2021.12.20 コラム
機械学習｜「viz」× 広告施策の最適化と広告効果シミュレーション
● はじめに
マーケティングをおこなう上で、「もっとこういう評価してみたい」「こんな分析してみたいけど難しそう・・」など日々課題を感じている担当者の方も多いかと思います。本記事では、機械学習を用いたデータ分析事例をご紹介します。少しでもマーケティング担当者の方の参考になればと考えています。
今回は以下内容について、機械学習アシストツール「viz」を活用した施策シミュレーション事例をご紹介します。
- 機械学習（AI）を活用した広告予算の最適化、広告効果の予測
- 広告メニューごとの投下金額をもとに、店舗売上を自動シミュレーション
- 目標店舗売上をもとに、各広告メニューへの投下金額を自動で最適化
● 今回のテーマ：vizを使って施策シミュレーションを行う
・vizの機能の一つ「施策シミュレーション」を使います
・各施策データ（今回は広告出稿データ）の分析結果（貢献度分析）を活用します
・KPIに対する効果と、最適な施策の組み合わせを予測します
※vizの別機能「貢献度分析」についてのコラムはこちら⇒機械学習｜「viz」× 広告施策の売上貢献度を分析する
※vizの別機能「ターゲット抽出」についてのコラムはこちら⇒機械学習｜「viz」×「DataCurrentセグメント」にて、性別を予測してみた
● 予測の流れ
・施策データの貢献度分析結果を確認する
・パターンA：結果を予測する ＜KPIのシミュレーション＞
・パターンB：必要な施策を逆算する ＜施策ボリュームの最適化＞
● 施策データの貢献度分析結果を確認する
まず、施策データから、各施策の貢献度を分析します。
※貢献度分析についてはこちら⇒機械学習｜「viz」× 広告施策の売上貢献度を分析する
今回使用するvizの機能「施策シミュレーション」では、前回の貢献度分析の結果得られたモデル「menu」を使用します。
● パターンA：結果を予測する ＜KPIのシミュレーション＞
施策シミュレーションには2種類ありますが、今回はまずパターンAでのシミュレーションを行います。
パターンAでは、施策データをもとにKPIデータの結果を予測します。今回は、広告メニューごとの出稿データをもとに、店舗売上を予測します。
入力画面
貢献度分析の結果得られたモデル名を選択し、実行します。
約10秒後、分析結果が表示されました。
分析結果
初期表示には、最適化された結果が反映されます。元データの施策ボリュームを最適な配分にした時のボリュームとKPIが表示されています。
今回のデータでは、最適化前のKPI費用対効果と最適化後のKPI費用対効果（施策ボリュームあたりのKPI）を比較したところ
全施策ボリュームはそのままで、KPI費用対効果（施策ボリュームあたりのKPI）は約89倍になりました。
各施策ボリュームの数値を画面上で変更することで、任意の施策ボリュームでの想定KPIをシミュレーションすることもできます。
● パターンB：必要な施策を逆算する ＜施策ボリュームの最適化＞
パターンBでは、目標となるKPIの達成に向けて必要な施策ボリュームを予測します。今回は、店舗売上の目標に向けて必要な各広告メニューの最適な投下金額を予測します。
入力画面
パターンAと同様に、貢献度分析の結果得られたモデル名を選択します。
また、目標とするKPIを入力し、実行します。今回はKPI（店舗売上）を6,000,000とします。
約10秒後、分析結果が表示されました。
分析結果
初期表示には、最適化された結果が反映されます。指定した目標KPIの達成に最適な施策ボリュームが表示されています。
目標KPIの数値を変更することで、任意の想定KPIに対する各施策のボリュームをシミュレーションすることもできます。
● さいごに：機械学習アシストツールvizについて
vizでは本件のように、機械学習を活用した予測をスピーディーに実行することが可能です。
また、エクセル等で分析用データを用意しておけば、直感的な操作のみで実行できるため、プログラミング等の専門的な知識がなくても手軽に予測を行うことができます。
弊社では、新規データソースの連携方法の整理や実際の連携作業、開発といったことから、既に連携しているデータのトラブル、ご相談まで幅広くサポートしています。お困りごとございましたらお気軽にご相談ください。
またvizについてもっと知りたい方は、詳細資料を公開しております。デモを用いてご説明することも可能ですので是非お問い合わせください。
》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
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