特集：スコアリング技術を使い、業務効率をあげる

多種多様なマーケティング施策と、その施策をサポートする手段も多くあります。「手段」先行で考えてしまって、こんな筈ではなかったとか、この結果を何に使うのかが漠然としていて、結果として何も改善されないという話をよく聞きます。いかに高度な解析や分析も目的がしっかり設定され、その目的を達成するため、あるいはこれまでの方法の課題を解消するのに適した手段が選択されている必要があります。
マーケティング関連では、目的（知りたいこと）に応じて、よく使われる3つの方法があります。
（1）様々な要因の数値がある場合
例えば、自社商品を購入するという行動には、年齢や性別、最後に自社商品を購入してからの期間など無数の変数が考えられます。経験則から、この行動にはこの変数が相関関係が強い/弱いと語れることはありますが、現在はこれまでとは比べものにならないくらい多くのデータを元により精緻な解析が行えます。こうした膨大なデータの存在を背景に、実際にはどの変数が強く/弱く「購入する」という行動と関係しているかを知りたい場合などに使われます。この分析により、より相関が強い変数について、具体的な施策を検討するといった意思決定が行えるようになります。

（2）顧客行動を深く知るために因果関係のモデル構築を行いたい場合
（1）の消費行動において「相関」という言葉を使いました。ここで注意していただきたいのは、ある変数と別の変数に強い/弱い相関関係があるということと「因果関係」があることは区別して理解する必要があるという点です。相関関係の場合は、片方の変数が変化すれば、もう一方の変数も変化するという関係性を意味しています。因果関係の場合は、2つの変数の間に、原因と結果という関係があることを意味しています。2つの変数に関係性があるという点では相関と同じですが、その関係性に方向性があります。

（3）時系列データを用いた行動分析を行いたい場合
時系列データとは、株価、電気の使用量、視聴率、売上のように時間に依存して変化するデータのことです。とはいえ毎日サイコロをふって出た目を記録することは時系列データとはいえません。これは、サイコロの目の出る確率が前日の目に関係なく一定の確率で出るためです。他方で、株価や売上などは、前日の様々な変数の影響も受けながら変化し続けています。このようなデータを扱い場合が、時系列データを用いた分析となります。スコアリングを使った分析においても時系列データを扱い場合もあります。

この特集では、特に（1）の様々な要因の数値がある場合に適用されることが多い「スコアリング」についてご紹介し、皆さんが実際に、目的に応じてスコアリングを用いた分析を行えるようにサポートするサービス・事例・商品などをご紹介しています。

例えば、マーケティング分野におけるスコアリングは、個々の見込み客が持つ、自社への将来的な「価値」を予測し、その価値に準じて順位をつけることがしばしば行われます。より具体的には、自社の顧客リストに対して、過去の申込み実績などの学習を行うことで、契約確度の高い順にスコアをつけるといったことが行えます。
bodaisでは、具体的なスコアリングに必要なbodaisプラットフォームと、スコアリングアプリをインストールして頂ければ、すぐスコアリングをお試しいただけます。以下にご紹介する事例も参照されながら是非お試しください。高度な統計解析の知識や経験は不要です。

データ解析プラットフォームbodaisの体験研修と6か月間の体験アカウントを提供するサービスです。

サービス内容

• bodais体験研修
  3時間のbodaisを使った研修を行います。（グループワークを1時間、アカウントを利用したbodais体験を2時間行います）研修を受けた後自力で自分たちのデータを使いbodaisで解析を行える状態にするのが目標です。
• 研修用bodaisアカウント貸し出し（1アカウント/人）
  6か月間bodaisの体験アカウントを貸し出します。期間中自由にbodaisを操作でき、自分のペースで解析を体験することができます。
  ※解析行数上限は、1アカウントあたり月30万行とさせていただきます。

bodaisプラットフォームは、多岐にわたる異なるタイプのデータ解析と1,000以上の解析プロジェクト実績で蓄積した機械学習機能内蔵型の自動進化型データ解析プラットフォームです。プラットフォーム登録後、アプリをご購入いただきますと、お手軽にスコアリング、クラスタリングなどのデータ解析を行うことができます。また他社のデータ管理サービス と連携することで効率的なデータ運用も可能です。

スコアリング分析とは、過去のデータから正解（あり）/不正解（なし）を判定できる状況において、新しいデータのその結果が得られる可能性・確率を予測する手法です。

例えば、過去商品を購入したお客様のデータから、新しくコンタクトをしたお客様が商品を購入する可能性・確率を分析できます。より可能性の高いお客様に情報を提供するなど、ビジネスや営業活動の効率化を推進します。

営業のほかにも採用、DM送付、消費量予測など多様多種の予測に使われています。

bodaisでは、データマイニングに多変量解析という手法を用いており、顧客に紐づく様々なデータ（年齢や性別などの顧客属性、購買に関する指標など）をもとに、どのデータ項目が正解率にどの程度影響しているかを定量的に可視化することができます。
その結果、新しい個別のデータが持つ情報からそのデータがどれだけ正解に近いかをスコアリングにて判定できるようにしています。

本事例の経緯として以下があり、スコアリングを行いました。
・電力需要の予測から電力使用量を評価する仕組みを販売していたが、外れてしまうことが多々あった。
・幅広い業種に対応できるように、また外れた要因を修正できるようにスコアリングエンジンを組み合わせる必要がありました。
・feedbackを取り入れる手法など独自手法を複数盛り込むことで外れた要因や他業種への展開などができるようになった。

・Webデータと営業データを融合させることで商談化や売上が効率よくできるようにしたいと考えていました。
・とりわけWebからの見込みの案件の成約確率を算出し、売り上げにつなげたいと思っていました。
・bodaisのスコアリングエンジンを利用することで、成約率を3.5倍にすることができました。

決算書情報、法人申告データから査察先を決定する統計モデルを開発した。従来は熟練者が勘と経験で決めていた査察先をデータに基づいて決められるようになったことにより、ノウハウの継承が行われた。