグデータの解析から得られた実績と言えます。

位置情報を活用した業務の効率化

タクシーの運行実績にスマートフォンの位置情報のビッグデータを活用し、東京都内で売上がアップした事例があります。
イベント開催地や混雑スポットなどから需要を予測し、重点的に配車することで業務を効率化した例です。

また、土地勘のない旅行先で当てが外れ、時間を持て余したという経験は誰しもあるでしょう。
アプリ利用者の位置情報からその土地に根付いた情報を広告配信し、特定エリアにいるユーザーを誘導することで売上に貢献する仕組みもまたビッグデータの活用になります。

ビッグデータの解析は通常のデータ解析とは違う?

ビジネスに役立つ情報を得ることを目的に、まとまったデータを収集し解析するソフトウェアは、すでに多くの企業がなんらかの形で利用しています。
こうした分析モデルを組み込んだビジネスアプリケーションは、生産性や価値を上げる手法として一般化しつつありますが、果たしてビッグデータの解析は話が別なのでしょうか。

結論からすれば、ビッグデータの解析に提供されている手法は、新しいものというわけではありません。
ただ近年、新たな分析アルゴリズムを搭載したソフトウェアが登場して来ており、大量で多種多様なデータを解析し、取るべき行動を示すことが可能となって来ました。
こうしたビッグデータ解析のソフトウェアはまだ新しく、これからのビジネスに重要な価値を生み出す可能性があります。

ビッグデータの特性はとにかく大量で多様なデータですので、ストレージ容量やサーバの計算能力に制限があっては十分な能力を発揮することができません。
特にリアルタイム性を重視して予測分析する場合、機器のパフォーマンスは重要でしょう。
近年こうした機器的な制限がほぼなくなりつつあることも、ビッグデータ活用を後押ししている理由です。

発展したビッグデータ分析の技術

SNSなどでは一元化できない非構造化データが膨大に溢れていますが、これらをAI(人工知能)で的確に捉えることができれば、webマーケティングに大いに貢献します。
企業がデータを集める目的は業績アップのためのニーズの分析であり、デジタル時代のはるか前から、企業はあらゆる手段でデータを集め、分析し、経営に活かして来ました。
アンケート調査やメンバー登録による顧客情報の収集、実際に店舗に足を運んでの張り込み調査など、あらゆる手段でニーズの調査は行われてきました。

目的商品ではなくついでに買う併売分析などは小売マーケティングの発展形で、一見まったく関連性のなさそうなものが、実は一緒に買われている実態が浮き彫りになります。

紙オムツとビールに相関関係?

例えばマーケティングの事例でよく掲載されているのが、紙オムツとビールの相関関係です。
とあるスーパーでは売場を近づけたら売上がアップしたという話があります。
奥さんに頼まれて来た旦那さんがついでに買って帰るという図式ですが、これもビッグデータ分析の走りです。

分析からレコメンド表示へ

これが近年のインターネットショップになると、「この商品を買った人はこのような商品もチェックしています」というレコメンド表示として活用されています。
全世界からアクセスのあるインターネットショップで、昔のような人海戦術によるデータ分析を行うのは事実上不可能です。

膨大なビッグデータを分析することは技術的に不可能と考えられた時代もありましたが、アメリカの調査コンサルティング会社フロスト・アンド・サリバン・テックビジョンのスワプナディープ・ナヤック氏によると、「近年のAIの進歩によりデータ間の隠れた関係性の発見が可能となり、ビッグデータ分析のプロセスが大幅に改善された。」とのことで、すでに併売分析まで可能なAIが登場し、ビッグデータとAIは完全に補完し合う関係にあると言えるでしょう。

出典:「Why the convergence of the IoT、 big data and AI will drive the next generation of applications」

ビッグデータとAIの関連性

ビッグデータとAIの関係を考える場合、IoTも必ず仲間に挙げられ、現代の三種の神器と言われます。

インターネットでモノがつながるIoT

まずIoTですが、「モノのインターネット化」と言うように、インターネット経由で物と人とがつながるシステムを意味します。
仕事場で自宅の冷蔵庫の中身を知る、事務所で工場の機械の不調を知るといったように、機器同士の情報のやり取りではなく、人とモノが直接つながるのが大きな特徴です。
IoTは企業にとっても業務効率を上げるために、すでに必須のシステムです。

IoTの事例をご紹介

アナログ店舗の代表格スーパーマーケットなどでは、駐車場にライブカメラを設置し、誘導係が必要な時間帯だけ配置時間を決めることで人件費大幅にカットすることもできます。
また、商品にICタグをつければどれが手に取られたかがわかりますし、カートにセンサーをつければ買い物客が店内をどのように回遊するか、ルートや時間なども把握することができます。

このようにIoTデータから人員配置やレイアウトまで改善点の検討が図れますが、そのデータ量は膨大で、まさにビッグデータと言えます。

ビッグデータ分析に欠かせないAI(人工知能)

IoTで集められたビッグデータを解析し、分析することでより有益な情報にするために必須となるのがAIです。
また、AIを成長させるためにもビッグデータが必要です。
AIを成長させるためには膨大な情報を与えることが必要で、その中からルールや知識を自らが学習するのが人工知能の特性と言えます。

これまでAIはエキスパートがどのように判断するかをルール化して教え込ませ、教えたエキスパートのように働くことが求められました。
現在のAIは、迷惑メールを膨大に読みこませることで、どんなメールを迷惑メールと認識するかを学習といったように、非常に身近な存在に成長しています。

ただし、AIは色眼鏡なしで情報を学習して出力するので、与えるビッグデータの質が悪ければ分析結果も質の悪いものになります。
入力するデータベースは信頼できるものに限り、企業にとって本当に必要な正しい行動を導き出すのが本当に有意なビックデータ活用の技術と言えるでしょう。

まとめ

これから世界は更にビッグデータとai、IoTが密接に絡み合い、人間の生活に浸透して行くことは間違いありません。
企業がデータを有効活用するためには、目的を明確にし、分析結果をどのように活用するか、企業経営戦略ありきで考えることが重要でしょう。

関連記事

エスキュービズムニュースレター!
記事に関連するサービス
  • EC Orange
Orange EC 導入事例
店舗のミライ塾
デジタルマーケティングの 事例、ノウハウ情報メディア [デジmag]
貴社のオムニチャネル化は完了していますか?その答えをエスキュービズムが持っています。激動の小売業界で生き抜くための真のオムニチャネル化を実現します。
TIG commerce(ティグコマース):触れる動画でリテール業界の次世代デジタルマーケを実現
EC用語集
お役立ち資料ダウンロード

アーカイブ

ページ上部へ戻る