Column

コラム

  • 【アドテクコラム】自社×競合の購買傾向を機械学習アシストツー...
  • viz
  • アドテク
  • アドテクコラム
  • 機械学習

【アドテクコラム】自社×競合の購買傾向を機械学習アシストツール「viz」で予測分析~施策実施~効果検証をしてみた!<後編>

● サマリー

  • 自社商品を購入する可能性に応じて10段階でスコア化(≒クラスタ分け)することが可能
  • 購買に影響を与える特徴量(要素)は何かあたりをつけることができる
  • (分析元データ次第で)自社×競合での傾向比較分析も可能

検証方法

前編の内容:
自社×競合の購買傾向を機械学習アシストツール「viz」で予測分析~施策実施~効果検証をしてみた!【前編】

前編の分析対象者への施策実行および施策後のアクション状況を上記ユーザー分布の粒度でプロットしアクション率を割り出すことで、反応率の良いペルソナを深掘りいたします。

今回は広告Clickアクションおよび商品購買アクション(≒CV)を深掘りいたします。

■用意するもの

  • ユーザーID毎の広告Impression/Click/商品購買の有無
  • 前編の機械学習分析結果の出力csvファイル

■検証手順

<ステップ1>

ユーザーID毎のClick/商品購買(CV)をLTV毎にプロットし、アクション率を算出

<ステップ2>

アクション率を元に、特徴を把握

<ステップ3>

特徴的なLTVや特徴量のペルソナを深掘り

ペルソナ分析_click
ペルソナ分析_cv
ペルソナ分析_可視化イメージ

■検証結果

  • 競合商品のLTV低いユーザーが自社商品の広告に反応した
  • 自社商品のLTVが高いユーザーは広告に反応しなかった
  • 一方で自社商品のLTVが高いユーザーは商品購入していた

■検証結果を受けての施策イメージ

<競合からのブランドスイッチを狙う>

  • LTV低のユーザー特徴に似た層へターゲティング設定し反応率を見る
  • 深掘りしたペルソナから適したクリエイティブ戦略を立てる

このように機械学習の予測結果に対して、実際の施策を結びつけることで、より具体的な示唆を得ることができました。

● さいごに

弊社の機械学習ツール「viz」ではデータもよりますが、元データのアップから1分程度で結果を出力することが可能です。
そのため、csvファイルを作り替えるのみでいろんな粒度で何度でもすぐに分析/深掘りすることができます。
機械学習アシストツールvizに興味ある方は是非お声がけくださいませ。

》vizサービスサイトはこちら
》詳細資料・お問い合わせはこちら

機械学習アシストツール「viz」サービスバナー

■関連記事/資料

本件に関するお問い合わせは下記にて承ります。
株式会社DataCurrent
info@datacurrent.co.jp

人気のコラムランキング

PICK UP

今、CMPは導入するべきか?

コラム

Treasure Data CDPを活用したOneID(統合ID)構築3 姓名突合での落とし穴

コラム

機械学習 | 「viz」×焼肉のたれの売上を肉の売上でシミュレーションしてみた

コラム

CMPツールの導入手順について

コラム

TOPへ
戻る